ETD system

Electronic theses and dissertations repository

 

Tesi etd-09192009-093701


Thesis type
Tesi di laurea specialistica
Author
DE ROSSI, STEFANO MARCO MARIA
URN
etd-09192009-093701
Title
Automated learning algorithms for a human-like robotic arm
Struttura
INGEGNERIA
Corso di studi
INGEGNERIA DELLA AUTOMAZIONE
Commissione
controrelatore Caiti, Andrea
relatore Prof. Carrozza, Maria Chiara
relatore Prof. Landi, Alberto
Parole chiave
  • algoritmi genetici
  • apprendimento automatico
  • robot bioispirati
Data inizio appello
08/10/2009;
Consultabilità
parziale
Data di rilascio
08/10/2049
Riassunto analitico
Il mio lavoro di tesi si inquadra in un progetto a lungo termine concernente lo studio dell&#39;apprendimento del controllo motorio di una piattaforma robotica bioispirata sia da parte di esseri umani, che di algoritmi automatici. L&#39;interesse nell&#39;ambito dell&#39;apprendimento umano ed automatico è volto soprattutto alle applicazioni nell&#39;ambito dello sviluppo di protesi robotiche &#39;intelligenti&#39; in grado<br>di sostituire ecacemente l&#39;arto superiore umano.<br>In particolare, questo lavoro è stato svolto utilizzando come supporto la piattaforma robotica NEURARM, un braccio planare a 2 giunti - 2 gradi di libertà, con attuazione antagonista non-lineare ispirata all&#39;attuazione muscolo-tendinea umana. E&#39; stato studiato l&#39;apprendimento di task di reaching point-to-point, e, nel caso dei soggetti umani, di reaching point-to-point con obstacle avoidance. Il lavoro svolto consta di tre parti: lo sviluppo del sistema di controllo<br>del braccio, lo studio dell&#39;apprendimento su soggetti umani, e lo sviluppo di algoritmi automatici di apprendimento.<br>Nella prima parte viene descritto lo sviluppo del controllo in forza/coppia di NEURARM. Il controllo si basa su una stima della forza sulle linee di attuazione, e della coppia ai giunti, ottenuta senza l&#39;utilizzo di celle di carico né di sensori di coppia, in emulazione al sistema propriocettivo del braccio umano. Vengono qui<br>presentate due generazioni del controllore sviluppato, la più recente delle quali mostra notevoli incrementi prestazionali rispetto alla precedente. Per entrambe le versioni, e per i controllori di entrambi i giunti, viene portata una approfondita analisi prestazionale. Nella seconda parte vengono descritti gli esperimenti di analisi dell&#39;apprendimento del controllo di NEURARM effettuati su dei soggetti umani. Vengono<br>presentati due protocolli sperimentali, entrambi di una settimana di durata e coinvolgenti 7 diversi soggetti. Il primo protocollo è già stato svolto completamente, ed ne viene presentata una completa analisi dei dati. Del secondo protocollo, utilizzato per l&#39;analisi dell&#39;effetto del feedback propriocettivo sulla velocità e sulla qualità dell&#39;apprendimento, vengono presentati dei risultati iniziali relativi ad un soggetto.<br>Nella terza parte viene analizzato lo sviluppo di algoritmi di apprendimento automatico sulla piattaforma NEURARM. La tipologia di controllo, similmente al caso relativo ai soggetti umani, è quella Bang-Bang. Viene fornita un&#39;analisi<br>approfondita della regolarità dello spazio dei controlli, con delle analisi di perturbazione effettuate sperimentalmente sulla piattaforma. Questa analisi fornisce inoltre una prova diretta della ripetibilità e della robustezza del controllo (effettuato senza sensori di forza) anche in presenza di attriti dinamici.<br>Successivamente, vengono presentati degli algoritmi genetici per l&#39;apprendimento automatico di traiettorie. Di questi viene dimostrata l&#39;efficacia sia per l&#39;apprendimento di traiettorie sui singoli giunti, anche complicate (sigmoidi e doppie sigmoidi), che per l&#39;apprendimento di traiettorie punto punto.<br>Infine vengono presentati gli sviluppi futuri del lavoro, come lo sviluppo di algoritmi di generalizzazione della traiettoria, e possibili algoritmi di apprendimento automatico della dinamica del sistema.
File