Artificial Intelligence sa Robotics at Motion Control

Mga nadagdag:

• Kakayahang mag-set up at malutas ang forward/inverse kinematics at mga problema sa pagpaplano ng trajectory sa tulong ng AI
• Kakayahang gumawa ng ligtas na orbit sa pamamagitan ng pagbibigay ng robot joint limits, bilis at acceleration constraints bilang konteksto sa prompt
• Kakayahang i-verify ayon sa numero at pisikal ang kinematic at trajectory na output na ginawa ng AI

Dinadala ang gripper sa dulo ng braso ng robot sa isang tiyak na punto sa espasyo, sa isang tiyak na oryentasyon; Mukhang simple, ngunit may mga kinematic equation, joint limit, singularities at trajectory planning sa likod nito. Dito, ang mechatronics engineer ay gumagamit ng trigonometry, linear algebra at control theory nang magkasama. Ang artificial intelligence ay isang malakas na tulong sa prosesong ito: maaari itong magtatag ng mga forward kinematics equation, magmungkahi ng mga diskarte sa solusyon para sa inverse kinematics, mag-parameter ng isang trajectory ayon sa mga hadlang sa bilis/pagpabilis. Gayunpaman, ang robotics ay isa sa mga lugar sa mechatronics na may pinakamataas na pisikal na panganib; Kung ang isang pagkakasunud-sunod ng anggulo na nabuo ng AI ay ipinadala sa robot nang walang pag-verify, maaaring tumama ang braso sa sarili nito, sa kapaligiran, o sa operator. Sa unit na ito makikita natin kung paano i-set up at i-verify ang kinematics at trajectory planning gamit ang AI.

Forward at Inverse Kinematics

Forward kinematics (FK): Paghahanap ng posisyon at oryentasyon ng end-effector kung alam ang magkasanib na anggulo. Isa lang ang solusyon, ito ay direkta.

Inverse kinematics (IK): Kung alam ang gustong posisyon ng end function, hanapin ang magkasanib na mga anggulo na magbibigay nito. Ito ay karaniwang may higit sa isang solusyon (tulad ng siko pataas/pababa), minsan wala itong mga solusyon (unreachable point), minsan ito ay may mga walang katapusang solusyon (singularity).

konsepto

input

output

Bilang ng mga solusyon

Pasulong na kinematics

magkasanib na mga anggulo

Matinding posisyon/orientasyon

walang asawa

Inverse kinematics

Matinding posisyon/orientasyon

magkasanib na mga anggulo

Maramihan/wala/walang hanggan

Para sa dalawang magkasanib na planar arm, maaaring i-set up ang inverse kinematics sa AI at manu-manong i-verify tulad ng sumusunod:

import numpy bilang npdef inverse_kinematik_2r(x, y, L1, L2): """ IK para sa 2-joint planar arm. Ibinabalik ang mga anggulo sa radians (elbow-down solution).""" r2 = x**2 + y**2 # Pagsusuri ng accessibility: nasa workspace ba ang punto? kung np.sqrt(r2) > (L1 + L2) o np.sqrt(r2) < abs(L1 - L2): itaas ang ValueError("Ang punto ay nasa labas ng naa-access na working space") cos_t2 = (r2 - L1**2 - L2**2) / (2 * L1 * L2) cos_t2 = #pt.clip(cos._) numericalsecurity t2 = np.arccos(cos_t2) # elbow down t1 = np.arctan2(y, x) - np.arctan2(L2*np.sin(t2), L1 + L2*np.cos(t2)) return np.degrees(t1), np.degrees(t1)= Target t2=90 degreesprint(inverse_kinematik_2r(1.0, 1.0, 1.0, 1.0)) # ~ (0.0, 90.0)

Ang mga kritikal na linya dito ay kung saan madalas lumaktaw ang AI: reachability check (ay ang punto sa workspace) at `np.clip` (pinipigilan ang arccos input na lumampas sa ±1 dahil sa rounding error). Kung wala ang dalawang proteksyong ito, gagawa ang code ng NaN o mag-crash sa isang di-wastong punto.

Tip: Kapag humihingi ng resolusyon ng IK, malinaw na sabihin sa AI na "magdagdag ng kontrol sa accessibility at limitahan ang input ng arccos sa clip". Pinipigilan ng dalawang linyang ito ang mga silent error na nagdudulot ng pinakamaraming pananakit ng ulo sa field.

Mga Pinagsanib na Limitasyon, Katangian at Maramihang Solusyon

Ang bawat joint ng isang tunay na robot ay may angle range (hal. -170° hanggang +170°), isang speed limit, at isang acceleration limit. Kahit na ang IK ay nagbibigay ng mathematically valid na angle, hindi ito magagamit kung ang angle na iyon ay nasa labas ng physical range ng joint. Bukod pa rito, ang robot ay nahuhulog sa singularity sa ilang mga configuration: dalawang axes ang nakahanay, isang antas ng kalayaan ang nawala, at ang magkasanib na bilis ay sumusubok na pumunta sa infinity para sa isang maliit na paggalaw ng tip.

Kaya naman hindi sapat ang solusyon sa HR lamang; Ang bawat solusyon ay dapat pumasa sa isang filter na katanggap-tanggap:

def solution_gecerli_mi(acilar_deg, limits_deg): """ pains: [t1,t2,...], limits: [(min,max),...]""" for pain, (amin, amax) sa zip(acilar_deg, limits_deg): kung hindi (amine <= pain <= amax): return False. ({amine},{amax}) maliban sa" return True, "OK"limits = [(-170, 170), (-120, 120)]print(cozum_valid_mi([0.0, 90.0], limits)) # (True, 'OK')print(cozum_valid_mi(1. 'Lumampas sa pinagsamang limitasyon...')

Maaaring ibigay ng AI ang "mathematical" na solusyon ng IK; ngunit ang mga magkasanib na limitasyon at pag-iwas sa singularity ay partikular sa iyong system at dapat ibigay bilang konteksto sa prompt.

Pagpaplano ng Orbit

Ang pagkuha ng robot mula sa punto A hanggang sa punto B ay hindi tungkol sa pagguhit ng isang tuwid na linya sa pagitan ng dalawang anggulo. Ang biglaang pagbabago ng bilis ay lumilikha ng mekanikal na shock at vibration. Sa halip, ang mga malambot na profile ay ginagamit: trapezoidal velocity profile (patuloy na acceleration–constant speed–constant deceleration) o S-curve (smoother, kung saan ang acceleration ay limitado rin). Kapag ginagawa ang AI na bumuo ng isang tilapon, dapat mong ibigay ang target, tagal at mga hadlang.

import numpy bilang npdef trapez_yorunge(q0, q1, v_max, a_max, dt=0.01): """Trapezoidal velocity profile para sa isang joint. Ibinalik ang position array.""" distance = abs(q1 - q0) direksyon = np.sign(q1 - q0) t_speed = v_max / a_0max distance_ *** distance_speed > distance: # triangular profile (v_max not reachable) t_speed = np.sqrt(distansya / a_max) t_constant = 0.0 v_peak = a_max * t_speed else: t_constant = (distansya - 2 * distance_speed) / v_max v_peak = v_max T = 2 = t_acscelerate, np. dt) # ... pagkalkula ng posisyon para sa bawat t (batay sa mga phase ng acceleration/constant/deceleration) return t, T, v_peak, tagal, vz = trapezoidal_trajectory(0.0, 90.0, v_max=60.0, a_max=120.0)print(f"Kabuuang tagal,f.f: s: {} tagal ng peak: {} } . deg/s")

Ang logic check dito ay ito: kung ang distansya ay maikli, ang motor ay hindi makakarating sa v_max at ang profile ay liliko mula trapezoidal patungo sa tatsulok. Kung napalampas ng AI ang kundisyong ito, ang maling tagal ay kakalkulahin para sa mga maikling paggalaw. Maaari mong i-verify ito sa pamamagitan ng pagsubok sa code na may alam na halaga (halimbawa, isang napakaikling distansya).

Mahina Prompt / Malakas na Prompt

MAHINA:"Magsulat ng trajectory na kumukuha ng robot arm mula A hanggang B."(Walang hadlang: speed limit? acceleration? joint spacing? Blind output.) MALAKAS:"Bumuo ng point-to-point na trajectory sa magkasanib na espasyo para sa isang 6-axis na robot. Ang speed limit para sa bawat joint ay 90 deg/s, ang acceleration limit/angs ay 180 na ibinigay. trapezoidal velocity profile, kung ang distansya ay maikli, mahulog sa isang triangular na profile.

Pag-verify: Mula sa Simulation hanggang Robot

Ang trajectory na nabuo ng AI ay na-verify sa pagkakasunud-sunod na ito bago pumunta sa robot:

1. Numerical: Nasa mga limitasyon ba ang magkasanib na anggulo, bilis at acceleration ng bawat hakbang?
2. Pagbangga: Sa kahabaan ng trajectory, nabangga ba ng braso ang sarili nito o ang kapaligiran (i-visualize/simulate kung maaari)?
3. Singularity: Ang orbit ba ay dumadaan sa isang rehiyon ng singularity (ang Jacobian determinant ba ay lumalapit sa zero)?
4. Mabagal na pagsubok sa hardware: Patakbuhin ang robot sa mababang bilis (hal. 10%) at biswal na subaybayan ito.
5. Unti-unting pagtaas ng bilis: Kapag na-verify na ang lahat, tataas ang bilis nang hakbang-hakbang sa nominal na halaga.

Pag-iingat: Kapag nagsimula ang isang robot gamit ang isang bagong trajectory sa unang pagkakataon, ang speed override ay dapat palaging mababa at ang E-stop ay dapat na available. Kahit na "mathematically correct" ang output ng AI, ang isang offset, reverse axis, o cable snag sa pisikal na setup ay ipapakita lamang sa mabagal na pagsubok.

Mini Case

Ang automation engineer na si Ece ay humihingi sa AI ng isang trajectory code sa magkasanib na espasyo para sa isang pick-and-place application. Gumagawa ang AI ng isang trapezoidal na profile, ngunit nang sumubok si Ece ng isang short-distance na paglipat, nakita niya na negatibo ang oras: hindi nahawakan ng code ang triangular na profile case kung saan hindi maabot ang v_max. Itinatama ito ni Ece sa pamamagitan ng pagsasabi sa prompt na "kung maikli ang distansya, mahulog sa triangular na profile". Pagkatapos ay pinapatakbo nito ang magkasanib na mga anggulo na ibinigay ng AI sa pamamagitan ng pagpapaandar nito sa pagpapatunay laban sa sarili nitong talahanayan ng limitasyon at nalaman na nais ng joint 5 na +125° sa isang punto, samantalang ang limitasyon ay +120°. Pinaplano niya muli ang trajectory at sinusubaybayan ito, sa pagkakataong ito ay pinapatakbo ang robot sa 10% na bilis. Sa unang round, nakita niya na ang gripper ay nagiging masyadong malapit sa mesa at itinatama ang Z offset. Nagbalik ang AI ng isang gumaganang outline sa ilang minuto; ngunit tatlong magkahiwalay na pagpapatunay (tatsulok na profile, magkasanib na limitasyon, mabagal na pagsubok) ay nakakuha ng tatlong magkahiwalay na tunay na problema.

Mga Karaniwang Pagkakamali

• Paggamit ng IK solution na walang pinagsamang limitasyon at kontrol sa accessibility.
• Hindi pinuputol ang mga entry ng arccos/arcsin ngunit gumagawa ng NaN kung sakaling magkaroon ng error sa pag-round.
• Paghiling ng orbit nang hindi nililimitahan ang bilis/pagpabilis at lumilikha ng mekanikal na shock.
• Hindi pinapansin ang mga singularity zone at hayaan ang magkasanib na bilis na tumaas.
• Nilaktawan ang trapezoidal-triangular na paglipat ng profile sa isang maikling distansya at pagkalkula ng maling oras.
• Pagsasagawa ng unang orbital test sa buong bilis at walang E-stop access.

Sa buod

• Ang forward kinematics ay may iisang solusyon; Ang inverse kinematics ay maaaring makagawa ng maramihan, wala o walang katapusan na mga solusyon.
• Ang mga solusyon sa IK ay kinakailangang na-filter sa mga tuntunin ng magkasanib na mga limitasyon, pagiging naa-access at pagiging isa.
• Pagpaplano ng tilapon; Gumagamit ito ng malambot, mga profile na katugma sa limitasyon tulad ng trapezoidal o S-curve.
• Sa maikling distansya ang profile ay nagbabago mula sa trapezoidal hanggang sa tatsulok; ito ay dapat hawakan sa code.
• Pinapabilis ng AI ang matematika; Ang mga limitasyon at konteksto ng pisikal na pag-install ay dapat pumasok sa prompt.
• Ang bagong trajectory ay palaging tumatakbo sa unang pagkakataon na may mababang bilis ng ratio at naa-access na E-stop.

Gawain ng aplikasyon

Pumili ng dalawa o tatlong magkasanib na modelo ng braso (na may tunay o haka-haka na mga haba ng link at magkasanib na mga limitasyon). Hayaang bumuo ang AI ng isang inverse kinematics function at isang trajectory planner na may ganitong konteksto. Pagkatapos: (1) manu-manong i-verify ang output ng IK na may kilalang target (ibinabalik mo ba ang mga anggulo at ibabalik sa parehong punto ng FK), (2) subukan na nakukuha ng code ang mga ito sa pamamagitan ng pagbibigay ng hindi bababa sa isang hindi naa-access na punto at isang magkasanib na limitasyon na lampas sa target, (3) suriin na sa maikling distansya ay nagiging makatwiran ang oras ng orbital. Isulat kung gaano karaming mga isyu sa pagpapatunay ang nakita mo sa unang bersyon ng code at kung aling layer ang nakakuha ng bawat isa.