Lernen der Handhabung von Alltagsgegenständen im Kontext eines Service-Roboters

Abstract

Obwohl das Greifen von Objekten seit mehreren Jahren Gegenstand aktueller Forschung ist, stellt die Handhabung von Alltagsgegenständen auch für moderne Robotersysteme immer noch ein großes Problem dar. Dies liegt nicht zuletzt darin begründet, dass noch bis vor wenigen Jahren nur relative einfache Greifwerkzeuge für die Anbindung an einen Roboter zur Verfügung standen. Durch die zunehmende Miniaturisierung elektronischer Bauteile ist es mittlerweile möglich, Roboterhände mit einem "menschenähnlichen" Funktionsumfang zu konstruieren, die sich durch eine geringe Größe auszeichnen und sich somit in einen mobilen Roboter integrieren lassen.

Aber auch die Entwicklung von robusten und effizienten Verfahren zur Berechnung von Griffen muss noch fortgeführt werden. Es gibt zwar eine Vielzahl unterschiedlicher Ansätze, jedoch sind die bisher entwickelten Verfahren bezüglich der Objekte, mit denen sie umgehen können, sehr eingeschränkt, oder sie sind nur in der Lage, Griffe mit einer zuvor festgelegten Anzahl von Kontaktpunkten zu berechnen. Daher werden in dieser Arbeit verschiedene Verfahren für die Berechnung von Griffen umgesetzt. Die Berechnung von Griffen mittels selbstbewertendem Lernen in einer Simulationsumgebung bildet den Kern der Arbeit. Auf der Basis von selbstbewertendem Lernen wird ein Verfahren präsentiert, das Griffe mit einer beliebigen Zahl von Kontaktpunkten für beliebige Objekte generiert. Hierfür wird ein bekanntes Verfahren adaptiert und an die Anforderungen der Griffgenerierung angepasst. Es wird gezeigt, dass das Lernverfahren bei der Generierung von Griffen besser ist als ein Verfahren, das auf einer Breitensuche basiert. Die Ergebnisse der Griffberechnung mittels Simulation werden mit dem Service-Roboter evaluiert.

Auch auf dem Gebiet der Griffanalyse besteht noch Forschungsbedarf. Die meisten der Qualitätskriterien für einen Griff beruhen auf einer Analyse der Kräfte, die während des Greifvorgangs auftreten bzw. die nach einem Griff erforderlich sind, um ein Objekt festzuhalten. Dies ist leider für einen Laien, der einen Service-Roboter benutzen will, nur schwer verständlich. Zudem wird die Funktionalität des Objekts, die Objektsemantik, nicht beachtet, so dass Griffe teilweise unbrauchbar für eine gestellte Aufgabe sind. Wenn z.B. eine Tasse nicht von der Seite, sondern von oben gegriffen wird, so kann nichts mehr eingefüllt werden. Diese Eigenschaft eines Griffs wird von den bisher eingesetzten Verfahren zur Griffanalyse nicht berücksichtigt. In dieser Arbeit wird ein Verfahren entwickelt, das die Qualität eines Griffs auf der Basis der Weiterverwendbarkeit eines gegriffenen Objekts bestimmt. An verschiedenen Beispielen wird die Anwendbarkeit des Qualitätskriteriums illustriert.

Als Demonstrationsplattform für die beschriebenen Entwicklungen dient ein Service-Roboter. ieser mobile Service-Roboter ist mit einem Roboterarm und einer Roboterhand ausgestattet, die es ermöglichen soll, dass der Roboter in einer unstrukturierten Umgebung Objekte aus dem alltäglichen Leben greifen und manipulieren kann. Die Weiterentwicklung des Robotersystems, insbesondere die Anbindung einer künstlichen Hand, ist Teil dieser Arbeit.

Although object grasping has been a research topic for some years, the handling of daily objects is still a very challenging problem for modern service robots. This is partly due to the fact that until a few years ago, only simple grippers could be integrated into a robot. However, the miniaturisation of electronic devices has made it possible to build small robotic hands with a humanlike operabilty that can also be integrated into a mobile robot.

In addition to this development, robust and efficient techniques for grasp computation need to be researched as well. There are various different approaches, but the methods developed so far are very restrictive concerning the objects they can handle, or they are only able to compute grasps with a fixed number of contact points. Therefore, several new kinds of methods for grasp computation are developed in this thesis. The main focus is on the computation of grasps by reinforcement learning in a simulation. A method based on reinforcement learning which is able to compute grasps for arbitray objects with an arbitray number of contacts is presented. For this purpose, an algorithm is adapted and assimilated to fit the requirements of grasp generation. It is shown that a method based on learning is more efficient than a method based on breadth-first search. The results of the grasp computation are evaluated on a service-robot.

The topic of grasp analysis also requires further research. Most quality criteria for grasps are based on the analysis of forces occuring during a grasp procedure, or the forces needed after the procedure to maintain a firm grip on the object. These criteria are hard to understand for laymen who want to use a service robot. Furthermore, the functionality of an object, the object semantics, is not taken into account by these criteria, so that a grip might be useless for a certain task. For example, if a cup is grasped from the top and not from the side, it is impossible to fill something into the cup. This attribute is not considered by any of the methods used for grasp analysis to date. In this thesis, a method is developed for computing the quality of a grasp based on the re-usability of the object. The applicability of the method is demonstrated in different examples.

The platform used for the demonstration of the described methods is a service robot. This mobile service robot is equipped with a robot-arm and a robotic hand. This setup enables the robot to grasp and manipulate everyday objects in an unstructured environment. The enhancement of the robotic system, especially the integration of the artificial hand, is part of this thesis.