[論文レビュー] Design, Modeling, and Redundancy Resolution of Soft Robot for Effective Harvesting

Milad Azizkhani, Anthony L. Gunderman+4 more|arXiv (Cornell University)|Mar 15, 2023

Soft Robotics and Applications被引用数 5

ひとこと要約

本稿では、気圧駆動で、ケーブル駆動のグリッパーを備えた運動学的冗長性を持つソフトロボットアームを提案する。視覚フィードバックを用いたリアルタイムでゲインスケジューリングされた冗長性解消アルゴリズムにより、初期配置で0.64±0.27 mm（位置）、1.08±1.5°（姿勢）のサブミリメートルの精度を達成し、微調整段階で0.75±0.36 mmの精度を示した。15個のブラックベリーを収穫した現地試験では100%の成功率を達成した。

ABSTRACT

Blackberry harvesting is a labor-intensive and costly process, consuming up to 50\% of the total annual crop hours. This paper presents a solution for robotic harvesting through the design, manufacturing, integration, and control of a pneumatically actuated, kinematically redundant soft arm with a tendon-driven soft robotic gripper. The hardware design is optimized for durability and modularity for practical use. The harvesting process is divided into four stages: initial placement, fine positioning, grasp, and move back to home position. For initial placement, we propose a real-time, continuous gain-scheduled redundancy resolution algorithm for simultaneous position and orientation control with joint-limit avoidance. The algorithm relies solely on visual feedback from an eye-to-hand camera and achieved a position and orientation tracking error of $0.64\pm{0.27}$ mm and $1.08\pm{1.5}^{\circ}$, respectively, in benchtop settings. Following accurate initial placement of the robotic arm, fine positioning is achieved using a combination of eye-in-hand and eye-to-hand visual feedback, reaching an accuracy of $0.75\pm{0.36}$ mm. The system's hardware, feedback framework, and control methods are thoroughly validated through benchtop and field tests, confirming feasibility for practical applications.

研究の動機と目的

• 手作業によるブラックベリー収穫における高コストと損傷リスクを低減するため、ソフトロボットの代替手段を開発すること。
• 非線形的で連続的かつ不確実な動的特性を有するソフトロボットアームを制御する課題を克服すること。
• 視覚フィードバックと冗長性解消を用いて、ソフトロボットアームの位置と姿勢を同時に高精度で制御すること。
• 実用的な農業用途に適した、モジュラー構造で耐久性があり、現地で運用可能なロボットプラットフォームを開発すること。
• 実験室および現実の農業環境での両方の条件下でシステムを検証し、自動化されたベリー収穫の実現可能性を示すこと。

提案手法

• 現地での使用に耐えるモジュラーで耐久性のある部品を備えた、気圧駆動で運動学的冗長性を持つソフトロボットアームを設計する。
• 繊細なドライプルーツを損傷させない安全で器用な果実摑みを実現するため、ケーブル駆動のソフトグリッパーを統合する。
• 関節制限の回避を併せ持つリアルタイムで連続的なゲインスケジューリングされた冗長性解消アルゴリズムを実装し、位置と姿勢の制御を分離する。
• 初期配置段階と微調整段階の両方で閉ループ制御を可能にするために、アイツハンドおよびアイインハンドの視覚フィードバックを用いる。
• 初期配置と微調整の間の遷移を管理する高レベルのワークフローを適用し、安定したタスク実行を確保する。
• パrameter最適化を用いて冗長性解消アルゴリズムをキャリブレーションおよびチューニングし、安定的で再現可能かつ連続的な動作を保証する。

実験結果

リサーチクエスチョン

• RQ1 運動学的冗長性を持つソフトロボットアームが、視覚フィードバックのみを用いて、位置と姿勢を同時に高精度で制御できるか。
• RQ2 リアルタイム制約下において、ゲインスケジューリングされた冗長性解消アルゴリズムが関節制限の回避と追従精度をどの程度維持できるか。
• RQ3 アイツハンドおよびアイインハンドのフィードバックを組み合わせた視覚サーボ制御は、ソフトロボット収穫システムにおける微調整段階の精度をどの程度向上できるか。
• RQ4 提案されたソフトロボットプラットフォームは、現実の農業環境で信頼性のある収穫性能を発揮できるか。
• RQ5 現地条件下における位置、姿勢、および摑み成功の観点から、システムの主な性能指標は何か。

主な発見

• 提案された冗長性解消アルゴリズムは、視覚フィードバックのみを用いたベンチトップ実験で、位置追従誤差が0.64±0.27 mm、姿勢誤差が1.08±1.5°を達成した。
• アイインハンドとアイツハンドの視覚フィードバックを統合した微調整では、10個のテストターゲットで平均誤差0.75±0.36 mmを達成した。
• 現地試験で15個のブラックベリーを収穫したが、100%の成功率を示した。これは現実の環境下での実現可能性を示している。
• 収穫作業中、ベリーに損傷が生じたり、機械的故障が観察されなかった。安定的かつ一貫性のある性能を維持した。
• 視覚フィードバックと冗長性解消の統合により、ソフトロボットの非線形性や不確実性が存在する中でも、正確な初期配置が可能になった。
• プラットフォームのモジュラーで耐久性のある設計により、非構造的な農業環境での実用的導入が可能になった。