機械外文文獻翻譯-機械臂動力學(xué)與控制的研究[中文5500字] 【中英文WORD】,中文5500字,中英文WORD,機械外文文獻翻譯-機械臂動力學(xué)與控制的研究[中文5500字],【中英文WORD】,機械,外文,文獻,翻譯,動力學(xué),控制,研究,中文,5500,中英文,WORD 2009年IEEE國際機器人和自動化會議 神戶國際會議中心 日本神戶12-17，2009 機械臂動力學(xué)與控制的研究 拉斯彼得Ellekilde 摘要 操作器和移動平臺的組合提供了一種可用于廣泛應(yīng)用程序高效靈活的操作系統(tǒng)，特別是在服務(wù)性機器人領(lǐng)域。在機械臂眾多挑戰(zhàn)中其中之一是確保機器人在潛在的動態(tài)環(huán)境中安全工作控制系統(tǒng)的設(shè)計。在本文中,我們將介紹移動機械臂用動力學(xué)系統(tǒng)方法被控制的使用方法。該方法是一種二級方法，是使用競爭動力學(xué)對于統(tǒng)籌協(xié)調(diào)優(yōu)化移動平臺以及較低層次的融合避障和目標(biāo)捕獲行為的方法。 I介紹 在過去的幾十年里大多數(shù)機器人的研究主要關(guān)注在移動平臺或操作系統(tǒng)，并且在這兩個領(lǐng)域取得了許多可喜的成績。今天的新挑戰(zhàn)之一是將這兩個領(lǐng)域組合在一起形成具有高效移動和有能力操作環(huán)境的系統(tǒng)。特別是服務(wù)性機器人將會在這一方面系統(tǒng)需求的增加。大多數(shù)西方國家的人口統(tǒng)計數(shù)量顯示需要照顧的老人在不斷增加,盡管將有很少的工作實際的支持他們。這就需要增強服務(wù)業(yè)的自動化程度，因此機器人能夠在室內(nèi)動態(tài)環(huán)境中安全的工作是最基本的。 圖.1 一臺由賽格威RMP200和輕重量型庫卡機器人組成的平臺 這項工作平臺用于如圖1所示，是由一個Segway與一家機器人制造商制造的RMP200輕機器人。其有一個相對較小的軌跡和高機動性能的平臺使它適應(yīng)在室內(nèi)環(huán)境移動。庫卡工業(yè)機器人具有較長的長臂和高有效載荷比自身的重量,從而使其適合移動操作。 當(dāng)控制移動機械臂系統(tǒng)時，有一個選擇是是否考慮一個或兩個系統(tǒng)的實體。在參考文獻[1]和[2]中是根據(jù)雅可比理論將機械手末端和移動平臺結(jié)合在一起形成一個單一的控制系統(tǒng)。另一方面，這項研究發(fā)表在[3]和[4],認為它們在設(shè)計時是獨立的實體，但不包括兩者之間的限制條件,如延伸能力和穩(wěn)定性。 這種控制系統(tǒng)的提出是基于動態(tài)系統(tǒng)方法[5], [6]。它分為兩個層次，其中我們在較低的水平，并考慮到移動平臺作為兩個獨立的實體，然后再以安全的方式結(jié)合在上層操縱者。在本文中主要的研究目的是展現(xiàn)動力系統(tǒng)方法可以應(yīng)用于移動機械臂和使用各級協(xié)調(diào)行為的控制。 本文剩下的安排如下。第二部分介紹系統(tǒng)的總體結(jié)構(gòu)設(shè)計,其次是機械手末端移動平臺的控制在第三第四部分講述。在第五部分我們在結(jié)束本文之前將顯示一作實驗。然而, 首先與動力學(xué)系統(tǒng)有關(guān)工作總結(jié)與方法將在在部分I-A提供。 A.相關(guān)工作 動力學(xué)系統(tǒng)接近[5]，[6]為控制機器人提供一套動作的框架，例如障礙退避和目標(biāo)捕捉。每個動作通過一套一個非線性動力學(xué)系統(tǒng)的attractors和repellors來完成。這些通過向量場的簡單的加法被結(jié)合在一起來完成系統(tǒng)的整體動作。動力系統(tǒng)的方法涉及到更廣泛的應(yīng)用勢場法[7],但具有一定的優(yōu)勢。這里勢場法的行為是由后場梯度形成的結(jié)果，行為變量，如航向和速度，可直接運用動力系統(tǒng)控制的方法。 成本相對較低的計算與方法有關(guān)，使得它在動態(tài)環(huán)境中在線控制適宜，允許它即使在相當(dāng)?shù)偷乃接邢薜挠嬎隳芰ζ脚_[8]實施。傳感器的魯棒性在人聲嘈雜中顯示[9]和[10]其中一個是由紅外傳感器和麥克風(fēng)的結(jié)合，當(dāng)避障和目標(biāo)獲取時使用。盡管能解決各種各樣的任務(wù)，但它僅是一個局部的方法，為了其他的任務(wù)和使命級計劃(即參見[11])其他的方法應(yīng)該被釆用。 當(dāng)多行為被結(jié)合時，在[5]和[6]的缺點是由潛在的假的因子引起的。為了克服這個問題[12]介紹了一種基于競爭動態(tài)的行為比重。每個行為的影響是控制使用一個相關(guān)的競爭優(yōu)勢，再加上定義的行為之間有競爭力的相互作用，控制重物。如果所有的行為之間的競爭性相互作用是必需的，這種方法可以推廣到任意數(shù)n,行為，除了這樣一個最壞情況的復(fù)雜度 在現(xiàn)實世界中使用這種方法的競爭態(tài)勢室內(nèi)實驗中可以找到[13]，[14]。[13]是只在有標(biāo)題方向的車輛上使用，而在[14]中航向和速度均得到控制。[15]提供了一個為速度性能簡短的策略討論。 在[16]中提到動力系統(tǒng)的方法不僅被用于平面移動機器人，同時也可以作為控制機械手工具。另外運用產(chǎn)生極限環(huán)Hopf振蕩器動力系統(tǒng)的更復(fù)雜的動力系統(tǒng)也可被使用。 [17]展現(xiàn)出不同形狀的極限環(huán)是如何產(chǎn)生的，其可運用于避障軌跡的生成。[18]中介紹到使用Hopf振蕩器產(chǎn)生一個定時的軌跡,實現(xiàn)了機械手可以接住從桌子上面滾下來的球。 動力系統(tǒng)的方法不僅可以用于控制的工具，也可以控制7自由度機械手多余的動作這一 點在[19 ]中得到論證。 II.總體結(jié)構(gòu) 我們整個系統(tǒng)的整體架構(gòu)如圖2所示。在賽格威平臺中為了控制移動平臺，兩個低級別的性能被使用：一個用于目標(biāo)捕獲和另一個是避障。運用競爭動態(tài)的動作被混合在一起是為了做出移動平臺希望得到的指定的移動動作。同樣，在競爭態(tài)勢的基礎(chǔ)上目標(biāo)捕獲和機械手避障行為的融合給機器人收縮下達指令。當(dāng)目標(biāo)不在范圍內(nèi)，應(yīng)收回機械手到一個安全的位置，這是機械手縮回行為的目的。最后融合是以一個安全的方式把所有的控制結(jié)合在一起，這樣一來目標(biāo)捕獲和收回行為不互相干擾，另外移動平臺在不開始朝著新的目標(biāo)之前，移動機械手巳被收回。 用、和分別代表機械手移動、機械手捕獲和機械手收縮行為的影響，控制信號和通過(1)(2)移動平臺和機械手。 (1) (2) 其中( )是指控制輸入信號以控制在第三節(jié)中描述的平臺的左，右側(cè)車輪;和是在第四節(jié)描述的機械手關(guān)節(jié)速度。 障礙 動作 運動結(jié)合 結(jié)合 目標(biāo) 設(shè)備 賽格威 障礙 操作結(jié)合 結(jié)合 目標(biāo) 庫卡 機器人 操作收回 圖.2.控制系統(tǒng)的體系結(jié)構(gòu) A. 競爭動態(tài) 這種競爭態(tài)勢釆用的方法是以[12]為基礎(chǔ)的，除了附加參數(shù)用于控制在[14]中的轉(zhuǎn)換率。動力系統(tǒng)釆用(3)因此給予: (3) 其中是b和r競爭優(yōu)勢產(chǎn)生的參數(shù)，b是和b相互競爭作用的參數(shù)。 1) 移動：在移動平臺遠離目標(biāo)時它的競爭優(yōu)勢應(yīng)該被加強；標(biāo)被捕獲時移動平臺的競爭優(yōu)勢應(yīng)該被降低。這是通過(4)實現(xiàn)的。 (4) 其中,決定如何迅速的改變這種優(yōu)勢，是指到目標(biāo)的距離和是指移動平臺移動目標(biāo)所需的最小距離。 移動的行為，沒有能力進行互動，并抑制其他行為，因此它的競爭性相互作用被設(shè)置為0。 2) 機械手捕獲目標(biāo)：A移動平臺接近他的目標(biāo)時，機械手捕獲目標(biāo)的動作應(yīng)該別加強。這樣的競爭優(yōu)勢將被定義為： (5) 激活距離必須大于來確保其行為被激活。此動作沒有和其他的動作有直接聯(lián)系，因此它的相互作用參數(shù)設(shè)置為0。 3) 機械手收縮：收回動作應(yīng)該被激活當(dāng)對面目標(biāo)被捕獲之后，因此 (6) 要有一個非常小的過渡時間，這可以防止在同一時間活動的機械臂捕獲和收縮動作,因此，我們可以設(shè)置由于機械手收縮和移動動作的聯(lián)系，當(dāng)機械手原理自動巡航裝置時我們希望能夠取消停止移動。因此這種相互作用定義為： (7) 其中和，是機械手當(dāng)前和原始配置參數(shù)，是指目標(biāo)最近的距離和指定如何使相互作用迅速變化的參數(shù)。 III.移動平臺的控制 該移動平臺的控制，結(jié)構(gòu)與參考文獻[14]中表述的非常相似，但也有一些不同。剛開始時目標(biāo)捕獲和避障指令被使用。緊接著除走廊和墻壁避障不包括在內(nèi)，伹將沿直線擴展。第二個領(lǐng)域，不同的是這項工作的障礙是如何找出障礙密度的計算方法。具體的論述在III-D部分。 為了使控制系統(tǒng)能夠根據(jù)具體的環(huán)境進行導(dǎo)航。我們所使用的方法是基于參考文獻[20]中論述的方法，它運用里程計和激光測距相結(jié)合對所在環(huán)境中地圖的主導(dǎo)線匹配測量。 該平臺控制編碼的使用方向：；速度：V，它在一個控制輸入系統(tǒng)的結(jié)果數(shù)的值是由兩部分組成，和，這里合并為 (8) 其中和是被Eq限制的。(3)中的競爭優(yōu)勢和相互作用在III-C中有詳細的描述。 作為控制輸入我們需要一個表達式對移動平臺的左右輪進行控制，這里用和分別作為左，右側(cè)車輪的表達參數(shù)。要使獲得這些數(shù)據(jù)集成得到v，連同所需的旋轉(zhuǎn)速度時，車輪直徑和車輪之間的距離可以用數(shù)據(jù)庫來計算控制輸入： (9) (10) 這里車輪需要的速度差被定義為: (12) A. 動態(tài)目標(biāo)： 捕獲目標(biāo)動作的基本動力是: (13) (14) 其中和是吸引子的優(yōu)勢參數(shù)和表示運動到目標(biāo)的方向。常數(shù)表達出機械手到目標(biāo)之間的距離和所需的速度關(guān)系。最后最大速度是指移動平臺所允許的最大速度。 B. 障礙動態(tài) 假定一個距離，方句參數(shù)表示機械手到第i個障礙的方向，在避障的動力學(xué)中用公式（15) (16)表不如下： (15) (16) 其中 動態(tài)參數(shù)包括三個要素：(一)障礙物的相對方向，(二)例系數(shù),其中根據(jù)距離決定衰減的程度。(三)另一個比例系數(shù)根據(jù)到障礙的方向而定的，并運用保兩障礙間的attractor產(chǎn)生，如果機器人可以在確保安全距離DS下通過。我們可以在參考文獻[14]中看到具體的描述。 對于是表示調(diào)整速度轉(zhuǎn)向,但確保最小速度是被保留的。 運用公式(17)獲取我們總結(jié)所有障礙的值： (17) C. 競爭動態(tài) 在競爭態(tài)勢的運算如上面所述公式(3)控制的。下面是最大的競爭優(yōu)勢和兩種動作的相互作用。 1) 目標(biāo)：每當(dāng)一個目標(biāo)是存在的，競爭優(yōu)勢的參數(shù)就被設(shè)置為，否則設(shè)置為。 目標(biāo)動作有能力影響和抑制避障動作，目標(biāo)之間的距離和最近的目標(biāo)之間的比例足以確保向目標(biāo)移動的動作是無碰撞運動。這時建模為： (18) 其中到最近障礙物的距離，是一個如何快速是動作相互影響的增益常數(shù)，我們將開始抑制避障時表示障礙和目標(biāo)之間的距離比。 2) 障礙：該障礙動作的競爭優(yōu)勢有公式（19)控制： (19) 其中是障礙密度在第三節(jié)-D被定義。 這種相互作用被定義為 (20) 第一部分抑制目標(biāo)動作當(dāng)障礙濃度超過臨界值時，最后一部分可以確保這只是發(fā)生在由于的原因避障沒有被抑制。 D．障礙密度的計算 假設(shè)一系列的距離，，移動平臺和障礙的密度，計算公式為 (21) 此處的定義不同于[14]中的。公式化的主要問題是，我們不能區(qū)分物體的相對多遠和一個對象相對多近。例如2米外有5個對象的密度定義成相同的密度與40厘米的距離之外的一個對象。根據(jù)指數(shù)函數(shù)的性質(zhì)在場景中的單個對象永遠不能導(dǎo)致超1。用于切換到避障動作的臨界值將因此必須小于1，但一個場景中有多樣的障礙往往臨界值設(shè)置的更低。 此外，發(fā)現(xiàn)用代替參數(shù)調(diào)整更容易，因為我們可以考慮其作為距離的反比密度。這也造成了當(dāng)越來越接近一個障礙時密度増長非常迅速，從而可以迅速迫使動作改變。 IV.機械手的控制 我們將這個問題分成兩部分： 1) 確定機械手的運動，從當(dāng)前位置到目標(biāo)，同時避免障礙。 2) 計算所需刀具的逆運動的速度。 第二部分是一個很好的理解問題，這項工作可以運用在參考文獻[23]中描述的逆運動學(xué)方法解決。這種方法包括機器人運動學(xué)和動力學(xué)的局限性，如關(guān)節(jié)的位置，速度和加速度的限制。此外，在此方法的基礎(chǔ)上，進行二次優(yōu)化獲得方法已被證明表現(xiàn)很突出。 該機械手的運動受機器人控制的目標(biāo)和障礙動作限制，為此和，是相關(guān)的。由于逆運動學(xué)的輸入需要一個六維旋轉(zhuǎn)速度，因此這些動作必須設(shè)置一個變數(shù)，它可以集成所需的速度 (22) 其中，和是從目標(biāo)和避障中得到的。 A. 目標(biāo)動作 到目標(biāo)行為的輸入是當(dāng)前和所需的工具轉(zhuǎn)換和。從這些我們可以計算出所需的六維速度螺桿。為避免要求不切實際的快速運動它的范圍是和，和代表最大允許的機床直線和旋轉(zhuǎn)速度。 計算 (23) 我們得到了當(dāng)前速度預(yù)期的變化。 B. 障礙動作 作為輸入避障動作的參數(shù)，釆用當(dāng)前笛卡爾速度，釆用最近的障礙為軌道，給出機械手和障礙物之間方向和距離。我們現(xiàn)在要根據(jù)到障礙物的方向和距離計算笛卡爾速度的變化，并分別用和表示。 1) 施力方叫：根據(jù)當(dāng)前機械手的速度V，我們計算向量相互兩者之間的角度為 (24) 在機械手尺寸方向變化的大小，用(25)計算 (25) 其中是repellor的數(shù)值，根據(jù)距離控制衰減，控制相對障礙之間的角度。被用于計算預(yù)期的機械手方向的改變： (26) 根據(jù)所有障礙物的作用，我們可以根據(jù)障礙物的方向計算機械手運動的改變： (27) 2) 動力學(xué)速度：對速度的動態(tài)控制相似于Eq。障礙i的作是: (28) 其中。集合所有障礙的作用變成： (29) C. 競爭動態(tài) 1) 目標(biāo)動作：對于移動平臺當(dāng)目標(biāo)存在目標(biāo)動作的競爭優(yōu)勢值設(shè)置為0.5，否則設(shè)置為-0.5。 當(dāng)?shù)侥繕?biāo)的距離和最近障礙物的距離之間的比例系數(shù)超過，目標(biāo)與障礙物之間的相互作用需要被重新設(shè)置，避障作用受到限制，這是有公式(30)實現(xiàn)： (30) 其中是機床和目標(biāo)的距離；是一個如何迅速改變值的增益系數(shù)。 2) 障礙：該障礙動作的競爭優(yōu)勢和在第三節(jié)-C表述的相同: (31) 用Eq (21)進行密度計算，但用障礙和機械手之間的距離代替障礙和移動平臺的距離。這種相互之間的作用用公式確定： (32) 其中到機械手最接近目標(biāo)時，有助于撤銷臂章動作。 D. 收縮 收縮動作是在關(guān)節(jié)處直接運作的。通過定義，，其中是指機械手原始的收縮數(shù)據(jù)配置，我們可能計算關(guān)節(jié)速度為: (33) 其中是關(guān)節(jié)最大的速度，為attractor的作用參數(shù)。 V.實驗 本實驗的目的主要是展示了移動平臺和機械手的協(xié)調(diào)。以前的工作已經(jīng)展示了動力系統(tǒng)方面的方針與導(dǎo)航的能力通過一個環(huán)境中移動機器人[13] [14]和指導(dǎo)一個機器人繞過障礙[16]。 (a)移向目標(biāo)(t=0s) (b)圖像伺服(t=28s) (c)移動到目標(biāo)位置(t=40s) (d)完成動作(t=72s) 圖.3移動機器人實驗。假定環(huán)境和目標(biāo)重物的角度是不變的。 在實驗中使用的平臺如圖1所示，是由一個賽格威RMP200和輕重量型庫卡機器人與崇德PG70平行爪裝備組成。該平臺具有一個SICK LMS291定位和避障裝Unibrain Fire-iFireWire攝像頭的激光掃描儀，用于機械手瞄準(zhǔn)并抓起目標(biāo)。不幸的是我們沒有足夠的時間來連接夾持器和控制目標(biāo)。因此，它僅僅是定位和準(zhǔn)備抓。但實際上從未關(guān)閉的抓手。由于控制框架我們使用了Microsoft Robotics Sludiol.5,這提供了一個從傳感器的各種輸入，到驅(qū)動器輸出，并確保不同的控制算法同時運作的方法。 該賽格威運動和大多數(shù)機械手運動是基于特定的笛卡爾坐標(biāo)定位目標(biāo)的。但是，一旦目標(biāo)在toolmourUed相機視線范圍內(nèi)，機械手依靠視覺輸入指導(dǎo)切換。第五部分A將會詳細闡述視覺伺服系統(tǒng)方法，緊接著在第五部分B中會提供測試結(jié)果。 圖.4.檢測使用微軟機器人SimpleVision方面的服務(wù)特征.黑白邊邊框表示特征識別。 A. 伺服系統(tǒng) 對于最終機械手的定位是使用視覺伺服系統(tǒng)方法獲得標(biāo)準(zhǔn)圖像進行定位的。特征檢測是根據(jù)Microsoft Robotics Studio的SimpleVision服務(wù)而測定的，獲得能夠識別顏色的斑點。在這些試驗中獲得結(jié)果我們用綠色標(biāo)記標(biāo)出，如圖4所示。我們希望該機械手的方向是同定的，因此僅僅需要3個自由度（自由度）的位置應(yīng)該被相關(guān)的視覺輸入的影響。這些自由度兩個是由BLOB的定位控制，其中一個應(yīng)在圖像中心位置。最后的自由度是由BLOB的大小決定的。 B．測試結(jié)果 如圖3所示，移動機械手的任務(wù)是移動一個瓶子從圖像的桌子上移動到右邊相對的較遠的箱子里。機器人移動、機械手收縮和目標(biāo)行為有關(guān)的數(shù)據(jù)關(guān)系可以在圖5中看到。 圖.5機械手運行時各項的比例系數(shù)表 首先移動機械手收縮和移動指令被激活引起移動平臺移向目標(biāo)，同時手臂保持原始的配置裝態(tài)。經(jīng)過約7秒之內(nèi)達到目標(biāo)并獲得目標(biāo)信號，因此機械手收縮動作被取消，機械手捕獲動作被激活。不久后，Segway動作也被取消，讓機械手拿起無干擾的目標(biāo)。然而機械手運動會異致賽格威漂移，因此要過一會知道經(jīng)過20s之后移動平臺重新被激活，在這里移動平臺又達到了預(yù)期目標(biāo)的相對位置。視覺伺服指揮機械手到如圖3 (b)所示的狀態(tài)。經(jīng)過約30秒鐘，瓶子應(yīng)該被抓手拾起的和新的目標(biāo)是給予，造成機械手收縮動作被重新激活而機械手捕獲動作被取消。同時移動平臺移動動作也被激活，但當(dāng)機械臂被收回時移動平臺的移動動作會迅速被取消。完成之后控制移動平臺移動到所需位置放置，進而機械手被激活把目標(biāo)放到箱子里。 VI.結(jié)論 本文已經(jīng)介紹了如何使動態(tài)系統(tǒng)的方法應(yīng)用于移動操作。此文的主要結(jié)論包括兩個層次，其中競爭態(tài)勢是用于移動平臺的整體協(xié)調(diào)和機械手運動以及避障和目標(biāo)獲取等動作。該方法首先已被證實在模擬環(huán)境中，其次也通過實際工作的驗證。 實驗用的系統(tǒng)是Microsoft Robotics Studiol.5 (MSRS)。該系統(tǒng)最初是模擬和參數(shù)的調(diào)整，釆用模擬器進行?；谀M器的物理參數(shù)理想的轉(zhuǎn)向。整個MSRS是一個執(zhí)行工作有益環(huán)境的平臺。雖然控制是以20Hz被執(zhí)行的，但由于Windows XP的非實性，動作間會有異常值出現(xiàn)。 ——本文出自2009年IEEE國際機器人和自動化會議論文集 參考文獻 [1] H. Seraji，A Unified Approach to Motion Control of Mobile Manipulators, The International Journal of Robotics Research, Vol. 17，No. 2, 1998，pp. 107-118. [2] E. Papadopoulos，J. Poulakakis, Planning and Model-Based Control for Mobile Manipulators, Proceedings of the IROS’OO，2000，pp. 1810-1815. [3] Q. Huang, K. Tanie, S. Sugano, Coordinated Motion Planning for a Mobile Manipulator Considering Stability and Manipulation, Thee International Journal of Robotics Research, Vol. 19，No. 8，2000, pp. 732-742. [4] D.H. Shin, B.S. Hamenr, S. Singh, M. Hwangbo，Motion Planning for a Mobile Manipulator with Imprecise Locomotion, Proceddings of the IROS’03，2003, 847-853. [5] G. Sch. oner，M. Dose, A dynamical systems approach to task-level system integration used to plan and control autonomous vehicle motion, Robotics and Autonomous Systems, Vol. 10, 1992, pp. 253-267. [6] G. Sch. oner，M. Dose, C. Engels, Dynamics of behavior: theory and applications for autonomous robot architecture. Robotics and Autonomous Systems, Vol. 16，1995，pp. 213-245. [7] O. Khatib, Real-Time Obstacle Avoidance for Manipulators and Mobile Robots. The International Journal of Robotics Research, Vol. 5，No. I，1986，pp. 90-98. [8] E. Bicho, G. Sch. oner，The dynamic approach to autonomous robotics demonstrated on a low-level vehicle platform. Robotics and Autonomous Systems, Vol. 21, 1997, pp. 23-35. [9] E. Bicho, P. Mallet, G. Sch.oner，Using Attractor Dynamics to Control Autonomous Vehicle Motion. Proceedings of the IECON’98，Vol. 2，1998，pp. 1176-1181. [10] E. Bicho, P. Mallet, G. Sch. oner, Target Representation on an Autonomous Vehicle with Low-Level Sensors The International Journal of Robotics Research, Vol.19，No. 5，2000, pp. 424-447. [11] H. Choset, K.M. Lynch, S. Hutchinson, G. Kantor，W. Burgard，L.E. Kavraki，S. Thrun, Principles of Robot Motion . The MIT Press, 2005. [12] E.W. Large, H.I. Christensen, R. Bajcsy, Scaling the Dynamic Approach to Path Planning and Control: Competition among Behavioral Constraints. The International Journal of Robotics Research, Vol. 18，No. 1，pp. 37-58. [13] P. Althaus, H.I. Christensen, F. Hoffmann，Using the Dynamical System Approach to Navigate in Realistic Real-World Environments. Proceedings of IROS’OI，Vol. 2，2001，pp. 1023-1029. [14] P. Althaus, Indoor Navigation for Mobile Robots: Control and Representations, Ph.d. Dissertation, Royal Institute of Technology (KTH), Stockholm, Sweden, 2003. [15] S. Goldenstein, E. Large, D. Metaxas, Non-linear dynamical system approach to behavior modeling, The Visual Computer, Vol. 15，1999，pp. 349-364. [16] I. Iossifidic，G. Sch'oner, Autonomous reaching and obstacle avoidance with the anthropomorphic arm of a robotics assistant using the attractor dynamics approach, Proceedings of ICRA，04，2004，pp. 4295-4300. [17] L.-P. Ellekilde，J.W. Perram, Tool Center Trajectory Planning for Industrial Robot Manipulators Using Dynamical Systems, The International Journal of Robotics Research, Vol. 24，No. 5, 2005，pp. 385-396. 118] C. Santos, M. Ferreira, Ball Catching by a Puma Arm: a Nonlinear Dynamical Systems Approach, Proceedings of IROS’06, 2006, pp.916-921 [19] I. Iossifidic, G. Schooner, Dynamical Systems Approach for the Autonomous Avoidance of Obstacles and Joint-limits for an Redundant Robot Arm. Proceedings of the IROS，06，2006, pp. 580-585. [20] P. Jensfelt, H.I. Christensen, Pose tracking using laser scanning and minimalistic environment models, IEEE Transactions on Robotisc and Automation, Vol. 17，No. 2，2001, pp. 138-147. [21] J. Forsberg, P. A° hman,. Wemersson, The Hough transform inside the feedback loop of a mobile robot, Proceedings of ICRA, Vol I, 1993，pp. 791-798. [22] K.O. Arras, R.Y. Siegwart, Feature Extraction and scene interpredation for map-based nagivation and map building, Proceedings of SPIE, Mobile Robotics XII，Vol. 3210，1997，pp. 42-53. [23] L.-P. Ellekilde, P. Favrholt, M. Paulin, H.G. Petersen, Robust control for high-speed visual servoing applications, International Journal of Advanced Robotic Systems，Vol. 4，No.3,2007,pp.272-292. 附錄B (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (12) (13) (14) (15) (16) (17) C.Comopetitive Dynamics (18) (19) (20) (21) (22) (23) (24) The size of the change in direction of the tool is then calculated as (25) (26) (27) (28) WithSumming up over all obstacles the total contribution becomes (29) (30) (31) (32) (33) 2009年IEEE國際機器人和自動化會議 神戶國際會議中心 日本神戶12-17，2009 機械臂動力學(xué)與控制的研究 拉斯彼得Ellekilde 摘要 操作器和移動平臺的組合提供了一種可用于廣泛應(yīng)用程序高效靈活的操作系統(tǒng)，特別是在服務(wù)性機器人領(lǐng)域。在機械臂眾多挑戰(zhàn)中其中之一是確保機器人在潛在的動態(tài)環(huán)境中安全工作控制系統(tǒng)的設(shè)計。在本文中,我們將介紹移動機械臂用動力學(xué)系統(tǒng)方法被控制的使用方法。該方法是一種二級方法，是使用競爭動力學(xué)對于統(tǒng)籌協(xié)調(diào)優(yōu)化移動平臺以及較低層次的融合避障和目標(biāo)捕獲行為的方法。 I介紹 在過去的幾十年里大多數(shù)機器人的研究主要關(guān)注在移動平臺或操作系統(tǒng)，并且在這兩個領(lǐng)域取得了許多可喜的成績。今天的新挑戰(zhàn)之一是將這兩個領(lǐng)域組合在一起形成具有高效移動和有能力操作環(huán)境的系統(tǒng)。特別是服務(wù)性機器人將會在這一方面系統(tǒng)需求的增加。大多數(shù)西方國家的人口統(tǒng)計數(shù)量顯示需要照顧的老人在不斷增加,盡管將有很少的工作實際的支持他們。這就需要增強服務(wù)業(yè)的自動化程度，因此機器人能夠在室內(nèi)動態(tài)環(huán)境中安全的工作是最基本的。 圖.1 一臺由賽格威RMP200和輕重量型庫卡機器人組成的平臺 這項工作平臺用于如圖1所示，是由一個Segway與一家機器人制造商制造的RMP200輕機器人。其有一個相對較小的軌跡和高機動性能的平臺使它適應(yīng)在室內(nèi)環(huán)境移動。庫卡工業(yè)機器人具有較長的長臂和高有效載荷比自身的重量,從而使其適合移動操作。 當(dāng)控制移動機械臂系統(tǒng)時，有一個選擇是是否考慮一個或兩個系統(tǒng)的實體。在參考文獻[1]和[2]中是根據(jù)雅可比理論將機械手末端和移動平臺結(jié)合在一起形成一個單一的控制系統(tǒng)。另一方面，這項研究發(fā)表在[3]和[4],認為它們在設(shè)計時是獨立的實體，但不包括兩者之間的限制條件,如延伸能力和穩(wěn)定性。 這種控制系統(tǒng)的提出是基于動態(tài)系統(tǒng)方法[5], [6]。它分為兩個層次，其中我們在較低的水平，并考慮到移動平臺作為兩個獨立的實體，然后再以安全的方式結(jié)合在上層操縱者。在本文中主要的研究目的是展現(xiàn)動力系統(tǒng)方法可以應(yīng)用于移動機械臂和使用各級協(xié)調(diào)行為的控制。 本文剩下的安排如下。第二部分介紹系統(tǒng)的總體結(jié)構(gòu)設(shè)計,其次是機械手末端移動平臺的控制在第三第四部分講述。在第五部分我們在結(jié)束本文之前將顯示一作實驗。然而, 首先與動力學(xué)系統(tǒng)有關(guān)工作總結(jié)與方法將在在部分I-A提供。 A.相關(guān)工作 動力學(xué)系統(tǒng)接近[5]，[6]為控制機器人提供一套動作的框架，例如障礙退避和目標(biāo)捕捉。每個動作通過一套一個非線性動力學(xué)系統(tǒng)的attractors和repellors來完成。這些通過向量場的簡單的加法被結(jié)合在一起來完成系統(tǒng)的整體動作。動力系統(tǒng)的方法涉及到更廣泛的應(yīng)用勢場法[7],但具有一定的優(yōu)勢。這里勢場法的行為是由后場梯度形成的結(jié)果，行為變量，如航向和速度，可直接運用動力系統(tǒng)控制的方法。 成本相對較低的計算與方法有關(guān)，使得它在動態(tài)環(huán)境中在線控制適宜，允許它即使在相當(dāng)?shù)偷乃接邢薜挠嬎隳芰ζ脚_[8]實施。傳感器的魯棒性在人聲嘈雜中顯示[9]和[10]其中一個是由紅外傳感器和麥克風(fēng)的結(jié)合，當(dāng)避障和目標(biāo)獲取時使用。盡管能解決各種各樣的任務(wù)，但它僅是一個局部的方法，為了其他的任務(wù)和使命級計劃(即參見[11])其他的方法應(yīng)該被釆用。 當(dāng)多行為被結(jié)合時，在[5]和[6]的缺點是由潛在的假的因子引起的。為了克服這個問題[12]介紹了一種基于競爭動態(tài)的行為比重。每個行為的影響是控制使用一個相關(guān)的競爭優(yōu)勢，再加上定義的行為之間有競爭力的相互作用，控制重物。如果所有的行為之間的競爭性相互作用是必需的，這種方法可以推廣到任意數(shù)n,行為，除了這樣一個最壞情況的復(fù)雜度 在現(xiàn)實世界中使用這種方法的競爭態(tài)勢室內(nèi)實驗中可以找到[13]，[14]。[13]是只在有標(biāo)題方向的車輛上使用，而在[14]中航向和速度均得到控制。[15]提供了一個為速度性能簡短的策略討論。 在[16]中提到動力系統(tǒng)的方法不僅被用于平面移動機器人，同時也可以作為控制機械手工具。另外運用產(chǎn)生極限環(huán)Hopf振蕩器動力系統(tǒng)的更復(fù)雜的動力系統(tǒng)也可被使用。 [17]展現(xiàn)出不同形狀的極限環(huán)是如何產(chǎn)生的，其可運用于避障軌跡的生成。[18]中介紹到使用Hopf振蕩器產(chǎn)生一個定時的軌跡,實現(xiàn)了機械手可以接住從桌子上面滾下來的球。 動力系統(tǒng)的方法不僅可以用于控制的工具，也可以控制7自由度機械手多余的動作這一 點在[19 ]中得到論證。 II.總體結(jié)構(gòu) 我們整個系統(tǒng)的整體架構(gòu)如圖2所示。在賽格威平臺中為了控制移動平臺，兩個低級別的性能被使用：一個用于目標(biāo)捕獲和另一個是避障。運用競爭動態(tài)的動作被混合在一起是為了做出移動平臺希望得到的指定的移動動作。同樣，在競爭態(tài)勢的基礎(chǔ)上目標(biāo)捕獲和機械手避障行為的融合給機器人收縮下達指令。當(dāng)目標(biāo)不在范圍內(nèi)，應(yīng)收回機械手到一個安全的位置，這是機械手縮回行為的目的。最后融合是以一個安全的方式把所有的控制結(jié)合在一起，這樣一來目標(biāo)捕獲和收回行為不互相干擾，另外移動平臺在不開始朝著新的目標(biāo)之前，移動機械手巳被收回。 用、和分別代表機械手移動、機械手捕獲和機械手收縮行為的影響，控制信號和通過(1)(2)移動平臺和機械手。 (1) (2) 其中( )是指控制輸入信號以控制在第三節(jié)中描述的平臺的左，右側(cè)車輪;和是在第四節(jié)描述的機械手關(guān)節(jié)速度。 障礙 動作 運動結(jié)合 結(jié)合 目標(biāo) 設(shè)備 賽格威 障礙 操作結(jié)合 結(jié)合 目標(biāo) 庫卡 機器人 操作收回 圖.2.控制系統(tǒng)的體系結(jié)構(gòu) A. 競爭動態(tài) 這種競爭態(tài)勢釆用的方法是以[12]為基礎(chǔ)的，除了附加參數(shù)用于控制在[14]中的轉(zhuǎn)換率。動力系統(tǒng)釆用(3)因此給予: (3) 其中是b和r競爭優(yōu)勢產(chǎn)生的參數(shù)，b是和b相互競爭作用的參數(shù)。 1) 移動：在移動平臺遠離目標(biāo)時它的競爭優(yōu)勢應(yīng)該被加強；標(biāo)被捕獲時移動平臺的競爭優(yōu)勢應(yīng)該被降低。這是通過(4)實現(xiàn)的。 (4) 其中,決定如何迅速的改變這種優(yōu)勢，是指到目標(biāo)的距離和是指移動平臺移動目標(biāo)所需的最小距離。 移動的行為，沒有能力進行互動，并抑制其他行為，因此它的競爭性相互作用被設(shè)置為0。 2) 機械手捕獲目標(biāo)：A移動平臺接近他的目標(biāo)時，機械手捕獲目標(biāo)的動作應(yīng)該別加強。這樣的競爭優(yōu)勢將被定義為： (5) 激活距離必須大于來確保其行為被激活。此動作沒有和其他的動作有直接聯(lián)系，因此它的相互作用參數(shù)設(shè)置為0。 3) 機械手收縮：收回動作應(yīng)該被激活當(dāng)對面目標(biāo)被捕獲之后，因此 (6) 要有一個非常小的過渡時間，這可以防止在同一時間活動的機械臂捕獲和收縮動作,因此，我們可以設(shè)置由于機械手收縮和移動動作的聯(lián)系，當(dāng)機械手原理自動巡航裝置時我們希望能夠取消停止移動。因此這種相互作用定義為： (7) 其中和，是機械手當(dāng)前和原始配置參數(shù)，是指目標(biāo)最近的距離和指定如何使相互作用迅速變化的參數(shù)。 III.移動平臺的控制 該移動平臺的控制，結(jié)構(gòu)與參考文獻[14]中表述的非常相似，但也有一些不同。剛開始時目標(biāo)捕獲和避障指令被使用。緊接著除走廊和墻壁避障不包括在內(nèi)，伹將沿直線擴展。第二個領(lǐng)域，不同的是這項工作的障礙是如何找出障礙密度的計算方法。具體的論述在III-D部分。 為了使控制系統(tǒng)能夠根據(jù)具體的環(huán)境進行導(dǎo)航。我們所使用的方法是基于參考文獻[20]中論述的方法，它運用里程計和激光測距相結(jié)合對所在環(huán)境中地圖的主導(dǎo)線匹配測量。 該平臺控制編碼的使用方向：；速度：V，它在一個控制輸入系統(tǒng)的結(jié)果數(shù)的值是由兩部分組成，和，這里合并為 (8) 其中和是被Eq限制的。(3)中的競爭優(yōu)勢和相互作用在III-C中有詳細的描述。 作為控制輸入我們需要一個表達式對移動平臺的左右輪進行控制，這里用和分別作為左，右側(cè)車輪的表達參數(shù)。要使獲得這些數(shù)據(jù)集成得到v，連同所需的旋轉(zhuǎn)速度時，車輪直徑和車輪之間的距離可以用數(shù)據(jù)庫來計算控制輸入： (9) (10) 這里車輪需要的速度差被定義為: (12) A. 動態(tài)目標(biāo)： 捕獲目標(biāo)動作的基本動力是: (13) (14) 其中和是吸引子的優(yōu)勢參數(shù)和表示運動到目標(biāo)的方向。常數(shù)表達出機械手到目標(biāo)之間的距離和所需的速度關(guān)系。最后最大速度是指移動平臺所允許的最大速度。 B. 障礙動態(tài) 假定一個距離，方句參數(shù)表示機械手到第i個障礙的方向，在避障的動力學(xué)中用公式（15) (16)表不如下： (15) (16) 其中 動態(tài)參數(shù)包括三個要素：(一)障礙物的相對方向，(二)例系數(shù),其中根據(jù)距離決定衰減的程度。(三)另一個比例系數(shù)根據(jù)到障礙的方向而定的，并運用保兩障礙間的attractor產(chǎn)生，如果機器人可以在確保安全距離DS下通過。我們可以在參考文獻[14]中看到具體的描述。 對于是表示調(diào)整速度轉(zhuǎn)向,但確保最小速度是被保留的。 運用公式(17)獲取我們總結(jié)所有障礙的值： (17) C. 競爭動態(tài) 在競爭態(tài)勢的運算如上面所述公式(3)控制的。下面是最大的競爭優(yōu)勢和兩種動作的相互作用。 1) 目標(biāo)：每當(dāng)一個目標(biāo)是存在的，競爭優(yōu)勢的參數(shù)就被設(shè)置為，否則設(shè)置為。 目標(biāo)動作有能力影響和抑制避障動作，目標(biāo)之間的距離和最近的目標(biāo)之間的比例足以確保向目標(biāo)移動的動作是無碰撞運動。這時建模為： (18) 其中到最近障礙物的距離，是一個如何快速是動作相互影響的增益常數(shù)，我們將開始抑制避障時表示障礙和目標(biāo)之間的距離比。 2) 障礙：該障礙動作的競爭優(yōu)勢有公式（19)控制： (19) 其中是障礙密度在第三節(jié)-D被定義。 這種相互作用被定義為 (20) 第一部分抑制目標(biāo)動作當(dāng)障礙濃度超過臨界值時，最后一部分可以確保這只是發(fā)生在由于的原因避障沒有被抑制。 D．障礙密度的計算 假設(shè)一系列的距離，，移動平臺和障礙的密度，計算公式為 (21) 此處的定義不同于[14]中的。公式化的主要問題是，我們不能區(qū)分物體的相對多遠和一個對象相對多近。例如2米外有5個對象的密度定義成相同的密度與40厘米的距離之外的一個對象。根據(jù)指數(shù)函數(shù)的性質(zhì)在場景中的單個對象永遠不能導(dǎo)致超1。用于切換到避障動作的臨界值將因此必須小于1，但一個場景中有多樣的障礙往往臨界值設(shè)置的更低。 此外，發(fā)現(xiàn)用代替參數(shù)調(diào)整更容易，因為我們可以考慮其作為距離的反比密度。這也造成了當(dāng)越來越接近一個障礙時密度増長非常迅速，從而可以迅速迫使動作改變。 IV.機械手的控制 我們將這個問題分成兩部分： 1) 確定機械手的運動，從當(dāng)前位置到目標(biāo)，同時避免障礙。 2) 計算所需刀具的逆運動的速度。 第二部分是一個很好的理解問題，這項工作可以運用在參考文獻[23]中描述的逆運動學(xué)方法解決。這種方法包括機器人運動學(xué)和動力學(xué)的局限性，如關(guān)節(jié)的位置，速度和加速度的限制。此外，在此方法的基礎(chǔ)上，進行二次優(yōu)化獲得方法已被證明表現(xiàn)很突出。 該機械手的運動受機器人控制的目標(biāo)和障礙動作限制，為此和，是相關(guān)的。由于逆運動學(xué)的輸入需要一個六維旋轉(zhuǎn)速度，因此這些動作必須設(shè)置一個變數(shù)，它可以集成所需的速度 (22) 其中，和是從目標(biāo)和避障中得到的。 A. 目標(biāo)動作 到目標(biāo)行為的輸入是當(dāng)前和所需的工具轉(zhuǎn)換和。從這些我們可以計算出所需的六維速度螺桿。為避免要求不切實際的快速運動它的范圍是和，和代表最大允許的機床直線和旋轉(zhuǎn)速度。 計算 (23) 我們得到了當(dāng)前速度預(yù)期的變化。 B. 障礙動作 作為輸入避障動作的參數(shù)，釆用當(dāng)前笛卡爾速度，釆用最近的障礙為軌道，給出機械手和障礙物之間方向和距離。我們現(xiàn)在要根據(jù)到障礙物的方向和距離計算笛卡爾速度的變化，并分別用和表示。 1) 施力方叫：根據(jù)當(dāng)前機械手的速度V，我們計算向量相互兩者之間的角度為 (24) 在機械手尺寸方向變化的大小，用(25)計算 (25) 其中是repellor的數(shù)值，根據(jù)距離控制衰減，控制相對障礙之間的角度。被用于計算預(yù)期的機械手方向的改變： (26) 根據(jù)所有障礙物的作用，我們可以根據(jù)障礙物的方向計算機械手運動的改變： (27) 2) 動力學(xué)速度：對速度的動態(tài)控制相似于Eq。障礙i的作是: (28) 其中。集合所有障礙的作用變成： (29) C. 競爭動態(tài) 1) 目標(biāo)動作：對于移動平臺當(dāng)目標(biāo)存在目標(biāo)動作的競爭優(yōu)勢值設(shè)置為0.5，否則設(shè)置為-0.5。 當(dāng)?shù)侥繕?biāo)的距離和最近障礙物的距離之間的比例系數(shù)超過，目標(biāo)與障礙物之間的相互作用需要被重新設(shè)置，避障作用受到限制，這是有公式(30)實現(xiàn)： (30) 其中是機床和目標(biāo)的距離；是一個如何迅速改變值的增益系數(shù)。 2) 障礙：該障礙動作的競爭優(yōu)勢和在第三節(jié)-C表述的相同: (31) 用Eq (21)進行密度計算，但用障礙和機械手之間的距離代替障礙和移動平臺的距離。這種相互之間的作用用公式確定： (32) 其中到機械手最接近目標(biāo)時，有助于撤銷臂章動作。 D. 收縮 收縮動作是在關(guān)節(jié)處直接運作的。通過定義，，其中是指機械手原始的收縮數(shù)據(jù)配置，我們可能計算關(guān)節(jié)速度為: (33) 其中是關(guān)節(jié)最大的速度，為attractor的作用參數(shù)。 V.實驗 本實驗的目的主要是展示了移動平臺和機械手的協(xié)調(diào)。以前的工作已經(jīng)展示了動力系統(tǒng)方面的方針與導(dǎo)航的能力通過一個環(huán)境中移動機器人[13] [14]和指導(dǎo)一個機器人繞過障礙[16]。 (a)移向目標(biāo)(t=0s) (b)圖像伺服(t=28s) (c)移動到目標(biāo)位置(t=40s) (d)完成動作(t=72s) 圖.3移動機器人實驗。假定環(huán)境和目標(biāo)重物的角度是不變的。 在實驗中使用的平臺如圖1所示，是由一個賽格威RMP200和輕重量型庫卡機器人與崇德PG70平行爪裝備組成。該平臺具有一個SICK LMS291定位和避障裝Unibrain Fire-iFireWire攝像頭的激光掃描儀，用于機械手瞄準(zhǔn)并抓起目標(biāo)。不幸的是我們沒有足夠的時間來連接夾持器和控制目標(biāo)。因此，它僅僅是定位和準(zhǔn)備抓。但實際上從未關(guān)閉的抓手。由于控制框架我們使用了Microsoft Robotics Sludiol.5,這提供了一個從傳感器的各種輸入，到驅(qū)動器輸出，并確保不同的控制算法同時運作的方法。 該賽格威運動和大多數(shù)機械手運動是基于特定的笛卡爾坐標(biāo)定位目標(biāo)的。但是，一旦目標(biāo)在toolmourUed相機視線范圍內(nèi)，機械手依靠視覺輸入指導(dǎo)切換。第五部分A將會詳細闡述視覺伺服系統(tǒng)方法，緊接著在第五部分B中會提供測試結(jié)果。 圖.4.檢測使用微軟機器人SimpleVision方面的服務(wù)特征.黑白邊邊框表示特征識別。 A. 伺服系統(tǒng) 對于最終機械手的定位是使用視覺伺服系統(tǒng)方法獲得標(biāo)準(zhǔn)圖像進行定位的。特征檢測是根據(jù)Microsoft Robotics Studio的SimpleVision服務(wù)而測定的，獲得能夠識別顏色的斑點。在這些試驗中獲得結(jié)果我們用綠色標(biāo)記標(biāo)出，如圖4所示。我們希望該機械手的方向是同定的，因此僅僅需要3個自由度（自由度）的位置應(yīng)該被相關(guān)的視覺輸入的影響。這些自由度兩個是由BLOB的定位控制，其中一個應(yīng)在圖像中心位置。最后的自由度是由BLOB的大小決定的。 B．測試結(jié)果 如圖3所示，移動機械手的任務(wù)是移動一個瓶子從圖像的桌子上移動到右邊相對的較遠的箱子里。機器人移動、機械手收縮和目標(biāo)行為有關(guān)的數(shù)據(jù)關(guān)系可以在圖5中看到。 圖.5機械手運行時各項的比例系數(shù)表 首先移動機械手收縮和移動指令被激活引起移動平臺移向目標(biāo)，同時手臂保持原始的配置裝態(tài)。經(jīng)過約7秒之內(nèi)達到目標(biāo)并獲得目標(biāo)信號，因此機械手收縮動作被取消，機械手捕獲動作被激活。不久后，Segway動作也被取消，讓機械手拿起無干擾的目標(biāo)。然而機械手運動會異致賽格威漂移，因此要過一會知道經(jīng)過20s之后移動平臺重新被激活，在這里移動平臺又達到了預(yù)期目標(biāo)的相對位置。視覺伺服指揮機械手到如圖3 (b)所示的狀態(tài)。經(jīng)過約30秒鐘，瓶子應(yīng)該被抓手拾起的和新的目標(biāo)是給予，造成機械手收縮動作被重新激活而機械手捕獲動作被取消。同時移動平臺移動動作也被激活，但當(dāng)機械臂被收回時移動平臺的移動動作會迅速被取消。完成之后控制移動平臺移動到所需位置放置，進而機械手被激活把目標(biāo)放到箱子里。 VI.結(jié)論 本文已經(jīng)介紹了如何使動態(tài)系統(tǒng)的方法應(yīng)用于移動操作。此文的主要結(jié)論包括兩個層次，其中競爭態(tài)勢是用于移動平臺的整體協(xié)調(diào)和機械手運動以及避障和目標(biāo)獲取等動作。該方法首先已被證實在模擬環(huán)境中，其次也通過實際工作的驗證。 實驗用的系統(tǒng)是Microsoft Robotics Studiol.5 (MSRS)。該系統(tǒng)最初是模擬和參數(shù)的調(diào)整，釆用模擬器進行?；谀M器的物理參數(shù)理想的轉(zhuǎn)向。整個MSRS是一個執(zhí)行工作有益環(huán)境的平臺。雖然控制是以20Hz被執(zhí)行的，但由于Windows XP的非實性，動作間會有異常值出現(xiàn)。 ——本文出自2009年IEEE國際機器人和自動化會議論文集 參考文獻 [1] H. Seraji，A Unified Approach to Motion Control of Mobile Manipulators, The International Journal of Robotics Research, Vol. 17，No. 2, 1998，pp. 107-118. [2] E. Papadopoulos，J. Poulakakis, Planning and Model-Based Control for Mobile Manipulators, Proceedings of the IROS’OO，2000，pp. 1810-1815. [3] Q. Huang, K. Tanie, S. Sugano, Coordinated Motion Planning for a Mobile Manipulator Considering Stability and Manipulation, Thee International Journal of Robotics Research, Vol. 19，No. 8，2000, pp. 732-742. [4] D.H. Shin, B.S. Hamenr, S. Singh, M. Hwangbo，Motion Planning for a Mobile Manipulator with Imprecise Locomotion, Proceddings of the IROS’03，2003, 847-853. [5] G. Sch. oner，M. Dose, A dynamical systems approach to task-level system integration used to plan and control autonomous vehicle motion, Robotics and Autonomous Systems, Vol. 10, 1992, pp. 253-267. [6] G. Sch. oner，M. Dose, C. Engels, Dynamics of behavior: theory and applications for autonomous robot architecture. Robotics and Autonomous Systems, Vol. 16，1995，pp. 213-245. [7] O. Khatib, Real-Time Obstacle Avoidance for Manipulators and Mobile Robots. The International Journal of Robotics Research, Vol. 5，No. I，1986，pp. 90-98. [8] E. Bicho, G. Sch. oner，The dynamic approach to autonomous robotics demonstrated on a low-level vehicle platform. Robotics and Autonomous Systems, Vol. 21, 1997, pp. 23-35. [9] E. Bicho, P. Mallet, G. Sch.oner，Using Attractor Dynamics to Control Autonomous Vehicle Motion. Proceedings of the IECON’98，Vol. 2，1998，pp. 1176-1181. [10] E. Bicho, P. Mallet, G. Sch. oner, Target Representation on an Autonomous Vehicle with Low-Level Sensors The International Journal of Robotics Research, Vol.19，No. 5，2000, pp. 424-447. [11] H. Choset, K.M. Lynch, S. Hutchinson, G. Kantor，W. Burgard，L.E. Kavraki，S. Thrun, Principles of Robot Motion . The MIT Press, 2005. [12] E.W. Large, H.I. Christensen, R. Bajcsy, Scaling the Dynamic Approach to Path Planning and Control: Competition among Behavioral Constraints. The International Journal of Robotics Research, Vol. 18，No. 1，pp. 37-58. [13] P. Althaus, H.I. Christensen, F. Hoffmann，Using the Dynamical System Approach to Navigate in Realistic Real-World Environments. Proceedings of IROS’OI，Vol. 2，2001，pp. 1023-1029. [14] P. Althaus, Indoor Navigation for Mobile Robots: Control and Representations, Ph.d. Dissertation, Royal Institute of Technology (KTH), Stockholm, Sweden, 2003. [15] S. Goldenstein, E. Large, D. Metaxas, Non-linear dynamical system approach to behavior modeling, The Visual Computer, Vol. 15，1999，pp. 349-364. [16] I. Iossifidic，G. Sch'oner, Autonomous reaching and obstacle avoidance with the anthropomorphic arm of a robotics assistant using the attractor dynamics approach, Proceedings of ICRA，04，2004，pp. 4295-4300. [17] L.-P. Ellekilde，J.W. Perram, Tool Center Trajectory Planning for Industrial Robot Manipulators Using Dynamical Systems, The International Journal of Robotics Research, Vol. 24，No. 5, 2005，pp. 385-396. 118] C. Santos, M. Ferreira, Ball Catching by a Puma Arm: a Nonlinear Dynamical Systems Approach, Proceedings of IROS’06, 2006, pp.916-921 [19] I. Iossifidic, G. Schooner, Dynamical Systems Approach for the Autonomous Avoidance of Obstacles and Joint-limits for an Redundant Robot Arm. Proceedings of the IROS，06，2006, pp. 580-585. [20] P. Jensfelt, H.I. Christensen, Pose tracking using laser scanning and minimalistic environment models, IEEE Transactions on Robotisc and Automation, Vol. 17，No. 2，2001, pp. 138-147. [21] J. Forsberg, P. A° hman,. Wemersson, The Hough transform inside the feedback loop of a mobile robot, Proceedings of ICRA, Vol I, 1993，pp. 791-798. [22] K.O. Arras, R.Y. Siegwart, Feature Extraction and scene interpredation for map-based nagivation and map building, Proceedings of SPIE, Mobile Robotics XII，Vol. 3210，1997，pp. 42-53. [23] L.-P. Ellekilde, P. Favrholt, M. Paulin, H.G. Petersen, Robust control for high-speed visual servoing applications, International Journal of Advanced Robotic Systems，Vol. 4，No.3,2007,pp.272-292.