Robot programming using augmented r

Robot programming using augmented reality
Current robot programming approaches lack the intuition required for quick and simple applications. As new robotic applications are being identified, there is a greater need to be able to programme robots safely and quickly. Recently, an approach known as Programming by Demonstration (PbD) has emerged primarily addressing intuitiveness in Human-Robot Interaction (HRI). This approach is complemented by another emerging technology known as Augmented Reality (AR) which is the environment where computer-generated 3D objects are blended (registered) onto a real world scene, to enhance the interaction of a user with the real world. The work in this thesis marries the two concepts above by proposing a new approach for immersive robot programming known as Robot Programming using AR (RPAR), where the user directly moves a virtual robot amongst real objects in an unknown environment. The first part of this work is the development of a new RPAR methodology aimed at applications such as pick-and-place tasks, where there are a number of possible path solutions for a given start and goal configuration pair. The ability of the user to make sense of an unknown environment is utilized by enabling him/her to intuitively define subsets of the free space that are relevant to his/her goals. Collision-free paths for userdefined start and goal configurations are then generated using a beam search strategy. The second part of this work is the development of a new RPAR methodology aimed at applications such as arc welding and laser cutting, where the end-effector of the robot is constrained to follow a user-defined 3D path at a certain orientation, consistently with respect to that path. The first step requires the user to perform a number of demonstrations to obtain data points of the path/curve to be followed. These data points are processed using a number of algorithms to produce an output curve that best represents the demonstrated curve, i.e., learning the human intention. The Piecewise Linear Parameterization (PLP) algorithm and a curve learning method based on Bayesian neural networks and reparameterization are proposed. After the output curve is generated, the user is required to interactively define the free space along the curve. The orientation of the end-effector can then be planned intuitively using visual feedback from AR, and a final collision-free path can be obtained. The two RPAR methodologies developed in this research have been applied to a number of case studies and the various related issues have been discussed.

ผลลัพธ์ (ไทย) 1:

ใช้การเขียนโปรแกรมหุ่นยนต์ออกเมนต์จริงวิธีการเขียนโปรแกรมหุ่นยนต์ปัจจุบันขาดสัญชาตญาณที่จำเป็นสำหรับการใช้งานที่ง่าย และรวดเร็ว มีการระบุว่าโปรแกรมใหม่หุ่นยนต์ คุณจะต้องมากขึ้นเพื่อให้สามารถโปรแกรมหุ่นยนต์อย่างปลอดภัย และรวดเร็ว ล่าสุด วิธีการเรียกว่าการเขียนโปรแกรม โดยสาธิต (PbD) ได้ผงาดขึ้นเป็นหลักแก้ปัญหา intuitiveness ในหุ่นยนต์มนุษย์โต้ตอบ (HRI) วิธีการนี้ครบครัน ด้วยเทคโนโลยีเกิดใหม่อีกที่เรียกว่าเป็นออกเมนต์จริง (AR) ซึ่งเป็นสภาพแวดล้อมที่คอมพิวเตอร์สร้างวัตถุ 3 มิติผสมผสาน (ลงทะเบียน) ไปยังฉากโลก เพิ่มการโต้ตอบของผู้ใช้กับโลกจริง งานวิทยานิพนธ์นี้ marries 2 แนวคิดข้างต้น โดยเสนอวิธีใหม่สำหรับการเขียนโปรแกรมหุ่นยนต์เสมือนจริงที่เรียกว่าหุ่นยนต์การเขียนโปรแกรมโดยใช้ AR (RPAR), ซึ่งผู้ใช้โดยตรงย้ายหุ่นยนต์เสมือนอยู่ท่ามกลางวัตถุจริงในสภาพแวดล้อมที่ไม่รู้จัก ส่วนแรกของงานนี้คือ การพัฒนาวิธีการ RPAR ใหม่ใช้งานเช่นรับ และทำงาน มีจำนวนเส้นทางได้โซลูชั่นสำหรับการกำหนดเริ่มต้นและเป้าหมายปรับเปลี่ยนคู่กัน ความสามารถของผู้ใช้ให้ความรู้สึกของสภาพแวดล้อมรู้จักใช้ประโยชน์โดยทราบถึงรายละเอียดเพื่อกำหนดชุดย่อยของพื้นที่ที่เกี่ยวข้องกับเป้าหมายเขา/เธอสังหรณ์ใจ เริ่มต้นเส้นทางชนฟรีสำหรับ userdefined และกำหนดค่าเป้าหมายจะถูกสร้างขึ้นโดยใช้กลยุทธ์การค้นหาแสง ส่วนสองของงานนี้คือ การพัฒนาวิธีการ RPAR ใหม่ใช้งานเช่นเชื่อมอาร์ค และเลเซอร์ตัด ที่จำกัด effector สิ้นสุดของหุ่นยนต์ตามผู้ใช้กำหนด 3D เส้นทางที่มีบางแนว อย่างต่อเนื่องกับเส้นทางที่ ขั้นตอนแรกต้องการผู้ใช้เพื่อทำการสาธิตเพื่อให้ได้ข้อมูลจุดเส้นทาง/โค้งหลัง จุดข้อมูลเหล่านี้จะประมวลผลการใช้อัลกอริทึมการการโค้งออกที่ส่วนโค้งแสดงให้เห็นถึง เช่น เรียนรู้เจตนาคน อัลกอริทึม Piecewise เส้น Parameterization (PLP) และเส้นโค้งการเรียนรู้วิธีตามทฤษฎีเครือข่ายประสาท และมีการนำเสนอ reparameterization หลังจากสร้างเส้นโค้งแสดงผล ผู้ใช้จะต้องกำหนดพื้นที่ตามแนวโค้งแบบโต้ตอบ การวางแนวของ effector สิ้นสุดสามารถแล้วมีการวางแผนโดยใช้ผลป้อนกลับภาพจาก AR สังหรณ์ใจ และเส้นทางอิสระชนท้ายได้ วิธี RPAR สองที่พัฒนาในงานวิจัยนี้ได้ใช้เป็นหมายเลขของกรณีศึกษา และประเด็นที่เกี่ยวข้องต่าง ๆ ได้รับการกล่าวถึง

ผลลัพธ์ (ไทย) 2:

การเขียนโปรแกรมหุ่นยนต์โดยใช้ความเป็นจริงยิ่ง
วิธีการเขียนโปรแกรมหุ่นยนต์ปัจจุบันขาดสัญชาตญาณที่จำเป็นสำหรับการใช้งานที่รวดเร็วและง่าย เป็นโปรแกรมหุ่นยนต์ใหม่ที่ถูกระบุว่ามีความจำเป็นมากขึ้นเพื่อให้สามารถเขียนโปรแกรมหุ่นยนต์อย่างปลอดภัยและรวดเร็ว เมื่อเร็ว ๆ นี้ที่รู้จักกันเป็นวิธีการเขียนโปรแกรมโดยการสาธิต (PBD) ได้กลายเป็นหลักที่อยู่ intuitiveness ในมนุษย์มีปฏิสัมพันธ์หุ่นยนต์ (HRI) วิธีการนี้ครบครันด้วยเทคโนโลยีใหม่ ๆ ที่รู้จักกันเป็น Augmented Reality (AR) ซึ่งเป็นสภาพแวดล้อมที่คอมพิวเตอร์สร้างวัตถุ 3 มิติที่ผสม (ลงทะเบียน) เข้าสู่โลกแห่งความจริงที่เกิดเหตุเพื่อเพิ่มปฏิสัมพันธ์ของผู้ใช้กับโลกแห่งความจริง งานวิจัยนี้แต่งงานกับสองแนวคิดข้างต้นโดยเสนอวิธีการใหม่สำหรับการเขียนโปรแกรมหุ่นยนต์ดื่มด่ำที่รู้จักกันเป็นหุ่นยนต์โดยใช้โปรแกรม AR (RPAR) ที่ผู้ใช้โดยตรงย้ายหุ่นยนต์เสมือนหมู่วัตถุจริงในสภาพแวดล้อมที่ไม่รู้จัก ส่วนแรกของงานนี้คือการพัฒนาวิธีการ RPAR ใหม่ที่มุ่งการใช้งานเช่นงานรับและสถานที่ที่มีจำนวนของการแก้ปัญหาที่เป็นไปได้เส้นทางสำหรับการเริ่มต้นที่กำหนดและการกำหนดค่าเป้าหมายคู่ ความสามารถของผู้ใช้ที่จะทำให้ความรู้สึกของสภาพแวดล้อมที่ไม่รู้จักถูกนำมาใช้โดยการช่วยให้เขา / เธอในการกำหนดสังหรณ์ใจย่อยของพื้นที่ว่างที่เกี่ยวข้องกับ / เป้าหมายของเขาและเธอ เส้นทางการปะทะกันฟรีสำหรับการเริ่มต้น userdefined และการกำหนดค่าเป้าหมายที่จะถูกสร้างขึ้นแล้วใช้กลยุทธ์การค้นหาคาน ส่วนที่สองของงานนี้คือการพัฒนาวิธีการ RPAR ใหม่มุ่งเป้าไปที่การใช้งานเช่นการเชื่อมและตัดด้วยเลเซอร์ที่ปลาย effector ของหุ่นยนต์เป็นข้อ จำกัด ในการปฏิบัติตามเส้นทางที่ 3 มิติที่ผู้ใช้กำหนดในการวางแนวทางบางอย่างต่อเนื่องกับ ส่วนที่เกี่ยวกับเส้นทางที่ ขั้นตอนแรกที่ต้องใช้เพื่อดำเนินการจำนวนของการประท้วงที่จะได้รับจุดข้อมูลของเส้นทาง / เส้นโค้งที่จะปฏิบัติตาม จุดข้อมูลเหล่านี้จะถูกประมวลผลโดยใช้จำนวนของขั้นตอนวิธีการในการผลิตเส้นโค้งการส่งออกที่ดีที่สุดที่แสดงให้เห็นถึงเส้นโค้งแสดงให้เห็นคือการเรียนรู้ความตั้งใจของมนุษย์ parameterization Piecewise เชิงเส้น (PLP) ขั้นตอนวิธีการและวิธีการเรียนรู้โค้งขึ้นอยู่กับเครือข่ายประสาทเบย์และ reparameterization มีการเสนอ หลังจากที่การส่งออกเส้นโค้งจะถูกสร้างขึ้นผู้ใช้จำเป็นต้องมีการโต้ตอบกำหนดพื้นที่ว่างตามเส้นโค้ง การวางแนวของปลาย effector จากนั้นจะสามารถวางแผนการตอบรับอย่างสังหรณ์ใจโดยใช้ภาพจาก AR และเส้นทางการปะทะกันฟรีสุดท้ายสามารถรับได้ ทั้งสองวิธี RPAR การพัฒนาในการวิจัยครั้งนี้ได้ถูกนำไปใช้จำนวนของกรณีศึกษาและปัญหาต่าง ๆ ที่เกี่ยวข้องได้รับการกล่าวถึง

ผลลัพธ์ (ไทย) 3:

การเขียนโปรแกรมหุ่นยนต์โดยใช้ความเป็นจริงเติม
ปัจจุบันการเขียนโปรแกรมหุ่นยนต์แนวขาดสัญชาตญาณที่ต้องรวดเร็วและใช้งานง่าย เป็นโปรแกรมหุ่นยนต์ใหม่ที่ถูกระบุว่ามีความต้องการมากขึ้นเพื่อให้สามารถโปรแกรมหุ่นยนต์อย่างปลอดภัยและรวดเร็ว เมื่อเร็วๆ นี้วิธีที่รู้จักกันเป็นการเขียนโปรแกรม โดยการสาธิต ( น้ำ ) ได้กลายเป็นหลักในการปฏิสัมพันธ์กับความคิดริเริ่มหุ่นยนต์มนุษย์ ( เพลง ) วิธีการนี้ครบครันด้วยเทคโนโลยีใหม่อีกเรียกว่าความเป็นจริง Augmented ( AR ) ซึ่งเป็นสภาพแวดล้อมที่วัตถุ 3 มิติสร้างผสม ( ลงทะเบียน ) ลงบนฉากโลกจริงเพื่อเพิ่มปฏิสัมพันธ์ของผู้ใช้กับโลกจริงงานวิทยานิพนธ์นี้ได้แต่งงานกับสองแนวคิดข้างต้น โดยเสนอวิธีการใหม่สำหรับ immersive การเขียนโปรแกรมหุ่นยนต์ที่เรียกว่าการเขียนโปรแกรมหุ่นยนต์ใช้ AR ( rpar ) ที่ผู้ใช้โดยตรงย้ายหุ่นยนต์เสมือนกับวัตถุจริงในสภาพแวดล้อมที่ไม่รู้จัก ส่วนแรกของงานนี้ คือ การพัฒนาวิธีการใหม่ rpar เพื่อการใช้งาน เช่น การเลือกและสถานที่ซึ่งมีจำนวนของโซลูชั่นเส้นทางที่เป็นไปได้สำหรับการเริ่มต้นและเป้าหมายการตั้งค่าการจับคู่ ความสามารถของผู้ใช้เพื่อให้ความรู้สึกของสภาพแวดล้อมที่ถูกใช้ โดยให้เขา / เธอสังหรณ์ใจกำหนดส่วนย่อยของพื้นที่ว่างที่เกี่ยวข้องกับเป้าหมายของเขา / เธอ การชนฟรีสำหรับเส้นทาง userdefined เริ่มต้นและการกำหนดค่าเป้าหมายถูกสร้างขึ้นโดยใช้คานค้นหากลยุทธ์ส่วนที่สองของงานนี้คือ การพัฒนาวิธีการใหม่ rpar เพื่อการใช้งาน เช่น การเชื่อมอาร์คและตัดเลเซอร์ที่สิ้นสุด ( หุ่นยนต์ของบริษัท ตามเส้นทางที่กำหนดผู้ใช้ 3D บางอย่างเกี่ยวกับเส้นทางขั้นตอนแรกต้องให้ผู้ใช้แสดงจำนวนของการสาธิตเพื่อให้ได้จุดข้อมูลเส้นทาง / โค้งไปตาม ข้อมูลเหล่านี้จุดจะถูกประมวลผลโดยใช้หมายเลขของขั้นตอนวิธีการผลิตผลผลิตเส้นโค้งที่ดีที่สุดเป็นตัวแทนแสดงเส้นโค้ง เช่น การเรียน ความตั้งใจของมนุษย์การ parameterization เชิงเส้นเป็นช่วง ( PLP ) ขั้นตอนวิธีและเส้นโค้งการเรียนรู้วิธีตามโครงข่ายประสาทแบบ reparameterization และเสนอ หลังจากออกโค้งถูกสร้างขึ้น ผู้ใช้จะต้องโต้ตอบกำหนดพื้นที่ว่างตามแนวโค้ง การสิ้นสุดโต้งจากนั้นจะสามารถวางแผนได้อย่างง่ายดายโดยใช้ภาพจากอาร์และสุดท้าย เส้นทางจากการชนฟรีสามารถรับ สอง rpar วิธีการพัฒนาขึ้นในงานวิจัยนี้ได้ใช้จำนวนของกรณีศึกษาและปัญหาต่างๆ ที่เกี่ยวข้อง ได้กล่าวถึง