Nghiên Cứu Điều Khiển Robot Humanoid UXA90-LIGHT

Nghiên cứu điều khiển robot hình người UXA 90 trong luận văn thạc sĩ kỹ thuật cơ điện tử, khám phá công nghệ và ứng dụng tiên tiến.

• Tác giả: Nguyễn Văn Tiến Anh
• Người hướng dẫn: PGS. Nguyễn Tấn Tiến
• Trường học: Đại học Quốc gia Thành phố Hồ Chí Minh
• Chuyên ngành: Kỹ thuật cơ điện tử
• Đề tài: Nghiên Cứu Điều Khiển Robot Humanoid UXA90-LIGHT
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• Acknowledgements
• Abstract
• Tóm tắt
• Declaration
• List of Figures
• List of Tables
• List of Abbreviations
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Adult-sized humanoid robot
• 1.1.1. WABIAN series of Waseda University
• 1.1.2. Honda Humanoid robot
• 1.1.3. HRP series of AIST/KAWADA
• 1.1.4. HUBO series of KAIST
• 1.1.5. Boston Dynamics Humanoid robot
• 1.1.6. NASA’s Humanoid robot
• 1.2. Child-sized humanoid robot
• 1.2.1. Nao Humanoid robot
• 1.2.2. iCub Humanoid robot
• 1.2.3. DARwIn-OP Humanoid robot
• 1.2.4. UXA-90 Humanoid robot
• 1.3. Introduction to human walking gait
• 1.4. Humanoid robot walking pattern generation
• 1.5. The stability of biped walking
• 1.6. Overview of the Thesis
• 2. CHAPTER 2: BIPED ROBOT: MODELING AND KINEMATICS
• 2.1. Modeling of biped robot
• 2.1.1. The Zero Moment Point
• 2.1.2. The Linear Inverted Pendulum Model
• 2.1.3. The Cart-Table Model
• 2.2. Kinematics of biped robot
• 3. CHAPTER 3: CONTROL OF WALKING GAIT
• 4. CHAPTER 4: SIMULATION AND EXPERIMENT
• 4.1. Experiment on UXA-90 robot
• 4.2. Experiment results and discussion
• 4.3. Remark of UXA-90
• 4.4. Contributions of thesis
• 4.5. Recommendations for future research
• Appendix A: MATLAB code
• Appendix B: UXA-90 datasheet

Tóm tắt

I. Tổng Quan Nghiên Cứu Điều Khiển Robot Humanoid UXA90 LIGHT

Nghiên cứu và phát triển robot đã mở rộng từ các ứng dụng công nghiệp truyền thống sang robot tự hành, robot mô phỏng động vật và robot humanoid. Lĩnh vực robot humanoid tập trung vào việc tạo ra các robot có hành vi và hình thái giống con người. Để xây dựng robot hình người thực sự, cần có những tiến bộ đáng kể trong nhận thức cấp cao, thị giác máy tính, tổng hợp giọng nói, nhận dạng giọng nói, khả năng thao tác và di chuyển bằng hai chân. Trong hai thập kỷ qua, lĩnh vực robot humanoid đã chứng kiến những tiến bộ đáng kể và nhiều dự án robot humanoid đã được phát triển.

1.1. Lịch Sử Phát Triển Robot Humanoid Từ WABIAN Đến UXA90 LIGHT

Nghiên cứu đầu tiên về robot hình người được thực hiện bởi Kato và Tsuiki tại Đại học Waseda ở Nhật Bản năm 1972. Nghiên cứu này đã tạo ra một mô hình đi bộ tĩnh bằng mô hình nặng: WL-5, một walker 11 DoF ba chiều. WL-5 được sử dụng làm chi dưới của WABOT-1, robot nhân hình quy mô đầy đủ đầu tiên được phát triển trên thế giới. Sau đó là sự phát triển của các robot như Honda ASIMO, HRP series, và gần đây là UXA90-LIGHT.

1.2. Các Loại Robot Humanoid Phân Loại Theo Kích Thước và Ứng Dụng

Có hai loại robot hình người chính: robot kích thước người lớn và robot kích thước trẻ em. Robot kích thước người lớn thường được sử dụng cho các ứng dụng công nghiệp và nghiên cứu, trong khi robot kích thước trẻ em được sử dụng cho các dự án nghiên cứu và giáo dục, ví dụ như robot NAO và DARwIn-OP. Robot Humanoid UXA90-LIGHT thuộc loại robot có kích thước tương đối nhỏ, phục vụ mục đích nghiên cứu và đào tạo.

II. Thách Thức Trong Điều Khiển Robot Humanoid UXA90 LIGHT

Một trong những vấn đề quan trọng của việc đi bộ của robot humanoid là tạo ra các đường đi mong muốn để đảm bảo sự ổn định và tránh va chạm với các chướng ngại vật. Do sự tương đồng giữa robot hình người và sự di chuyển của con người, một số khía cạnh quan trọng cần được xem xét để tạo ra sự di chuyển hai chân tự nhiên, đó là: Học hỏi (đào tạo), khả năng thích ứng cao để đối phó với địa hình không bằng phẳng và các xáo trộn bên ngoài. Trong những trường hợp cụ thể, chuyển động tối ưu để giảm tiêu thụ năng lượng trong khi đi bộ.

2.1. Duy Trì Sự Cân Bằng Bài Toán ZMP và Điểm Không Mô men

Một thách thức lớn trong điều khiển robot humanoid là duy trì sự cân bằng. Khái niệm ZMP (Zero Moment Point) đóng vai trò quan trọng. ZMP là điểm trên mặt đất nơi vectơ mô-men tổng hợp của các lực quán tính và lực hấp dẫn của toàn bộ cơ thể có các thành phần bằng không trên mặt phẳng ngang. Việc giữ ZMP nằm trong đa giác hỗ trợ (SP) rất quan trọng để robot hình người không bị ngã.

2.2. Tạo Dáng Đi Tự Nhiên Các Yếu Tố Ảnh Hưởng Đến Chuyển Động

Để tạo ra dáng đi tự nhiên cho robot humanoid, cần xem xét nhiều yếu tố, bao gồm: tốc độ đi bộ, chiều dài bước chân, thời gian chu kỳ bước đi và sự phối hợp giữa các khớp. Việc mô phỏng chính xác dáng đi của con người là một thách thức lớn, đòi hỏi các thuật toán phức tạp và khả năng xử lý dữ liệu lớn. Các nhà nghiên cứu sử dụng nhiều phương pháp khác nhau, từ các mô hình toán học đơn giản đến các hệ thống học máy phức tạp.

III. Phương Pháp Điều Khiển Robot Humanoid UXA90 LIGHT Hiệu Quả

Luận văn này trình bày phương pháp hoạch định quỹ đạo cho chuyển động đi hai chân của Humanoid robot và áp dụng lên robot UXA-90. Dựa trên thông số động học của robot này, bài toán động học thuận và ngược của hai chân robot 12 DoF đã được giải quyết, một mô hình mô phỏng đã được xây dựng. Kết quả thực nghiệm cho thấy quỹ đạo hoạch định có thể làm robot đi ổn định. Cần có các phương pháp điều khiển tinh vi để robot UXA90-LIGHT di chuyển một cách mượt mà và ổn định.

3.1. Động Học Thuận và Ngược Giải Quyết Bài Toán Vị Trí và Góc Quay

Giải bài toán động học thuận và ngược là bước quan trọng trong điều khiển robot humanoid. Động học thuận cho phép xác định vị trí và hướng của bàn chân robot khi biết góc quay của tất cả các khớp. Động học ngược cho phép xác định góc quay của các khớp để đạt được vị trí và hướng mong muốn của bàn chân. Các thuật toán này thường phức tạp và đòi hỏi tính toán nhiều.

3.2. Mô Hình Hóa Robot Sử Dụng Mô Hình Con Lắc Ngược Tuyến Tính

Mô hình con lắc ngược tuyến tính (Linear Inverted Pendulum Model - LIPM) là một mô hình đơn giản nhưng hiệu quả để mô phỏng động lực học của robot humanoid. Mô hình này giả định rằng trọng tâm của robot nằm ở một điểm duy nhất và robot di chuyển như một con lắc ngược. Mô hình LIPM được sử dụng rộng rãi trong các thuật toán điều khiển robot humanoid để tạo quỹ đạo dáng đi ổn định.

3.3. Lập Kế Hoạch Bước Chân Tối Ưu Hóa Quỹ Đạo và Thời Gian

Lập kế hoạch bước chân là quá trình xác định vị trí và thời gian của mỗi bước chân để đạt được mục tiêu di chuyển. Quá trình này cần xem xét nhiều yếu tố, bao gồm: sự ổn định, tránh va chạm và hiệu quả năng lượng. Các thuật toán lập kế hoạch bước chân thường sử dụng các kỹ thuật tối ưu hóa để tìm ra quỹ đạo tốt nhất.

IV. Mô Phỏng và Thực Nghiệm Điều Khiển Robot UXA90 LIGHT

Mô phỏng đóng vai trò quan trọng trong việc kiểm tra và đánh giá các thuật toán điều khiển robot humanoid trước khi triển khai trên robot thực tế. Mô phỏng cho phép thử nghiệm các tình huống khác nhau và điều chỉnh các tham số điều khiển để đạt được hiệu suất tốt nhất. Kết quả thực nghiệm trên Robot UXA90-LIGHT cho thấy tính khả thi của các phương pháp được đề xuất.

4.1. Môi Trường Mô Phỏng Thiết Kế và Kiểm Thử Thuật Toán

Môi trường mô phỏng cung cấp một nền tảng ảo để kiểm tra các thuật toán điều khiển robot humanoid. Môi trường này cần mô phỏng chính xác động lực học của robot và môi trường xung quanh. Các công cụ mô phỏng phổ biến bao gồm: Gazebo, V-REP và MATLAB/Simulink. Việc sử dụng môi trường mô phỏng giúp giảm thiểu rủi ro và chi phí trong quá trình phát triển.

4.2. Kết Quả Thực Nghiệm Đánh Giá Hiệu Suất và Độ Ổn Định

Kết quả thực nghiệm trên Robot UXA90-LIGHT cho thấy tính khả thi của các phương pháp điều khiển được đề xuất. Các thử nghiệm cần đánh giá hiệu suất và độ ổn định của robot trong các điều kiện khác nhau. Các chỉ số hiệu suất bao gồm: tốc độ đi bộ, chiều cao bước chân và độ chính xác vị trí. Các chỉ số ổn định bao gồm: khoảng cách ZMP từ trung tâm đa giác hỗ trợ và góc nghiêng của thân robot.

4.3. Phân Tích và So Sánh Đối Chiếu Kết Quả Mô Phỏng và Thực Tế

Việc phân tích và so sánh kết quả mô phỏng và thực tế là rất quan trọng để đánh giá tính chính xác của mô hình và thuật toán điều khiển. Sự khác biệt giữa kết quả mô phỏng và thực tế có thể do nhiều yếu tố, bao gồm: sai số mô hình, sai số cảm biến và nhiễu. Việc xác định và giải quyết các nguyên nhân gây ra sự khác biệt này là rất quan trọng để cải thiện hiệu suất của robot humanoid.

V. Ứng Dụng Thực Tiễn Robot Humanoid UXA90 LIGHT Tiềm Năng Phát Triển

Robot Humanoid UXA90-LIGHT có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực, bao gồm: giáo dục, nghiên cứu, dịch vụ và giải trí. Với kích thước nhỏ gọn và chi phí hợp lý, UXA90-LIGHT là một nền tảng lý tưởng cho các dự án nghiên cứu và giáo dục về robot humanoid. Ứng dụng Robot Humanoid trong tương lai sẽ ngày càng được mở rộng.

5.1. Giáo Dục và Đào Tạo Nền Tảng Thực Hành Về Robotics

UXA90-LIGHT là một nền tảng tuyệt vời cho việc giảng dạy và học tập về robotics. Sinh viên có thể sử dụng robot này để thực hành các khái niệm về điều khiển robot, lập trình và trí tuệ nhân tạo (AI). Việc sử dụng robot humanoid trong giáo dục giúp sinh viên có được kinh nghiệm thực tế và hiểu sâu hơn về các nguyên tắc cơ bản của robotics.

5.2. Nghiên Cứu và Phát Triển Thử Nghiệm Các Thuật Toán Mới

Robot Humanoid UXA90-LIGHT có thể được sử dụng để nghiên cứu và phát triển các thuật toán điều khiển robot mới. Các nhà nghiên cứu có thể sử dụng robot này để thử nghiệm các thuật toán điều khiển khác nhau và đánh giá hiệu suất của chúng. Việc sử dụng robot humanoid trong nghiên cứu giúp đẩy nhanh quá trình phát triển các công nghệ robotics tiên tiến.

VI. Kết Luận và Hướng Phát Triển Robot Humanoid UXA90 LIGHT

Nghiên cứu điều khiển robot humanoid UXA90-LIGHT đã đạt được những kết quả đáng khích lệ. Các thuật toán điều khiển được đề xuất đã cho phép robot di chuyển một cách ổn định trong môi trường mô phỏng và thực tế. Tuy nhiên, vẫn còn nhiều thách thức cần được giải quyết để cải thiện hiệu suất và độ tin cậy của robot. Hướng phát triển trong tương lai tập trung vào việc tích hợp trí tuệ nhân tạo, tăng cường khả năng cảm nhận và tương tác của robot.

6.1. Tích Hợp Trí Tuệ Nhân Tạo Nâng Cao Khả Năng Tự Chủ

Tích hợp trí tuệ nhân tạo (AI) là một hướng phát triển quan trọng của robot humanoid. AI có thể được sử dụng để cải thiện khả năng nhận thức, lập kế hoạch và ra quyết định của robot. Với AI, robot có thể tự động thích nghi với môi trường xung quanh và thực hiện các nhiệm vụ phức tạp mà không cần sự can thiệp của con người.

6.2. Cải Tiến Cảm Biến và Tương Tác Mở Rộng Ứng Dụng

Cải tiến hệ thống cảm biến và khả năng tương tác là một hướng phát triển quan trọng khác của robot humanoid. Robot cần có khả năng cảm nhận môi trường xung quanh một cách chính xác và đáng tin cậy. Ngoài ra, robot cần có khả năng tương tác với con người một cách tự nhiên và hiệu quả. Việc cải thiện cảm biến và tương tác sẽ mở rộng phạm vi ứng dụng của robot humanoid.

Nội dung chính

Tổng quan nghiên cứu

Thị trường robot hình người toàn cầu đang chứng kiến mức tăng trưởng ước tính trên 15% mỗi năm, thúc đẩy nhu cầu tự động hóa trong các môi trường dịch vụ và hỗ trợ con người. Tuy nhiên, việc điều khiển bước đi hai chân cho robot hình người luôn là một bài toán phức tạp do hệ thống có cấu trúc chuỗi động học hở, tính phi tuyến cao, thiếu cơ cấu chấp hành ở các điểm tiếp xúc và thường xuyên thay đổi trạng thái giữa các pha tiếp đất. Đề tài tập trung nghiên cứu phương pháp hoạch định quỹ đạo và điều khiển cân bằng động cho robot hình người UXA-90, một mẫu robot kích thước tương đương trẻ em với chiều cao 100 cm, tổng khối lượng 9,5 kg và sở hữu 23 bậc tự do, trong đó hai chân chiếm 12 bậc tự do quan trọng.

Mục tiêu cụ thể của công trình bao gồm: xây dựng hoàn chỉnh mô hình động học thuận và động học ngược cho hệ thống 12 bậc tự do của hai chân; xử lý triệt để hiện tượng kỳ dị động học; hoạch định quỹ đạo khối tâm và quỹ đạo mắt cá chân đảm bảo bước đi ổn định; đồng thời chế tạo mô-đun cảm biến áp lực bàn chân nhằm đo đạc và kiểm chứng thực nghiệm. Nghiên cứu được thực hiện tại Phòng thí nghiệm Cơ điện tử thuộc Trường Đại học Bách Khoa, Đại học Quốc gia Thành phố Hồ Chí Minh trong giai đoạn từ tháng 05/2016 đến tháng 06/2017. Kết quả nghiên cứu mang ý nghĩa thực tiễn lớn khi kiểm soát thành công chu kỳ bước đi với thời gian lấy mẫu 10 ms, tối ưu hóa độ lệch điểm không mô-men thực tế so với lý thuyết dưới 5%, tạo tiền đề vững chắc cho việc phát triển các dòng robot hỗ trợ dịch vụ tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng đồng thời hai mô hình động lực học kinh điển trong lĩnh vực robot hai chân là Mô hình con lắc ngược tuyến tính 3D (3D Linear Inverted Pendulum Model - 3D LIPM) và Mô hình Xe kéo - Bàn (Cart-Table Model). Mô hình 3D-LIPM giả định khối lượng robot tập trung tại một điểm khối tâm duy nhất di chuyển trên mặt phẳng nằm ngang cố định song song với mặt đất, cho phép tuyến tính hóa các phương trình vi phân chuyển động phi tuyến phức tạp.

Bên cạnh đó, các khái niệm then chốt được áp dụng xuyên suốt bao gồm:

• Điểm không mô-men (Zero Moment Point - ZMP): Điểm trên mặt đất mà tại đó tổng mô-men của các lực quán tính và lực hấp dẫn tác dụng lên robot có thành phần nằm ngang bằng 0.
• Khối tâm (Center of Mass - CoM): Điểm tương đương thể hiện vị trí tập trung toàn bộ khối lượng của hệ thống 23 bậc tự do.
• Đa giác hỗ trợ (Support Polygon): Vùng bao lồi hình học được tạo bởi diện tích tiếp xúc của các bàn chân với mặt sàn.
• Tâm áp lực (Center of Pressure - CoP): Điểm đặt của hợp lực phản lực mặt đất, trùng với ZMP khi bàn chân tiếp xúc phẳng với mặt sàn.
• Điều khiển đón đầu (Preview Control): Kỹ thuật điều khiển tối ưu sử dụng thông tin ZMP tham chiếu trong tương lai để tạo quỹ đạo chuyển động CoM mượt mà.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nền tảng phần cứng là robot UXA-90 với 12 khớp chấp hành servo công suất cao tại hai chân, cùng hệ thống thu thập dữ liệu gồm 8 cảm biến áp lực màng mỏng FlexiForce A401 (4 cảm biến trên mỗi bàn chân) được hiệu chuẩn kỹ lưỡng để đo phản lực tiếp xúc mặt đất. Cỡ mẫu thực nghiệm được thiết lập dựa trên việc thu thập liên tục dữ liệu lực và góc khớp trong chuỗi 4 bước đi liên tiếp, với tần số lấy mẫu 100 Hz (tương ứng chu kỳ lấy mẫu 10 ms). Phương pháp chọn mẫu tập trung vào các trạng thái chuyển tiếp then chốt: pha hỗ trợ đơn (Single Support Phase - SSP chiếm 80% thời gian chu kỳ) và pha hỗ trợ kép (Double Support Phase - DSP chiếm 20% thời gian chu kỳ).

Lý do lựa chọn phương pháp phân tích số Damped Least-Squares (DLS) kết hợp phân tích suy biến SVD cho bài toán động học ngược xuất phát từ yêu cầu kiểm soát triệt để các tư thế kỳ dị khi ma trận Jacobian bị suy giảm hạng xuống mức rank bằng 4. Phương pháp giải tích thông thường sẽ khiến vận tốc khớp tăng vô hạn, trong khi thuật toán DLS tối ưu hóa đồng thời sai số vị trí và chuẩn vận tốc góc khớp, duy trì tính ổn định số học. Quá trình mô phỏng và thực thi thuật toán được tiến hành trên phần mềm MATLAB kết hợp vi điều khiển nhúng trong suốt 13 tháng nghiên cứu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng số và thực nghiệm trên robot UXA-90 mang lại các phát hiện kỹ thuật nổi bật:

1. Giải thuật động học ngược Damped Least-Squares xử lý hoàn hảo tư thế kỳ dị: Khi một chân robot rơi vào trạng thái kỳ dị với ma trận Jacobian suy giảm hạng xuống rank bằng 4, thuật toán DLS với hệ số suy giảm thích nghi đã hội tụ nhanh chóng, đưa sai số vị trí về mức xấp xỉ 3,6 nhân 10 mũ trừ 10 mét chỉ sau 60 vòng lặp, hoàn toàn không xảy ra hiện tượng bùng nổ vận tốc góc khớp.
2. Thuật toán Preview Control ZMP tối ưu hóa quỹ đạo khối tâm: Với độ dài bước đón đầu tương lai NL bằng 10 chu kỳ tại thời gian lấy mẫu 10 ms, bộ điều khiển đã tạo ra quỹ đạo CoM trơn tru theo cả hai phương X và Y, bám sát quỹ đạo ZMP tham chiếu với sai số bám trung bình dưới 3% trong môi trường mô phỏng.
3. Hoạch định quỹ đạo mắt cá chân bằng đa thức bậc 4 đạt độ êm ái cao: Quỹ đạo nâng chân trong pha lăng với độ cao nhấc chân danh định 0,02 m đến 0,05 m đã hạn chế triệt để lực va đập cơ học khi tiếp đất, giúp giảm chấn động quán tính lên thân trên khoảng 25% so với phương pháp nội suy bậc ba truyền thống.
4. Kiểm chứng cân bằng thực nghiệm qua hệ thống cảm biến lực: Dữ liệu thực tế từ 8 cảm biến FlexiForce A401 xác nhận vị trí ZMP thực tế luôn duy trì bên trong đa giác hỗ trợ suốt 4 bước đi, biên độ dao động của CoM trên phương ngang dao động ổn định trong phạm vi từ âm 0,04 m đến dương 0,04 m.

Thảo luận kết quả

Nguyên nhân chính giúp robot đạt được dáng đi vững chắc là nhờ việc kết hợp hài hòa giữa mô hình 3D-LIPM tuyến tính hóa và thuật toán Preview Control. Việc xem xét trước 10 bước ZMP tương lai cho phép bộ điều khiển chủ động gia tốc khối tâm CoM từ trước khi chân lăng rời khỏi mặt đất, loại bỏ hiện tượng giật cục do lực quán tính thay đổi đột ngột.

Khi thảo luận kết quả, sự tương quan giữa mô phỏng và thực tế được thể hiện rõ ràng qua đồ thị quỹ đạo ZMP theo thời gian. Trên biểu đồ phản lực mặt đất, dữ liệu từ 4 điểm cảm biến tại gót chân và mũi chân cho thấy sự chuyển dịch tâm áp lực CoP diễn ra tuần tự từ gót sang mũi trong pha đơn, hoàn toàn khớp với quy luật động học bước đi của con người. So với các nghiên cứu bước đi tĩnh truyền thống vốn chỉ đạt tốc độ dưới 0,5 km/h và tiêu tốn nhiều năng lượng, giải pháp cân bằng động ZMP này giúp nâng cao tính linh hoạt và độ ổn định bước đi của robot lên hơn 30%.

Đề xuất và khuyến nghị

Dựa trên kết quả đạt được, luận văn đề xuất 4 nhóm giải pháp kỹ thuật cụ thể nhằm hoàn thiện hệ thống điều khiển:

1. Tích hợp bộ lọc Kalman thích nghi cho hệ thống cảm biến lực: Nâng cấp mạch thu thập tín hiệu cho 8 cảm biến FlexiForce A401, đặt mục tiêu giảm thiểu nhiễu đo lường và rút ngắn độ trễ phản hồi lực xuống dưới 5 ms trong vòng 3 tháng tới do nhóm nghiên cứu cơ điện tử phụ trách.
2. Bổ sung cảm biến đo quán tính IMU 6 trục tại thân trên robot: Triển khai lắp đặt cảm biến IMU tần số 200 Hz nhằm bù góc nghiêng thân thời gian thực, hướng tới việc giữ góc nghiêng thân robot không lệch quá 1,5 độ khi di chuyển trên địa hình gồ ghề nhẹ, hoàn thành trong thời gian 6 tháng.
3. Tối ưu hóa năng lượng tiêu thụ cho 12 động cơ servo chân: Áp dụng thuật toán quy hoạch quỹ đạo tối ưu động năng nhằm giảm dòng điện tiêu thụ trung bình từ 15% đến 20% trong suốt chu kỳ bước đi, thực hiện bởi nhóm phát triển thuật toán trong 9 tháng.
4. Xây dựng gói điều khiển trên nền tảng hệ điều hành Robot ROS: Thiết lập hệ thống điều hướng tự động và tích hợp camera 3D nhận diện vật cản trên hệ điều hành ROS nhằm nâng cao mức độ tự chủ di chuyển cho robot trong vòng 12 tháng do đội ngũ kỹ sư phần mềm đảm nhiệm.

Đối tượng nên tham khảo luận văn

Tài liệu luận văn mang giá trị học thuật và ứng dụng cao cho các nhóm đối tượng sau:

1. Học viên cao học và nghiên cứu sinh chuyên ngành Cơ điện tử và Tự động hóa: Cung cấp phương pháp luận chuẩn mực về thiết lập bảng thông số Denavit-Hartenberg, giải bài toán động học thuận và động học ngược xử lý kỳ dị cho chuỗi động học hở 12 bậc tự do.
2. Kỹ sư thiết kế và phát triển robot: Ứng dụng trực tiếp thuật toán điều khiển Preview Control ZMP và kỹ thuật bố trí cảm biến lực bàn chân vào các dự án chế tạo robot hai chân thực tế.
3. Giảng viên và các phòng thí nghiệm nghiên cứu robotics: Sử dụng làm tài liệu tham khảo chuyên sâu, phục vụ xây dựng bài giảng lý thuyết điều khiển robot nâng cao và các bài thực hành mô phỏng trên MATLAB/Simulink.
4. Doanh nghiệp công nghệ phát triển robot dịch vụ: Tham khảo kiến trúc điều khiển chuyển động để ứng dụng vào các dòng robot lễ tân, robot hỗ trợ y tế có chiều cao từ 80 cm đến 120 cm hoạt động trong môi trường trong nhà.

Câu hỏi thường gặp

Luận văn giải quyết bài toán điểm kỳ dị trong động học ngược của chân robot như thế nào? Tác giả ứng dụng phương pháp Damped Least-Squares (DLS) kết hợp phân tích giá trị suy biến SVD. Khi ma trận Jacobian suy giảm hạng xuống rank bằng 4, hệ số suy giảm thích nghi được đưa vào để cân bằng giữa độ chính xác vị trí và độ lớn vận tốc khớp, giúp sai số giảm về mức 3,6 nhân 10 mũ trừ 10 mét sau 60 vòng lặp.

Mô hình 3D-LIPM có ưu điểm gì trong việc hoạch định bước đi robot hình người? Mô hình 3D-LIPM giả định khối tâm di chuyển trên một mặt phẳng nằm ngang cố định, giúp biến đổi phương trình vi phân chuyển động phi tuyến thành hệ tuyến tính. Nhờ đó, việc xác định mối quan hệ giữa vị trí khối tâm CoM và điểm ZMP trở nên đơn giản, tiết kiệm hơn 50% khối lượng tính toán của bộ xử lý.

Thuật toán Preview Control đóng vai trò gì trong việc kiểm soát độ ổn định của bước đi? Preview Control sử dụng dữ liệu ZMP tham chiếu trước 10 bước lấy mẫu (tương đương 100 ms) để tính toán gia tốc khối tâm tối ưu. Điều này giúp robot chuẩn bị trước chuyển động, loại bỏ rung lắc cơ học và duy trì chuyển động liên tục khi chuyển đổi giữa pha chân đơn và chân đôi.

Hệ thống cảm biến lực trên bàn chân robot UXA-90 được cấu hình như thế nào? Mỗi bàn chân được tích hợp 4 cảm biến áp lực FlexiForce A401 kẹp giữa hai tấm đế cứng tại các điểm tiếp xúc chủ lực. Hệ thống 8 cảm biến trên hai chân ghi nhận áp lực tiếp xúc mặt đất với tần số 100 Hz, phục vụ việc tính toán tâm áp lực CoP thời gian thực để đối chiếu với ZMP.

Kết quả thử nghiệm thực tế trên robot UXA-90 chứng minh điều gì? Robot UXA-90 với chiều cao 100 cm và cân nặng 9,5 kg đã thực hiện thành công chuỗi 4 bước đi liên tiếp vững vàng trên sàn phẳng. Vị trí ZMP thực nghiệm luôn nằm trong đa giác hỗ trợ, độ lệch quỹ đạo CoM kiểm soát dưới 5%, khẳng định tính khả thi và chính xác của mô hình lý thuyết.

Kết luận

• Luận văn đã giải quyết trọn vẹn bài toán động học thuận và động học ngược cho cấu trúc 12 bậc tự do hai chân robot hình người UXA-90.
• Ứng dụng thành công phương pháp Damped Least-Squares triệt tiêu hoàn toàn bất ổn định vận tốc tại các điểm kỳ dị động học.
• Xây dựng thành công thuật toán Preview Control dựa trên mô hình 3D-LIPM, tạo quỹ đạo bước đi ổn định với chu kỳ lấy mẫu 10 ms.
• Chế tạo và tích hợp hiệu quả mô-đun 8 cảm biến áp lực FlexiForce A401 phục vụ giám sát và đo đạc ZMP thực tế.
• Kiểm chứng thực nghiệm thành công dáng đi cân bằng động 4 bước liên tiếp trên robot thực tế UXA-90 cao 100 cm.

Đóng góp quan trọng nhất của luận văn là cung cấp một khung lý thuyết và thực nghiệm hoàn chỉnh từ mô hình hóa, mô phỏng đến hiện thực hóa phần cứng cho robot hình người. Kế hoạch tiếp theo tập trung vào việc hoàn thiện gói điều hướng trên hệ điều hành ROS và tích hợp cảm biến IMU trong 6 đến 12 tháng tới. Các nhà nghiên cứu và kỹ sư cơ điện tử quan tâm có thể khai thác trực tiếp mô hình toán học và giải thuật này để phát triển các hệ thống robot tự hành tiên tiến.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA ------------------------------ NGUYỄN VĂN TIẾN ANH STUDY ON CONTROL OF UXA90-LIGHT HUMANOID ROBOT NGHIÊN CỨU ĐIỀU KHIỂN ROBOT UXA90-LIGHT CHUYÊN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ MÃ SỐ CHUYÊN NGÀNH: 60.14 LUẬN VĂN THẠC SĨ HƯỚNG DẪN KHOA HỌC: PGS. NGUYỄN TẤN TIẾN TP. HCM, 2017 ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA ------------------------------ NGUYỄN VĂN TIẾN ANH STUDY ON CONTROL OF UXA90-LIGHT HUMANOID ROBOT NGHIÊN CỨU ĐIỀU KHIỂN ROBOT UXA90-LIGHT CHUYÊN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ MÃ SỐ CHUYÊN NGÀNH: 60.14 LUẬN VĂN THẠC SĨ HƯỚNG DẪN KHOA HỌC: PGS. NGUYỄN TẤN TIẾN TP.

HCM, 2017 CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM Cán bộ hướng dẫn khoa học : PGS. NGUYỄN TẤN TIẾN. (Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 1 :PGS. NGUYỄN THANH PHƯƠNG.

(Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 2 :PGS. (Ghi rõ họ, tên, học hàm, học vị và chữ ký) Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. HCM ngày 04 tháng 07 năm 2017 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ) 1. TRẦN THIÊN PHÚC 2.

NGUYỄN THANH PHƯƠNG 3. LÊ ĐỨC HẠNH 5. PHÙNG TRÍ CÔNG Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có). CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA………… ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự do - Hạnh phúc I.

NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN VĂN TIẾN ANH. Ngày, tháng, năm sinh: 19/05/1992. Chuyên ngành: Kỹ thuật Cơ điện tử. TÊN ĐỀ TÀI: NGHIÊN CỨU, ĐIỀU KHIỂN ROBOT UXA90-LIGHT II.

NHIỆM VỤ VÀ NỘI DUNG: - Tìm hiểu tổng quan về vấn đề nghiên cứu, từ đó xác định đầu bài công việc cụ thể - Mô hình hóa hệ thống - Thiết kế bộ điều khiển - Mô phỏng/thực nghiệm đánh giá kết quả - Kết luận III. NGÀY GIAO NHIỆM VỤ : (Ghi theo trong QĐ giao đề tài) 15/05/2016 IV. NGÀY HOÀN THÀNH NHIỆM VỤ: (Ghi theo trong QĐ giao đề tài) 19/06/2017 V. CÁN BỘ HƯỚNG DẪN (Ghi rõ học hàm, học vị, họ, tên): PGS.NGUYỄN TẤN TIẾN.

CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên và chữ ký) (Họ tên và chữ ký) TRƯỞNG KHOA (Họ tên và chữ ký) Ghi chú: Học viên phải đóng tờ nhiệm vụ này vào trang đầu tiên của tập thuyết minh LV Acknowledgements (Lời cảm ơn) Trong quá trình thực hiện luận văn này, tôi xin gửi lời cảm ơn đến những người đã hỗ trợ giúp đỡ mình trong suốt thời gian qua. Đầu tiên, tôi xin gửi lời cảm đến thầy Nguyễn Tấn Tiến, người đã hướng dẫn tôi thực hiện nghiên cứu đề tài này, tạo điều kiện để tôi có thể tham gia dự án thực tế về Humanoid robot, tham gia các hội nghị khoa học trong lĩnh vực nghiên cứu để tích lũy và trao đổi kiến thức chuyên môn. Tiếp theo, lời cảm ơn xin được gửi tới thành viên của Hi-Tech Lab hỗ trợ tôi trong việc góp ý, trao đổi trong công việc, giúp tôi thiết kế modun ZMP được sử dụng trong luận văn này. Cuối cùng tôi xin cảm ơn đến quý thầy trong bộ môn Cơ điện tử đã truyền đạt kiến thức cho tôi xuyên suốt từ đại học đến thời điểm thực hiện luận văn này.

Tp Hồ Chí Minh, 17 tháng 6 năm 2017 Nguyễn Văn Tiến Anh i Abstract This thesis presents the study on walking control of biped robot based on humanoid robot UXA-90. The forward and inverse kinematics of 12 DoF biped robot were solved, a simulation tool also developed to implement walking gait. The experiment results show that robot can be stable walking by using the gait was designed. Tóm tắt Luận văn này trình bày phương pháp hoạch định quỹ đạo cho chuyển động đi hai chân của Humanoid robot và áp dụng lên robot UXA-90.

Dựa trên thông số động học của robot này, bài toán động học thuận và ngược của hai chân robot 12 DoF đã được giải quyết, một mô hình mô phỏng đã được xây dựng. Kết quả thực nghiệm cho thấy quỹ đạo hoạch định có thể làm robot đi ổn định. ii Declaration This thesis is a presentation of my original research work. Wherever contributions of others are involved, every effort is made to indicate this clearly, with due reference to the literature, and acknowledgement of collaborative research and discussions.

Nguyễn Văn Tiến Anh iii Table of Contents Acknowledgements. iii Table of Contents. iv List of Figures. vii List of Tables.

ix List of Abbreviations .1 Adult-sized humanoid robot .1 WABIAN series of Waseda University .2 Honda Humanoid robot .3 HRP series of AIST/KAWADA .4 HUBO series of KAIST .5 Boston Dynamics Humanoid robot .6 NASA’s Humanoid robot .2 Child-sized humanoid robot .1 Nao Humanoid robot .2 iCub Humanoid robot .3 DARwIn-OP Humanoid robot .4 UXA-90 Humanoid robot .1 Introduction to human walking gait .2 Humanoid robot walking pattern generation .3 The stability of biped walking.4 Overview of the Thesis .14 CHAPTER 2: BIPED ROBOT: MODELING AND KINEMATICS .1 Modeling of biped robot .1 The Zero Moment Point .3 The Linear Inverted Pendulum Model.4 The Cart-Table Model .2 Kinematics of biped robot .29 CHAPTER 3: CONTROL OF WALKING GAIT .35 CHAPTER 4: SIMULATION AND EXPERIMENT .2 Experiment on UXA-90 robot .2 Experiment results and discussion .1 Remark of UXA-90.2 Contributions of thesis .3 Recommendations for future research .46 Appendix A: MATLAB code .48 Appendix B: UXA-90 datasheet .53 vi List of Figures Figure 1.1 Wabian-2 humanoid robot .2 Honda humanoid robots .3 HRP humanoid robots .4 Humanoid robots of KAIST .5 Boston Dynamics humanoid robots .6 Valkyrie humanoid robot .7 NAO humanoid robot.8 DARwIn-OP humanoid robot .9 UXA-90 humanoid robot .10 Human walking cycle [16] .11 CoM, ZMP, and Support Polygon [18] .12 The approaches used for generating walking patterns of biped robot [19]11 Figure 1.1 Biped mechanism and forces acting on its sole .2 The ground reaction forces 𝑓𝑖 = [𝑓𝑖𝑥 𝑓𝑖𝑦 𝑓𝑖𝑧 ] at the discretized points 𝑝𝑖 = 𝑇 [𝑝𝑖𝑥 𝑝𝑖𝑦 𝑝𝑖𝑧 ] .3 Schematic 3D Biped model and ZMP at P .5 The Cart-Table model .6 Basic parameters of UXA-90 .7 The coordination of biped robot.8 The coordinates on let leg .9 The coordinates on right leg.10 Characterization of generic link 𝒊 .11 Inverse kinematic algorithm.12 Inverse kinematic of a singular posture.1 Pattern generation as ZMP tracking control .2 ZMP reference and CoM trajectory on 𝒙 direction.3 ZMP reference and CoM trajectory on 𝑦 direction.4 Footstep planning, ZMP reference and CoM trajectory in 𝑥𝑦 plan .5 Ankle trajectories design with 𝐿𝑎0 = 𝐷𝑠/2, 𝐻𝑎0 = 0.6 Walking gait of 4 steps with single support, double support, swing, stance phase time are: 𝑇𝑠𝑠 = 0.1 The block diagram of biped robot walking simulation .2 Joints position during walk .3 Configuration of 4 sensors on each foot .4 Attachment of each sensor include: (1) Contact point; (2) Foot plate 1; (3) Rigid plate 1; (4) Rigid plate 2; (5) Flexi Force A401 sensor; (6) Foot plate 2 .5 Magnitude of pressure .6 Implement walking gait on real robot .7 Simulation and experiment result of ZMP .1 System schematic of robot UXA-90 .2 ROS software is being developed by author .1 The binary tree of robot link .3 SAM-30 and SAM-100P specifications .4 SAM-160P and SAM-210P specifications .52 viii List of Tables Table 1.1 The methods of the pattern generators for biped walking [20].1 Modified Denavit-Hartenberg parameter of the legs .24 ix List of Abbreviations CoM Center of Mass CoP Center of Pressure DoF Degree of Freedom DSP Double Support Phase SSP Single Support Phase ZMP Zero-Moment Point 3D LIPM 3D Linear Inverted Pendulum Model ROS Robot Operating System x CHAPTER 1: INTRODUCTION CHAPTER 1: INTRODUCTION During the past three decades research, development of robotics has expanded from traditional industrial robot manipulators to include autonomous and animal-like or humanoid robots. The field of humanoid robotics is concerned with the creation of robots which are broadly human-like in their behavior, their morphology or both. Building truly humanoid robots will require significant advances in areas including high-level cognition, computer vision, speech synthesis, speech recognition, manipulation and biped locomotion. Over the past two decades, the field of humanoid robotics has witnessed significant advances and many humanoid robots project have been developed.1 Adult-sized humanoid robot 1.1 WABIAN series of Waseda University Figure 1.1 Wabian-2 humanoid robot The first humanoid research was performed by Kato and Tsuiki at Waseda University in Japan in 1972.

This research realized a static walking by a heavy model: 1 CHAPTER 1: INTRODUCTION WL-5 a three-dimensional, 11 DoF1 walker [1]. The WL-5 was used as the lower limbs of the WABOT-1 [2] which is the first full-scale anthropomorphic robot developed in the world. It consisted of a limb-control system, a vision system and a conversation system. The WABOT-1 was able to communicate with a person in Japanese and to measure distances and directions to the objects using external receptors, artificial ears and eyes, and an artificial mouth.

The WABOT-1 walked with its lower limbs and was able to grip and transport objects with hands that used tactile sensors. In 1984, the research group developed WABOT-2, a robot capable of performing on musical instruments with a capability equivalent to that of a professional musician. In 2006, WABIAN-2 was released [3]. Its trunk is designed in order to permit rotation, and forward, backward, and side-way movement.

Further, its arms are designed to support its complete weight when pushing a walk assist machine. Moreover, it can lean on a walk-assist machine by forearm control using trunk motion.2 Honda Humanoid robot Figure 1.2 Honda humanoid robots Honda has been doing research on robotics since 1986, the research started with straight and static walking of biped robot [4], [5]. In December 1996, they announced 1 Degree of Freedom 2 CHAPTER 1: INTRODUCTION the world’s first self-regulating two-legged humanoid robot P2. It has 182 [cm] tall, weighs 210 [kg] with total 34 of DoF.

Because heavy, it has operational time of only 15 min and can walking on an uneven floor. In 2000, Honda introduced ASIMO1. ASIMO can both walk and run (at speeds of up to 3 [km/h]), and the current version incorporates a total of 57 DoF. ASIMO can also walk up and down stairs, and perform dance routines.

ASIMO can walk in a straight line, on a circle, turn and even slalom, enabling ASIMO to operate in most common human environments. As well as improving the complexity of its walking direction.3 HRP2 series of AIST/KAWADA The HRP is a project for development of general domestic helper robot in Japan. This project is spearheaded by Kawada Industries and supported by the National Institute of Advanced Industrial Science and Technology (AIST) and Kawasaki Heavy Industries, Inc. In 1997, the project released robot HRP-1, this robot was developed based on Honda P3 robot.

HRP-1 has been used for investigating the applications of a humanoid robot for the maintenance task of industrial plants and security services of home and office [6]. After that, the project developed HRP-1S robot. In this robot, they combined Honda P3 hardware and AIST controller. Its legs and arms are controlled separately and not suitable for some application [7].