본 논문에서는 적응형 CPG(Central Pattern Generator)기반의 제어기를 제안하여 이족 보행로봇의 안정화 걸음새 개선을 연구하였다. 인체의 신경과 근육 그리고 골격시스템의 효율적인 상관관계를 구동 알고리즘의 기본 형태로 하는 신경망 발진기(neuron oscillator)의 관절제어에 있어서, 구동시 임의의 외란에 따른 적절한 자율운동의 구현으로 나타나는 ...
본 논문에서는 적응형 CPG(Central Pattern Generator)기반의 제어기를 제안하여 이족 보행로봇의 안정화 걸음새 개선을 연구하였다. 인체의 신경과 근육 그리고 골격시스템의 효율적인 상관관계를 구동 알고리즘의 기본 형태로 하는 신경망 발진기(neuron oscillator)의 관절제어에 있어서, 구동시 임의의 외란에 따른 적절한 자율운동의 구현으로 나타나는 CPG 제어기의 활용도는 우수하다고 볼 수 있다. 그러나 이에 요구되는 수많은 관계 파라미터들의 설정과 그에 따른 관계정립은 보행 걸음새의 완벽한 추종에 수많은 반복계산과 긴 연산시간을 요구하게 된다.
제안된 새로운 CPG 제어기는 이와 같은 수많은 관계 파라미터들 중에서 보행로봇의 구동 자체로서 좀 더 실질적이고 바로 습득 가능한 파라미터들을 결정하여 구동별 새로운 파라미터로서 입력되어 계산하는 시스템 처리 성능 및 속도면의 우월성을 가져다준다.
보행로봇의 중요한 요소 중 하나는 안정한 보행이다. 보행로봇이 넘어지지 않기 위해서는 무게중심(CoM: center of mass)과 중심압력(CoP: center of pressure) 또는 ZMP(Zero Moment Point)에 어울리는 보행패턴의 생성이 필요하다.
걸음새 안정화 모델링 및 알고리즘을 구하기 위해 먼저 이족 보행로봇의 복잡한 멀티링크를 3개의 링크와 3개의 무게(mass)를 가진 부분으로 단순화 시켰다. 연후에
Newton-Euler의 운동방정식을 이용하여 각 관절에 발생하는 토크를 산출함으로서 단순화한 다리 관절간의 링크제어를 구현하였다. 단순링크화시킨 보행로봇의 무게중심의 변화추이를 확인하고, 로봇이 올바른 보행을 하는지 로드셀을 사용하여 확인하였다. 그리고 ZMP 안정식을 적용하여 ZMP 궤적을 확인하고, 보다 안정한 걸음새 확보를 위해 이족 보행로봇에 보행궤적의 영역법을 사용한 틸팅기법(tiltingalgorithm)을 사용하여 틸팅 전, 후의 보행 ZMP 위치와 로봇보행시 생기는 무게변화추이를 서로 비교하여 안정한 걸음새를 유지하는 틸팅작업을 더불어 수행하였다.
각 링크에 역전파(backpropagation) 알고리즘을 기본으로 하는 신경망 학습방법을 가지고 보행의 가능성 유무를 학습시키고 안정한 보행의 확인을 수행한 후 다음, 피드포워드 파라미터를 활용한 CPG 제어기를 통한 계산값과 이전의 틸팅 전과 후의 데이터와 비교하였다.
마지막으로 보행로봇의 구동시 실시간 취할 수 있는 다양한 관절 파라미터 중에서 실질적으로 습득 가능한 관절 속도와 관절각 그리고 무게중심의 파라미터들을 피드백 투입하는 적응형 CPG 제어기를 구현하여 틸팅전후와 기존 CPG 제어기와의 데이터를 비교하였다.
본 논문에서는 적응형 CPG(Central Pattern Generator)기반의 제어기를 제안하여 이족 보행로봇의 안정화 걸음새 개선을 연구하였다. 인체의 신경과 근육 그리고 골격시스템의 효율적인 상관관계를 구동 알고리즘의 기본 형태로 하는 신경망 발진기(neuron oscillator)의 관절제어에 있어서, 구동시 임의의 외란에 따른 적절한 자율운동의 구현으로 나타나는 CPG 제어기의 활용도는 우수하다고 볼 수 있다. 그러나 이에 요구되는 수많은 관계 파라미터들의 설정과 그에 따른 관계정립은 보행 걸음새의 완벽한 추종에 수많은 반복계산과 긴 연산시간을 요구하게 된다.
제안된 새로운 CPG 제어기는 이와 같은 수많은 관계 파라미터들 중에서 보행로봇의 구동 자체로서 좀 더 실질적이고 바로 습득 가능한 파라미터들을 결정하여 구동별 새로운 파라미터로서 입력되어 계산하는 시스템 처리 성능 및 속도면의 우월성을 가져다준다.
보행로봇의 중요한 요소 중 하나는 안정한 보행이다. 보행로봇이 넘어지지 않기 위해서는 무게중심(CoM: center of mass)과 중심압력(CoP: center of pressure) 또는 ZMP(Zero Moment Point)에 어울리는 보행패턴의 생성이 필요하다.
걸음새 안정화 모델링 및 알고리즘을 구하기 위해 먼저 이족 보행로봇의 복잡한 멀티링크를 3개의 링크와 3개의 무게(mass)를 가진 부분으로 단순화 시켰다. 연후에
Newton-Euler의 운동방정식을 이용하여 각 관절에 발생하는 토크를 산출함으로서 단순화한 다리 관절간의 링크제어를 구현하였다. 단순링크화시킨 보행로봇의 무게중심의 변화추이를 확인하고, 로봇이 올바른 보행을 하는지 로드셀을 사용하여 확인하였다. 그리고 ZMP 안정식을 적용하여 ZMP 궤적을 확인하고, 보다 안정한 걸음새 확보를 위해 이족 보행로봇에 보행궤적의 영역법을 사용한 틸팅기법(tilting algorithm)을 사용하여 틸팅 전, 후의 보행 ZMP 위치와 로봇보행시 생기는 무게변화추이를 서로 비교하여 안정한 걸음새를 유지하는 틸팅작업을 더불어 수행하였다.
각 링크에 역전파(backpropagation) 알고리즘을 기본으로 하는 신경망 학습방법을 가지고 보행의 가능성 유무를 학습시키고 안정한 보행의 확인을 수행한 후 다음, 피드포워드 파라미터를 활용한 CPG 제어기를 통한 계산값과 이전의 틸팅 전과 후의 데이터와 비교하였다.
마지막으로 보행로봇의 구동시 실시간 취할 수 있는 다양한 관절 파라미터 중에서 실질적으로 습득 가능한 관절 속도와 관절각 그리고 무게중심의 파라미터들을 피드백 투입하는 적응형 CPG 제어기를 구현하여 틸팅전후와 기존 CPG 제어기와의 데이터를 비교하였다.
This paper proposes a controller that is based on adaptive CPG (Central Pattern Generator) and studies an improving method of gait stabilization for a biped walking robot. Because CPG controller results in proper self-regulation exercise against random disturbances when it is applied, usability of C...
This paper proposes a controller that is based on adaptive CPG (Central Pattern Generator) and studies an improving method of gait stabilization for a biped walking robot. Because CPG controller results in proper self-regulation exercise against random disturbances when it is applied, usability of CPG is to be excellent in neural network oscillator control(neuron oscillator) for human joint that uses efficient relationship among human neuron, muscle and muscular skeleton system as a basic driving algorithm. But, many repeating calculations and long operation time are required to completely perform a walking gait due to its establishment of related parameters and corresponding setup of the relationship. The proposed new CPG controller decides more practical and immediately attainable parameters for driving a bipedal walking robot from a large number of relational parameters and calculations. It increases system performance and superiority of speed.
Stability is one of the most important aspects of biped walking robot. It is required to generate a walking pattern that joins the center of mass (CoM) and the center of pressure (CoP) or the zero moment point (ZMP). To obtain model and algorithm of stabilized walking, initially the complex multi-link of the bipedal walking robot is simply modeled into a system that has 3 links and 3 masses. Then, links between joints of the simplified model are controlled using torques those are calculated using Newton-Euler’s equation for all joints.
By checking movement of the center of mass of the walking robot, it is verified using loadcells that the robot follows proper walking trajectory. It also accomplishes proper ZMP trajectory by applying ZMP stability criteria with tilting method that ensures walking stability by comparing weight transition with the previous ZMP position. For tilting, an area method is used for biped walking robot trajectory to keep a stable gait.
After executing stable walking by studying possible walking trajectory using neural network learning method with back propagation algorithm, comparison between the trajectory data of tilted walk and the previous calculated tilting data with CPG controller using feed-forward parameters.
Finally, joint velocities, joint angles and parameters those are related to the mass center are substantially obtained during real-time operation of bipedal walking. These data are acquired and compared by implementing adaptive CPG controller, which uses previous tilting feedback results into the current CPG controller.
This paper proposes a controller that is based on adaptive CPG (Central Pattern Generator) and studies an improving method of gait stabilization for a biped walking robot. Because CPG controller results in proper self-regulation exercise against random disturbances when it is applied, usability of CPG is to be excellent in neural network oscillator control(neuron oscillator) for human joint that uses efficient relationship among human neuron, muscle and muscular skeleton system as a basic driving algorithm. But, many repeating calculations and long operation time are required to completely perform a walking gait due to its establishment of related parameters and corresponding setup of the relationship. The proposed new CPG controller decides more practical and immediately attainable parameters for driving a bipedal walking robot from a large number of relational parameters and calculations. It increases system performance and superiority of speed.
Stability is one of the most important aspects of biped walking robot. It is required to generate a walking pattern that joins the center of mass (CoM) and the center of pressure (CoP) or the zero moment point (ZMP). To obtain model and algorithm of stabilized walking, initially the complex multi-link of the bipedal walking robot is simply modeled into a system that has 3 links and 3 masses. Then, links between joints of the simplified model are controlled using torques those are calculated using Newton-Euler’s equation for all joints.
By checking movement of the center of mass of the walking robot, it is verified using loadcells that the robot follows proper walking trajectory. It also accomplishes proper ZMP trajectory by applying ZMP stability criteria with tilting method that ensures walking stability by comparing weight transition with the previous ZMP position. For tilting, an area method is used for biped walking robot trajectory to keep a stable gait.
After executing stable walking by studying possible walking trajectory using neural network learning method with back propagation algorithm, comparison between the trajectory data of tilted walk and the previous calculated tilting data with CPG controller using feed-forward parameters.
Finally, joint velocities, joint angles and parameters those are related to the mass center are substantially obtained during real-time operation of bipedal walking. These data are acquired and compared by implementing adaptive CPG controller, which uses previous tilting feedback results into the current CPG controller.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.