Humans are capable of pursuing multiple objectives simultaneously in everyday life, thereby flexibly prioritizing motion tasks and constraints among others. A major goal of current robotics research is to equip highly redundant robots with similar adaptive behavior. The aim of this thesis is to endow such robots with the abilities to optimize priorities for possibly conflicting objectives, to smoothly rearrange such priorities and to decouple the objectives related to motion generation from the objective of simultaneous interaction with the environment through forces. A commonly adopted approach is to tune priorities by hand once which then remain constant over time. In contrast to such constant prioritization, this thesis promotes a different view: A framework for automated learning soft priorities is introduced. Employing state-of-the-art optimization, different sets of priorities are evaluated offline and improved until the prioritized superposition of all underlying controllers satisfies a desired high-level goal. As an alternative approach to soft prioritization with scalar weights, the well-known Stack-of-Tasks prioritization scheme relies on projectors and enforces strict priorities. The second part of this thesis performs a thorough formal analysis of projectors and proposes to smoothly shape between idempotent matrix operators. A novel prioritization scheme is presented with the help of this method, which generalizes previous approaches implementing either strict or soft priorities. It enables to insert new or remove outdated objectives if necessary and allows to rearrange priorities continuously online without inertia coupling while offering the ability to control the interference between objectives. Finally, underactuated robots subject to contact constraints are studied. A projection operator is derived which enables to decouple contact wrench control from constraint-consistent motion generation for robots with passive or virtual joints. This is essential for controlling legged robots which are represented by a floating-base. Moreover, this thesis shows that the same principle holds for underactuated grasping scenarios. The approach is validated with a large panel of experiments on various robot platforms both in simulation and the real-world. This thesis provides numerous tools that endows existing and future robot systems with ever-increasing degrees of freedom to create complex motion aiming to interact with their environment effectively. ; Menschen sind in der Lage, mehrere Ziele gleichzeitig zu verfolgen und dabei flexibel Bewegungsaufgaben und -beschränkungen untereinander zu priorisieren. Ein wichtiges Ziel aktueller Robotik-Forschung ist es, redundante Roboter mit einem ähnlich adaptiven Verhalten auszustatten. Für zukünftige Roboter-Applikationen in dynamischen und unstrukturierten Katastrophenszenarien sind das automatische Erlernen von Prioritäten, die Möglichkeit zum kontinuierlichen Anpassen solcher Prioritäten und das Entkoppeln von Zielen der Bewegungsgenerierung von gleichzeitiger Interaktion mit der Umwelt durch Kontaktkräfte eine notwendige Voraussetzung. Das Ziel dieser Dissertation ist es, Roboter mit ebendiesen Fähigkeiten auszustatten. Ein weit verbreiteter Ansatz ist das einmalige manuelle Bestimmen von Prioritäten, welche dann zeitlich konstant unverändert bleiben. Im Gegensatz dazu verfolgt diese Dissertation einen anderen Ansatz: Ein System zum automatischen Erlernen von Prioritäten wird eingeführt. Mit Hilfe von Optimierungsmethoden werden unterschiedliche Priorisierungen in Simulation evaluiert und so lange verfeinert, bis das priorisierte Zusammenspiel aller zu Grunde liegenden Regler eine gewünschte übergeordnete Fähigkeit erfüllt. Als nächstes schlage ich einen geglätteten Übergang zwischen idempotenten Matrix-Operatoren vor, welcher auf einer formellen Analyse von Projektionen basiert. Mit dieser Methode wird ein neuartiges Priorisierungs-Verfahren aufgestellt, welches frühere Verfahren generalisiert, die entweder nur strikte oder nur weiche Prioritäten implementieren. Dieses Verfahren ermöglicht das Einfügen neuer und das Entfernen veralteter Ziele falls notwendig, und erlaubt Prioritäten kontinuierlich zur Laufzeit zu verändern. Zuletzt werden in dieser Dissertation unteraktuierte Roboter in Kontaktsituationen untersucht. Ich leite einen Projektions-operator her, welcher es Robotern mit passiven Gelenken ermöglicht, die Regelung von Kontaktkräften von der Bewegungsgenerierung zu entkoppeln. Dies ist essentiell für die Regelung mehrbeiniger Roboter, die keine feste Basis besitzen. Der Ansatz wird validiert durch zahlreiche Experimente auf verschiedenen Roboterplattformen sowohl in Simulation als auch in der realen Welt. Diese Dissertation beinhaltet eine Reihe an Werkzeugen, welche es aktuellen und zukünftigen Robotersystemen mit immer zahlreicheren Gelenken erlaubt, komplizierte Bewegungen auszuführen, mit dem Ziel, effektiv mit der Umwelt zu interagieren.
Prioritized Multi-Objective Robot Control ; Priorisierte Roboter-Regelung für mehrere simultane Aufgaben
2018-12-05
Theses
Electronic Resource
English
BASE | 2018
|Prioritized Multi-Objective Robot Control
DataCite | 2018
|Simultane Regelung von Ladedruck und AGR Rate beim Pkw Dieselmotor
Automotive engineering | 2001
|European Patent Office | 2023
|FORSCHUNG - Regelungstechnik: - Simultane Regelung von Ladedruck und AGR-Rate beim Pkw-Dieselmotor
Online Contents | 2001
|