ලාභ:
- AI ආධාරයෙන් ඉදිරි/ප්රතිලෝම චාලක සහ ගමන් පථ සැලසුම් කිරීමේ ගැටළු සැකසීමට සහ විසඳීමට හැකියාව
- විමසුමට සන්දර්භය ලෙස රොබෝ සන්ධි සීමාවන්, වේගය සහ ත්වරණ බාධක ලබා දීමෙන් ආරක්ෂිත කක්ෂයක් නිපදවීමේ හැකියාව
- AI මගින් නිපදවන චාලක සහ ගමන් පථය සංඛ්යාත්මකව සහ භෞතිකව සත්යාපනය කිරීමේ හැකියාව
රොබෝ අතක කෙළවරේ ඇති ග්රිපර් එක යම් දිශානතියකට අභ්යවකාශයේ යම් ස්ථානයකට ගෙන ඒම; එය සරල බව පෙනේ, නමුත් එය පිටුපස චාලක සමීකරණ, ඒකාබද්ධ සීමාවන්, ඒකීයත්වය සහ ගමන් පථ සැලසුම් ඇත. මෙහිදී mechatronics ඉංජිනේරුවා ත්රිකෝණමිතිය, රේඛීය වීජ ගණිතය සහ පාලන න්යාය එකට භාවිතා කරයි. කෘත්රිම බුද්ධිය මෙම ක්රියාවලියේදී ප්රබල ආධාරකයකි: එයට ඉදිරි චාලක සමීකරණ ස්ථාපිත කිරීමට, ප්රතිලෝම චාලක සඳහා විසඳුම් ප්රවේශයන් යෝජනා කිරීමට, ප්රවේගය/ත්වරණය සීමා කිරීම් අනුව ගමන් පථයක් පරාමිතිකරණය කිරීමට හැකිය. කෙසේ වෙතත්, රොබෝ විද්යාව යනු යාන්ත්රික විද්යාවේ ඉහළම භෞතික අවදානමක් ඇති එක් අංශයකි; AI විසින් ජනනය කරන ලද කෝණ අනුපිළිවෙලක් සත්යාපනයකින් තොරව රොබෝවරයා වෙත යවනු ලැබුවහොත්, අත තමාටම, පරිසරයට හෝ ක්රියාකරුට පහර දිය හැකිය. මෙම ඒකකයෙන් අපි AI සමඟ චාලක සහ ගමන් පථ සැලසුම් සකස් කර සත්යාපනය කරන්නේ කෙසේදැයි බලමු.
ඉදිරි සහ ප්රතිලෝම චාලක විද්යාව
ඉදිරි චාලක විද්යාව (FK): සන්ධි කෝණ දන්නේ නම් අවසාන ප්රයෝගයේ පිහිටීම සහ දිශානතිය සොයා ගැනීම. ඇත්තේ එක් විසඳුමක් පමණි, එය සෘජු ය.
ප්රතිලෝම චාලක විද්යාව (IK): අවසාන ශ්රිතයේ අපේක්ෂිත ස්ථානය දන්නේ නම්, මෙය සපයන සන්ධි කෝණ සොයා ගැනීම. එයට සාමාන්යයෙන් විසඳුම් එකකට වඩා ඇත (වැලමිට ඉහළට/පහළට වැනි), සමහර විට එයට විසඳුම් නැත (ළඟා විය නොහැකි ලක්ෂ්යය), සමහර විට එයට අනන්ත විසඳුම් ඇත (ඒකීයත්වය).
සංකල්පය
ආදානය
ප්රතිදානය
විසඳුම් ගණන
ඉදිරි චාලක විද්යාව
සන්ධි කෝණ
ආන්තික පිහිටීම / දිශානතිය
තනිකඩ
ප්රතිලෝම චාලක විද්යාව
ආන්තික පිහිටීම / දිශානතිය
සන්ධි කෝණ
බහු/නැත/අනන්තය
ද්වි-සන්ධි තල හස්තයක් සඳහා, ප්රතිලෝම චාලක විද්යාව AI තුළ පිහිටුවිය හැකි අතර පහත පරිදි අතින් සත්යාපනය කළ හැක:
npdef ප්රතිලෝම_kinematik_2r(x, y, L1, L2) ලෙස numpy ආයාත කරන්න: """2-ඒකාබද්ධ තල හස්තය සඳහා IK. රේඩියන වලින් කෝණ ලබා දෙයි (වැලමිට-පහළ විසඳුම).""" r2 = x**2 + y**2 # ප්රවේශ්යතා පරීක්ෂාව: වැඩබිමේ ලක්ෂ්යය ද? np.sqrt(r2) > (L1 + L2) හෝ np.sqrt(r2) < abs(L1 - L2) නම්: ValueError ("ලක්ෂ්යය ප්රවේශ විය හැකි වැඩ කරන අවකාශයෙන් පිටත වේ") cos_t2 = (r2 - L1**2 - L2**2) / (2 * L1 * L2) cospt_ (2 * L1 * L2) cospt. -1.0, 1.0) # numericalsecurity t2 = np.arccos(cos_t2) # වැලමිට පහළට t1 = np.arctan2(y, x) - np.arctan2(L2*np.sin(t2), L1 + L2*np.cos(np.cos(t.2))grees(t.2)) np.degrees(t2)# වලංගුකරණය: L1=L2=1, ඉලක්කය (1,1) -> අපේක්ෂිත t2=90 අංශක (ප්රතිලෝම_kinematik_2r(1.0, 1.0, 1.0, 1.0)) # ~ (0.0, 90.0)
මෙහි ඇති තීරනාත්මක රේඛා වන්නේ AI බොහෝ විට මඟ හරින ස්ථානයයි: ළඟාවීමේ හැකියාව පරීක්ෂා කිරීම (වැඩබිමේ ලක්ෂ්යය) සහ `np.clip` (වටකුරු දෝෂයක් හේතුවෙන් arccos ආදානය ±1 ඉක්මවා යාම වළක්වයි). මෙම ආරක්ෂණ දෙක නොමැතිව, කේතය NaN නිෂ්පාදනය කරයි හෝ අවලංගු ස්ථානයක බිඳ වැටේ.
ඉඟිය: IK විභේදනය ඉල්ලා සිටින විට, "ප්රවේශ්යතා පාලනය එක් කරන්න සහ ක්ලිප් වෙත ආර්කෝස් ආදානය සීමා කරන්න" ලෙස AI ට පැහැදිලිව කියන්න. මෙම රේඛා දෙක ක්ෂේත්රයේ වඩාත්ම හිසරදය ඇති කරන නිහඬ දෝෂයන් වළක්වයි.
ඒකාබද්ධ සීමාවන්, ඒකීයභාවය සහ බහුවිධ විසඳුම්
සැබෑ රොබෝවෙකුගේ සෑම සන්ධියකටම කෝණ පරාසයක් (උදා: -170° සිට +170° දක්වා), වේග සීමාවක් සහ ත්වරණ සීමාවක් ඇත. IK ගණිතමය වශයෙන් වලංගු කෝණයක් ලබා දුන්නද, එම කෝණය සන්ධියේ භෞතික පරාසයෙන් පිටත නම් එය භාවිතා කළ නොහැක. මීට අමතරව, රොබෝවරයා සමහර වින්යාසයන්හි ඒකීයත්වයට වැටේ: අක්ෂ දෙකක් පෙළගස්වා ඇත, නිදහසේ එක් අංශකයක් නැති වී යයි, සහ සන්ධි ප්රවේගයන් කුඩා ඉඟි චලනය සඳහා අනන්තය වෙත යාමට උත්සාහ කරයි.
HR විසඳුම පමණක් ප්රමාණවත් නොවන්නේ එබැවිනි; සෑම විසඳුමක්ම පිළිගත හැකි පෙරහනක් සමත් විය යුතුය:
def solution_gecerli_mi(acilar_deg, limits_deg): """වේදනා: [t1,t2,...], සීමාවන්: [(min,max),...]""" වේදනාව සඳහා, (amin, amax) zip(acilar_deg, limits_deg) හි: නොඑසේ නම් (amine <= වේදනාව <= amax සීමාව ඉක්මවා): {වේදනාව:.1f} deg ({amine},{amax}) හැර" ආපසු සත්ය, "OK"සීමා = [(-170, 170), (-120, 120)]මුද්රණය(cozum_valid_mi([0.0, 90.0], සීමාවන්)) # (සත්ය, 'හරි') මුද්රණය. 150.0], සීමාවන්)) # (අසත්ය, 'ඒකාබද්ධ සීමාව ඉක්මවා ඇත...')
AI හට IK හි "ගණිතමය" විසඳුම ලබා දිය හැක; නමුත් ඒකාබද්ධ සීමාවන් සහ ඒකීයත්වය මගහැරීම ඔබේ පද්ධතියට විශේෂිත වන අතර විමසුමට සන්දර්භය ලෙස ලබා දිය යුතුය.
කක්ෂ සැලසුම් කිරීම
A ලක්ෂ්යයේ සිට B ලක්ෂ්යයට රොබෝව ලබා ගැනීම කෝණ දෙකක් අතර සරල රේඛාවක් ඇඳීම නොවේ. හදිසි වේගය වෙනස් වීම යාන්ත්රික කම්පනය සහ කම්පනය ඇති කරයි. ඒ වෙනුවට, මෘදු පැතිකඩ භාවිතා කරනු ලැබේ: trapezoidal ප්රවේග පැතිකඩ (නිරන්තර ත්වරණය-ස්ථාවර වේගය-නිරන්තර අඩුවීම) හෝ S-වක්රය (සුමට, ත්වරණය ද සීමිත වේ). AI පථයක් ජනනය කරන විට, ඔබ ඉලක්කය, කාලසීමාව සහ සීමාවන් ලබා දිය යුතුය.
npdef trapez_yorunge(q0, q1, v_max, a_max, dt=0.01) ලෙස numpy ආයාත කරන්න: """තනි සන්ධියක් සඳහා Trapezoidal ප්රවේග පැතිකඩ. පිහිටුම් අරාව ආපසු ලබා දී ඇත. a_max දුර_වේගය = 0.5 * a_max * t_speed**2 නම් 2 * දුර_වේගය > දුර: # ත්රිකෝණාකාර පැතිකඩ (v_max ළඟා විය නොහැක) t_speed = np.sqrt(දුර / a_max) t_constant = 0.0 v_peaked else: 2 * දුර_වේගය) / v_max v_peak = v_max T = 2 * t_accelerate + t_constant t = np.arange(0, T, dt) # ... එක් එක් t සඳහා ස්ථාන ගණනය කිරීම (ත්වරණය/ස්ථාවර/ක්ෂනය වීමේ අවධීන් මත පදනම්ව) ආපසු t, T, v_peak, v_peak trapezoidal_trajectory(0.0, 90.0, v_max=60.0, a_max=120.0)මුද්රණය(f"මුළු කාලසීමාව: {duration:.3f} s, උපරිම වේගය: {vz:.1f} deg/s")
මෙහි තාර්කික පරීක්ෂාව මෙයයි: දුර කෙටි නම්, මෝටරය කිසි විටෙකත් v_max වෙත ළඟා නොවන අතර පැතිකඩ trapezoidal සිට ත්රිකෝණාකාර දක්වා හැරේ. AI මෙම තත්ත්වය මග හැරියහොත්, කෙටි චලනයන් සඳහා වැරදි කාලසීමාව ගණනය කරනු ලැබේ. දන්නා අගයක් සහිත කේතය පරීක්ෂා කිරීමෙන් ඔබට මෙය සත්යාපනය කළ හැකිය (උදාහරණයක් ලෙස, ඉතා කෙටි දුරක්).
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල:"රොබෝ අත A සිට B දක්වා ගෙන යන ගමන් පථයක් ලියන්න."(බාධකයක් නැත: වේග සීමාව? ත්වරණය? සන්ධි පරතරය? අන්ධ ප්රතිදානය.)STRONG:"අක්ෂ 6 රොබෝවෙකු සඳහා සන්ධි අවකාශයේ ලක්ෂ්යයට ලක්ෂ්ය ගමන් පථයක් උත්පාදනය කරන්න. එක් එක් සන්ධිය සඳහා වේග සීමාව අංශක 90/කෝණය අංශක 20 කි. trapezoidal ප්රවේග පැතිකඩක් භාවිතා කරන්න, දුර කෙටි නම්, එක් එක් සන්ධියේ ප්රතිදානය වන්නේ එය සීමාවන් ඉක්මවා නොයන බව පරීක්ෂා කරන සත්යාපන ශ්රිතයක් ද වේ.
සත්යාපනය: අනුකරණයේ සිට රොබෝ දක්වා
AI විසින් ජනනය කරන ලද ගමන් පථය රොබෝවරයා වෙත යාමට පෙර මෙම අනුපිළිවෙලෙහි සත්යාපනය කරනු ලැබේ:
- සංඛ්යාත්මක: එක් එක් පියවරෙහි සන්ධි කෝණය, වේගය සහ ත්වරණය සීමාවන් තුළ තිබේද?
- ඝට්ටනය: ගමන් පථය දිගේ, හස්තය තමා හෝ පරිසරය සමඟ ගැටෙන්නේද (හැකි නම් දෘශ්යකරණය/ අනුකරණය කරන්න)?
- Singularity: කක්ෂය ඒකීය කලාපයක් හරහා ගමන් කරයිද (Jacobian determinant ශුන්යයට ළඟා වේද)?
- මන්දගාමී දෘඪාංග පරීක්ෂණය: රොබෝව අඩු වේගයකින් (උදා: 10%) ක්රියාත්මක කර එය දෘශ්යමය වශයෙන් නිරීක්ෂණය කරන්න.
- ක්රමයෙන් වේගය වැඩි වීම: සියල්ල සත්යාපනය කළ පසු, වේගය පියවරෙන් පියවර නාමික අගයට වැඩිවේ.
අවවාදයයි: පළමු වරට නව ගමන් පථයක් සහිත රොබෝවක් ආරම්භ කරන විට, වේගය ඉක්මවා යාම සැමවිටම අඩු විය යුතු අතර E-නැවතුම් තිබිය යුතුය. AI ප්රතිදානය “ගණිතමය වශයෙන් නිවැරදි” වුවද, භෞතික සැකසුමෙහි ඕෆ්සෙට්, ප්රතිලෝම අක්ෂය හෝ කේබල් ස්නැග් අනාවරණය වන්නේ මන්දගාමී පරීක්ෂණයකින් පමණි.
කුඩා නඩුව
ස්වයංක්රීය ඉංජිනේරු Ece විසින් AI වෙතින් තේරීම් සහ ස්ථාන යෙදුමක් සඳහා ඒකාබද්ධ අවකාශයේ ගමන් මාර්ග කේතයක් ඉල්ලා සිටී. AI විසින් trapezoidal පැතිකඩක් නිපදවයි, නමුත් Ece කෙටි-දුර චලනයක් පරීක්ෂා කරන විට, කාලය සෘණ බව ඇය දකියි: කේතය v_max වෙත ළඟා විය නොහැකි ත්රිකෝණාකාර පැතිකඩ නඩුව හසුරුවා නැත. Ece මෙය නිවැරදි කරන්නේ "දුර කෙටි නම්, ත්රිකෝණාකාර පැතිකඩට වැටෙන්න" යන ප්රේරකයට පවසමිනි. පසුව එය AI විසින් ලබා දෙන සන්ධි කෝණ එහි වලංගු කිරීමේ ශ්රිතය හරහා එහිම සීමා වගුවට එරෙහිව ධාවනය කරන අතර සන්ධි 5 ට එක් අවස්ථාවක +125 ° අවශ්ය බව සොයා ගනී, නමුත් සීමාව +120 ° විය. ඔහු ගමන් පථය නැවත සැලසුම් කර එය නිරීක්ෂණය කරයි, මෙවර රොබෝව 10% වේගයෙන් ධාවනය කරයි. පළමු වටයේදී, ග්රිපර් එක මේසයට ළං වන බව ඔහු දැක Z ඕෆ්සෙට් එක නිවැරදි කරයි. AI මිනිත්තු කිහිපයකින් ක්රියාකාරී දළ සටහනක් ලබා දුන්නේය; නමුත් වෙනම වලංගු කිරීම් තුනක් (ත්රිකෝණාකාර පැතිකඩ, සන්ධි සීමාව, මන්දගාමී පරීක්ෂණය) වෙනම සැබෑ ගැටළු තුනක් අල්ලා ගත්තේය.
පොදු වැරදි
- ඒකාබද්ධ සීමාවන් සහ ප්රවේශ්යතා පාලනයකින් තොරව IK විසඳුම භාවිතා කිරීම.
- arccos/arcsin ඇතුළත් කිරීම් කපා හැරීම නොව වටකුරු දෝෂයක් ඇති විට NaN නිපදවීම.
- වේගය/ත්වරණය සීමා නොකර කක්ෂය ඉල්ලා යාන්ත්රික කම්පනය ඇති කිරීම.
- ඒකීය කලාප නොසලකා හැරීම සහ සන්ධි වේගය අහස උසට නැගීමට ඉඩ දීම.
- කෙටි දුරක් තුළ trapezoidal-ත්රිකෝණාකාර පැතිකඩ සංක්රමණය මඟ හැරීම සහ වැරදි කාලය ගණනය කිරීම.
- සම්පූර්ණ වේගයෙන් සහ E-stop ප්රවේශයකින් තොරව පළමු කක්ෂීය පරීක්ෂණය පැවැත්වීම.
සාරාංශයක් ලෙස
- Forward kinematics සතුව තනි විසඳුමක් ඇත; ප්රතිලෝම චාලක විද්යාවට බහුවිධ, නොපවතින හෝ අනන්ත විසඳුම් නිපදවිය හැක.
- IK විසඳුම් අනිවාර්යයෙන්ම ඒකාබද්ධ සීමාවන්, ප්රවේශ්යතාව සහ ඒකීයභාවය අනුව පෙරීම සිදු කෙරේ.
- ගමන් පථ සැලසුම් කිරීම; එය trapezoidal හෝ S-curve වැනි මෘදු, සීමිත-අනුකූල පැතිකඩ භාවිතා කරයි.
- කෙටි දුරකදී පැතිකඩ trapezoidal සිට ත්රිකෝණාකාර දක්වා වෙනස් වේ; මෙය කේතයේ හැසිරවිය යුතුය.
- AI ගණිතය වේගවත් කරයි; සීමාවන් සහ භෞතික ස්ථාපන සන්දර්භය විමසුමට ඇතුල් විය යුතුය.
- නව ගමන් පථය සෑම විටම අඩු වේග අනුපාතයකින් සහ ප්රවේශ විය හැකි E-නැවතුම් සහිතව පළමු වරට ධාවනය වේ.
යෙදුම් කාර්යය
(සැබෑ හෝ මනඃකල්පිත සම්බන්ධක දිග සහ සන්ධි සීමාවන් සහිත) දෙකක් හෝ තුනකින් යුත් සන්ධි ආකෘතියක් තෝරන්න. මෙම සන්දර්භය සමඟින් ප්රතිලෝම චාලක ශ්රිතයක් සහ ගමන් පථ සැලසුම්කරුවෙකු ජනනය කිරීමට AI හට සලස්වන්න. පසුව: (1) දන්නා ඉලක්කයක් සමඟින් IK ප්රතිදානය හස්තීයව සත්යාපනය කරන්න (ඔබ කෝණ ආපසු දමා FK ලෙස එකම ලක්ෂ්යයට ආපසු යනවාද), (2) අවම වශයෙන් එක් ප්රවේශ විය නොහැකි ලක්ෂ්යයක් සහ එක් සන්ධි සීමාවක් ඉක්මවීමෙන් කේතය ඒවා ග්රහණය කර ගන්නේදැයි පරීක්ෂා කරන්න, (3) කෙටි දුරකදී කක්ෂීය කාලය සාධාරණ දැයි පරීක්ෂා කරන්න. කේතයේ පළමු අනුවාදයේ ඔබ කොපමණ වලංගු කිරීමේ ගැටළු සොයා ගත්තේද සහ එක් එක් ස්ථරයට හසු වූ ස්තරය ලියන්න.