Robots Robots InteligentesInteligentes

Grupo de Investigación en Mecatrónica y Sistemas Inteligentes de Manufactura (GIMSIM)

CIATEQ, A.C. Centro de Tecnología Avanzada

Ismael López JuárezIsmael López Juárez

1er Congreso Nacional de Mecatrónica

Nov 08, 2002.

Percepción Sensorial

GUSTO

TACTO

OIDO

OLFATO

VISTA

Percepción Sensorial (Cont.)

HumanoidesMascotas

MóvilIndustriales

Vista

Sistema Estereoscopico Reconocimiento invariante de objectos

Tacto

Manos articuladas Sensores de F/T

Olfato

Gusto

Lengua Electrónica

Oido

Procesamiento de Voz

Entendimiento de Lenguaje

Inteligencia

Sensores

•Microfono

•Sensor de gas

•Camara

•Sensor Fuerza

•Sensor de Sabor -15

-10

-5

0

5

10

15

1 9 17 25 33 41 49 57 65 73 81 89 97 105 113 121 129 137 145 153 161

time(1 div = 60ms)

mo

me

nt(

lb-i

n)

Procesamiento de Señal

Extracción/Clasificación de características

?

SoftComputing:

Redes Neuronales

Lógica Difusa

Algoritmos Genéticos,

etc.

Aplicaciones

•Robots

•Industría Vinicola

•Industria Alimenticia

•Medicina, detección de carcinomas

•Ensamble Inteligente

•Monitoreo de condición de herramienta en máquinas CNC

•Detección de fallas en herramienta

•Reconocimiento de objetos

•Recolección de frutos

•Inseminación Artificial

•Sistema Inteligente de Manufactura (SIM)

...

Reconocimiento de Voz e Imagen

Celda Inteligente de Manufactura

Toma de componente

Transporte

Ensamble

OBJETIVO

Desarrollar Robots Auto-Adaptables con capacidad de aprendizaje en línea, cuya destreza y velocidad de ensamble

mejore con su experiencia

ORIGINALIDAD

- Ubicación de los componentes desconocido

- Limitada Información de Orientación

- Descubrimiento de Conocimiento para partes Simétricas y No Simétricas.

- Empleo de Fuzzy ARTMAP como Red Neuronal Artificial (RNA) con Conocimiento

Ensamble Mecánico Inteligente

Ensamble Mecánico

F/T sensor

F/T reading

Training

Terminalemulator

RobotController

ex ALTER

HOSTP100

Com1

Com2

ALTERProcessing

486PCCom2

SLAVE

Arquitectura 1

Arquitectura 2

Ensamble Mecanico “Peg-in-hole”

Mz

MyMx

Fz

FyFx

-15

-10

-5

0

5

10

15

1 9 17 25 33 41 49 57 65 73 81 89 97 105 113 121 129 137 145 153 161

time(1 div = 60ms)

mo

men

t(lb

-in)

Mx

My

Mz

Rest

Insertion Withdrawal

Ensamble Rectangular

Temporal patterns

Teoría de Resonancia Adaptable (ART)

RápidaProcesamiento Tiempo-RealTipicamente 1 epoch, β = 1

IncrementalAdecuada para Aprendizajeen Línea

Redes ARTMAP utilizan aprendizaje supervisado y nosupervisado.

Aprendizaje

ATTENTIONALSUBSYSTEM

ORIENTINGSUBSYSTEM

INPUT PATTERN

Gain control

Gain control

STMreset wave

STM F 2

STM F 1

+

+

+

+

+ +

+

++

_

_ LTMLTM

A

Modulo ART

MAP-FIELD

ARTa

ARTb

MatchTracking

Map-field orientingsystem

Map-field gaincontrol

_

_

_

b (training)

a (input)

ARTMAP

Knowledge Base

AutomatedMotion

Pattern-MotionSelection

NNC

Fuzzy ARTMAP X’

RoboticSystem

F/T sensor

LearningInputs

SW2SW1

Estructura del Sistema

Proceso de Entrenamiento (PKB)

X+ Y+X- Y- Z+Z-

Ry+Ry-Rx+Rx-

(a) (b) (c)

(d) (e) (f)

Rz+

Rz-

Aprendizaje RecuerdoRecuperación

de Error

0 0.1Fantes Fantes FlimiteFuerzas deContacto

Fdespues < 0.1*Fantes ; No incluye eje Z

donde:

F =√ fx2+fy2+fz2+mx2+my2+mz2

Condiciones de Aprendizaje

RoboticAssemblyController

F/T dataacquisition?

2: PKBFormation

Yes

3: NNCProcessing

END

No

Anotherinsertion?

No

1: Settings

Yes

NNCProcessing

FAM Train & Test using PKB

Fafter< 0.1*Fbefore?

Automated Motion

PredictedZ+ or Z- ?

Fi > Flimit ?

EnhanceKnowledge

EKB

FAM TrainEKB

ErrorRecovery

Yes

No

END

end-condition?

FAM TestEKB

Yes

SETTINGS

No

No

No

Yes

Yes

Componentes de Ensamble

Chamfered female blocks

Chamferless female blocks

Radiused-Square Circular Square

15

25

1515

2512.5R 0

Units in mm

Offset (δx,δy,δRz) New Alignment Total Process.

(mm,mm,o) Patterns Motions Motions time (s)1 (-0.8, -0.4, 0.0) ON 3 8 58 5.17 OK X+,X-,Y- 9.42 " " 2 8 58 5.23 OK X+,Y- A.13 " " 0 4 54 4.70 OK A.24 " " 1 4 54 5.00 OK X+ A.35 " " 1 6 56 4.94 OK X+ A.46 " " 2 6 56 5.18 OK X+, Y- A.57 " " 1 6 58 4.93 OK X+ A.68 " " 1 6 56 5.09 OK X+ A.79 " " 1 6 56 4.84 OK X+ A.8

10 (-2.5, -2.5, 0.0) ON 1 14 64 5.47 A.911 " " 0 13 63 5.44 OK A.1012 " " 0 16 66 5.60 OK A.1113 " " 0 14 64 5.42 OK A.1214 " " 0 13 63 5.49 OK A.1315 " OFF 0 25 85 7.35 9.516 " " 0 24 84 7.27 9.6

Circular Chamfered Peg Insertion

FigureInsertion Comments

Incl.Rx- Y+

Z+(15) Ry-(3)Z+(14) Ry-(3)

Learning

Resultados

STEPS

X+X-

Y+Y-Z+Z-

Rx+Rx-Ry+Ry-Rz+Rz-

Mo

tion

Dir

ectio

n

Circular Chamfered Peg InsertionOffset(mm): x = -2.5, y = -2.5

1 11 21 31 41 51 61

-3

-2.5

-2

-1.5

-1

-0.5

0

0.5

1

1.5

1 11 21 31 41 51 61

mo

men

t (l

b•i

n)

mxmymz

-3

-2

-1

0

1

2

3

1 11 21 31 41 51 61

forc

e (l

b)

fxfyfz

STEPS

Mo

tio

n D

irec

tio

n

Circular Chamfered Peg InsertionOffset(mm): X = -2.5, Y = -2.5

LEARNING INHIBITED

1 11 21 31 41 51 61 71

X+X-

Y+Y-Z+Z-

Rx+Rx-Ry+Ry-Rz+Rz-

-3

-2.5

-2

-1.5

-1

-0.5

0

0.5

1

1 11 21 31 41 51 61 71m

om

ent

(lb

•in

)

mxmymz

-2

-1

0

1

2

3

4

5

1 11 21 31 41 51 61 71

forc

e (l

b)

fxfyfz

14th insertion 15th insertion

Offset (δx,δy,δRz) New Alignment Total Process.

(mm,mm,o) Patterns Motions Motions time (s)

1 (0.0, 0.0 -1.0) START 2 30 80 7.49 OK, X+, Y- A.202 " ON 2 21 71 6.51 OK, X+(2) A.213 " ON 2 35 85 7.93 OK, Rz+, Y- A.224 " ON 0 24 74 7.01 OK, A.235 " ON 2 25 75 7.11 OK, Y+, Rz+ A.246 " ON 0 25 75 7.20 OK, A.257 " ON 1 15 65 5.93 OK, X+ A.268 " ON 0 27 77 7.04 OK, A.279 " ON 0 24 74 7.00 OK, A.28

10 (-1.06, 0.0, -1.0) ON 1 32 82 7.81 OK, Rz+ A.2911 " ON 0 33 83 7.37 OK, A.3012 " ON 1 51 101 9.17 OK, Rz+ A.3113 " START 2 42 92 8.43 OK, X+, Y- A.3214 " ON 2 49 99 8.77 OK, X+, Y- A.33

15 " ON 4 44 94 8.91 OK, X+(2), Y-(2) A.3416 " ON 0 40 90 7.97 OK, A.3517 " ON 1 44 94 8.63 OK, Rz+ A.3618 " ON 0 40 90 8.38 OK, A.3719 " ON 0 34 84 7.93 OK, A.3820 (-1.06, 0.0, -1.0) START 3 24 74 7.26 OK, X+, Y-(2) A.3921 " ON 2 38 88 8.84 OK, Y-, Rz+ A.4022 (1.1, 0.0, -3.4) ON 2 55 105 10.61 OK, X+, X- A.4123 " START 4 46 96 10.12 OK, X+(3), X- A.4224 " ON 2 55 105 12.91 OK, X-, Rz+ A.4325 " ON 2 54 104 10.71 OK, Y-, Rz+ A.44

Square Chamfered Peg Insertion

Learning

Radiused-Square Chamfered Peg Insertion

Insertion Comments Figure

Resultados (Cont.)

STEPS

Radiused-Square Chamfered Peg InsertionOffset: Rz = -1o

-4

-2

0

2

4

6

8

10

12

1 11 21 31 41 51 61 71

mo

men

t (l

b•i

n)

mxmymz

-4

-2

0

2

4

6

8

10

12

14

1 11 21 31 41 51 61 71

forc

e (l

b)

fxfyfz

1 11 21 31 41 51 61 71

X+X-Y+Y-Z+Z-

Rx+Rx-Ry+Ry-Rz+Rz-

Mo

tio

n D

irec

tio

n

STEPS

Radiused-Square Chamfered Peg InsertionOffset: Rz = -1o

-2

-1.5

-1

-0.5

0

0.5

1

1.5

2

2.5

1 11 21 31 41 51 61 71m

om

ent

(lb

•in

)

mxmymz

-2

-1

0

1

2

3

4

1 11 21 31 41 51 61 71

forc

e (l

b)

fxfyfz

X+X-

Y+Y-Z+Z-

Rx+Rx-Ry+Ry-Rz+Rz-

Mo

tio

n D

irec

tio

n

1 11 21 31 41 51 61 71

1st insertion 9th insertion

Ejemplo de ensamble: Autopartes

Conclusiones

• Diseño de una Arquitectuira de Aprendizaje para ensamblemecánico

• Aprendizaje incremental en línea

• Modelo probado con manipulador industrial

• Descubrimiento de Conocimiento para diferentes componentes

• Destreza demostrada al evitar atoramientos

• Velocidad de ensamble mejora con la experiencia

Direcciones de Trabajo Futuro

• Determinación Autómatica de la Base de Conocimiento Inicial

• Desarrollo de un Planificador de Ensamble Mecánico

• Desarrollo de una Arquitectura Multimodal ARTMAP

• Integración de la Celda Inteligente de Manufactura