Академический Документы
Профессиональный Документы
Культура Документы
Abstract Uno de los problemas abiertos en robots huma- en general el coste computacional ser alto. Un enfoque
noides es el modo de coordinar sus mu ltiples actuadores para diferente son las tablas de control, para la locomocion de sus
dotarles de capacidad de movimiento robusto y agil. El artculo primeros robots modulares (Yim, 1995). Estas tablas
presenta una tecnica que encuentra automaticamente modos
de caminar estables y rapidos para el humanoide Nao. El almacenan el vector de posicion de las articulaciones para
trabajo modeliza la caminata del robot como ondas acopladas cada instante. El controlador recorre la tabla enviando las
reduciendo el espacio de parametros manteniendo a la vez posiciones a los actuadores. Este controlador es sencillo y se
la representatividad de gran diversidad de movimientos. Una puede realizar usando microcontroladores de gama baja.
funcion de calidad combina varios criterios y permite buscar Sin embargo, es muy poco flexible. Para cambiar el
automaticamente en ese espacio de parametros la caminata
optima. Se han realizado numerosos experimentos tanto en movimiento hay que recalcular la tabla.
simulacion como con el robot real que validan la propuesta.
El tercer enfoque es el bio-inspirado, en el que las
funciones de posicion se obtienen a partir de modelos
I. INTRODUCCIO N provenientes de la naturaleza. Segn Ijspeert (1998) fue
Una lnea pujante dentro de la robotica en los ultimos pionero en la aplicacion de los generadores centrales de
anos son los robots humanoides. Numerosos grupos de patrones (CPGs) de la lamprea para la locomocion de
investigacion centran sus trabajos en ellos. Por ejemplo en robots, logrando generar posteriormente movimiento en su
la competicion cientfica internacional RoboCup dos ligas salamandra robotica Amphibot (Ijspeert, & Crespi, 2007).
los utilizan como plataforma, la liga estandard (robot Nao) y Los CPGs son grupos de neuronas especializadas que
la especfica de humanoides. Ademas, casi todas las grandes producen ritmos para controlar la actividad muscular de los
firmas japonesas han construido algun prototipo, tal vez seres vivos. Kurakawa et al (2008) utilizaron como base el
pensando en un incipiente mercado de robots de servicio modelo de oscilador de medio centro (half center oscillator)
en los hogares y en que su apariencia humana les hace de Matsuoka (Kiyotoshi, 1987) para la generacion de ritmos
en el robot modular M-tran III, que puede adoptar
mas facilmente aceptables por las personas. Especialmente diferentes morfologas. Segn Carron(2011) empleo un CPG
relevante es el trabajo realizado por Honda en su proyecto con la misma arquitectura pero con una dinamica mas rica,
ASIMO (Advanced Step in Innovative MObility), en el que tanto de la neurona como de la sinapsis, para la locomocion
han conseguido que su humanoide corra a velocidades por de robots gusanos en una dimension. Otros autores utilizan
encima de 6 km/h. redes neuronales en vez de modelos especficos de CPGs.
Tal es el caso de Avinash & Gonzalez (2011) que entrena las
Pese a los grandes avances recientes, la locomocion de redes mediante algoritmos geneticos para generar la
los humanoides sigue siendo un problema abierto, aun se locomocion de robots de tipo serpiente/gusano.
esta muy lejos de la flexibilidad, robustez y plasticidad de
los movimientos naturales de las personas, por ejemplo. Los CPGs tienen la propiedad de que en regimen
permanente se comportan como osciladores de frecuencia
La generacion de modos de caminar en robots humanoides fija. Segn Gonzalez (2008) propuso un modelo simplificado
es parte de un problema mas general: la coordinacion de de osciladores sinusoidales con el que logro la locomocion
actuadores en robots de n articulaciones. Dado un robot con de una serpiente robotica en dos dimensiones,
n articulaciones y una determinada morfologa (humanoide, implementando cinco modos de caminar diferentes y
cuadrupedo, hexapodo, apodo...) el problema es encontrar obteniendo unos movimientos suaves y naturales. Esta
las funciones que establecen la posicion de cada articulacion idea de funciones simplificadas esta dando muy buenos
para que el robot pueda desplazarse. En la literatura se resultados, sobre todo por la posibilidad de su realizacion
pueden encontrar tres enfoques diferentes: clasico, tablas de en hardware de gama baja. Prieto (2009) aplico este
control y bio-inspirado. En el enfoque clasico se establecen modelo para la generacion de caminatas en lnea recta
funciones de trayectoria para los extremos de las patas de un robot cuadrupedo de 12 articulaciones. Aunque
y se calculan las posiciones de los actuadores mediante los parametros los establecio empricamente mediante
cinematica inversa. La realizacion de estos controladores prueba/error, fue suficiente para conseguir movimientos mas
requiere de un modelo matematico exhaustivo del robot y estables y suaves que los alcanzados en prototipos anteriores.
Francisco M. Rivas y Jose M. Canas trabajan en la Universidad Rey Juan
Carlos La tecnica mas empleada para la locomocion de robots
Juan Gonzalez trabaja en la Universidad Carlos III humanoides ha sido durante muchos anos el ZMP (Zero
Moment Point), en la que se calcula la trayectoria del
centro de masas para que la caminata sea estable. Robots
tan complejos como ASIMO o HRP utilizan este algoritmo.
Sin embargo, para funcionar correctamente es necesario
realizar un modelado muy preciso tanto del robot como de
los actuadores. Por ello, cada vez mas autores estan
aplicando modelos bioinspirados en los humanoides. Endo
et al. (2004) aplicaron con exito un modelo simple de
CPG a la locomocion de un bdedo de 5 grados de
libertad y posteriormente lo refinaron para lograr el
movimiento de uno completo (38 DOF) mediante
aprendizaje (Gen, Jun, Takamitsu, Jun, N., & Gordon,
2008). Asa et al (2004) indica que utilizaron la flexibilidad Fig. 1. Actuadores del humanoide. Montero (2010)
de los CPGs para realizar una transicion entre locomocion
bpeda y cuadrupeda, de manera que si se perda la
estabilidad en modo bpedo, el robot podra continuar como si fueran fotogramas de una pelcula, genera el
caminado con cuatro patas. Acosta (2008) indica que se han movimiento deseado. Por ejemplo en la Figura 2 se aprecia
usados CPGs para crear locomocion estable, probada tanto las secuencias seguidas por varias articulaciones mientras el
en simulacion con en un robot real usando un giroscopo. El robot daba un paso.
enfoque ZMP en combinacion con CPGs ha sido
propuesto para el control en tiempo real de un robot Esta forma de andar ofrece una difcil parametrizacion,
humanoide con columna vertebral flexible (Jimmy, 2009). unicamente podemos variar la velocidad de forma indirecta,
modificando el intervalo entre fotogramas. Para generar
Una vez presentado el contexto de este artculo y el estado formas distintas de locomocion tendramos que modificar
del arte en la seccion II se describe el modelo de movimiento el valor de los actuadores en cada fotograma, tarea muy
que proponemos para robots humanoides. Seguidamente pre- compleja teniendo en cuenta que en la marcha del robot
sentamos una manera automatica de evaluar diferentes modos intervienen 12 actuadores (6 en cada pata: Pitch cadera,
de caminar tentativos y el algoritmo de busqueda que hemos Yaw cadera, Roll cadera, Pitch rodilla, Roll tobillo y Pitch
desarrollado para encontrar una caminata rapida y estable. tobillo), suponiendo que utilizamos movimientos de 10
En la seccion IV ajustamos el modelo generico al robot fotogramas seran 120 parametros que tenemos que fijar
Nao, con el que hemos realizado numerosos experimentos, y para conseguir una nueva forma de andar.
analizamos la influencia de varios parametros en la cali-
dad de la caminata. Finalmente resumimos las conclusiones La parametrizacion de un paso con 120 parametros es
alcanzadas. excesiva para buscar en el espacio de las posibles caminatas.
En este trabajo proponemos una forma de disminuirlos
II. MODELO DE MOVIMIENTO CON ONDAS significativamente para llegar un espacio que s sea factible
ACOPLADAS de explorar de modo automatico. Siguiendo la lnea de
La marcha de un robot humanoide es similar a la forma los generadores centrales de patrones (CPG), por cada
de andar de una persona humana. Los humanoides tienen 2 actuador que interviene en la locomocion conseguimos una
patas con 3 articulaciones en cada pata: la cadera, la rodilla funcion que defina su movimiento en cada paso. As, los
y el tobillo (Figura 1). La marcha de un robot bpedo, como parametros no dependen del numero de fotogramas que
la humana, es periodica. Conseguimos desplazarnos componen el movimiento sino de los parametros de esa
encadenando cierto numero de pasos. Si nos movemos funcion caracterstica, por ejemplo sinusoidales.
a una velocidad constante estos pasos que componen la
marcha son exactamente iguales. Por ello simplificaremos la Como podemos ver en la Figura 2 los movimientos que
marcha de un robot humanoide en pasos. Otra caracterstica describen los actuadores no corresponden a ondas
importante es la simetra: para conseguir una marcha sinusoidales en la mayora de los casos. Sin embargo,
correcta y lineal el movimiento de una pata es simetrico trataremos de modelizar estos recorridos con funciones base
al de la contraria pero con un cierto retardo, exactamente que queden caracterizadas con los mismos parametros que
la mitad del tiempo que dura un paso. Para que la marcha una onda sinusoidal: frecuencia (), amplitud (A0), fase ()
sea lo suficientemente estable y el robot no se caiga todos y desplazamiento (), correspondiendo a la funcion
los actuadores que intervienen deben estar correctamente a(t) = A0 sin(t + ) + . Por cada actuador utilizaremos
acompasados y sincronizados, en definitiva, acoplados. 4 parametros.
III. BU SQUEDA AUTOMA TICA BASADA EN Gracias al software realizado en este trabajo, el simulador
FUNCIO N DE COSTE almacena la trayectoria generada por cada caminata y
Con la modelizacion explicada en la seccion anterior analizando automaticamente esa trayectoria podemos
conseguimos representar un gran numero de formas de caracterizar las cualidades de la caminata. La velocidad
andar. No cubre todas las posibles caminatas del humanoide, se mide explicitamente como distancia recorrida durante el
pero s nos ofrece una gran variedad donde buscar. Para tiempo de simulacion, entre el punto inicial y el final. La
hacernos una idea, discretizando los rangos de los 10 linealidad se mide como desviacion final respecto de la
parametros a un subconjunto acotado de valores (para cada trayectoria recta ideal, distancia entre el punto final ideal y
parametro los de la columna niveles en la tabla I) y fijando el conseguido por la caminata. La estabilidad se mide
la frecuencia fundamental tendramos aproximadamente 251 iterativamente como desviacion acumulada respecto de la
posibles caminatas. trayectoria recta ideal en todo momento, midiendo los
bamboleos alrededor de la recta ideal, tanto por su izquierda
De todas las caminatas que describe nuestro modelo hay como por su derecha. Si durante la realizacion del
muchas de ellas que no tienen sentido, nos llevan a la cada movimiento el robot se cae no se evaluara la funcion salud
del robot, otras generan pasos largos y lentos o rapidos con y se asigna calidad nula al movimiento.
pasos cortos, etc. La mejor forma de realizar la busqueda
de la marcha optima es realizando una busqueda sistematica Hemos probado multiples maneras de combinar estos tres
que recorra todas las posibilidades, sin embargo esta opcion criterios. Finalmente nos hemos decantado por la ecuacion
no es factible debido al gran numero de caminatas que es (1). La combinacion de factores mediante multiplicacion y
capaz de generar nuestro modelo. En lugar de eso hemos los exponentes elegidos se han mostrado suficientemente
utilizado un algoritmo que explora ese enorme espacio de discriminantes en los experimentos. Se premia la distancia
manera muestreada, guiandose por los valores de cierta recorrida frente a cualquier otro parametro porque conseguir
funcion de calidad. una forma de andar en la que el robot de pasos largos y sea
capaz de moverse de forma rapida y estable es lo mas
complicado. Damos tanto peso a la distancia recorrida
III-A. Evaluacion de una caminata porque las diferencias de este valor entre unas caminatas y
Para la evaluacion de caminatas no utilizamos ningun otras es mnimo.
metodo analtico debido a la gran complejidad que supone.
real. Se tienen mas detalles de todos experimentos llevados a
cabo (Montero, 2010).
Siguiendo los pasos de la Figura 6 se prueban todas las Fig. 7. Componentes software desarrollados. Avinash, &
Gonzalez (2011)
combinaciones de valores. Para cada una de ellas se situa
al robot en una posicion inicial erguida en el simulador y
se le deja moverse un tiempo segun marca la combinacion Primero se ha desarrollado el componente NaoBody, que
de parametros. La trayectoria y su calidad se miden y usa el middleware del fabricante (llamado Naoqi, version
quedan almacenada, rastreando as en el espacio de posibles 1.3.17) para acceder a los sensores y actuadores del
caminatas y quedandonos con aquellas de mayor calidad. humanoide y ofrecerlo a otros componentes. Incluye soporte
Para hacer mas fiable la medida de salud cada caminata se tanto para conectarse al Nao real como al robot simulado en
evalua varias veces, conservando la calidad media de esas Webots. En el caso de usar el simulador, este componente
ejecuciones. ofrece tambien la posicion verdadera del robot en el mundo
simulado.
(b) (b)
Fig. 10. Variaciones en pitch de cadera y efecto de valores altos. Fig. 11. Variaciones en el pitch de rodilla y efecto de valores altos.
REFERENCES
Acosta, C., Mohan, R., % Zhou, C. (2008). Rhythmic locomotion
control of humanoid robot, MICAI Advances in Artificial
Intelligence , vol. 5317, pp. 626635.
Gen, E., Jun, M., Takamitsu, M., Jun, N., & Gordon, C. (2008).
Learning cpgbased biped locomotion with a policy gradient
method: Application to a humanoid robot,. Int. J. Rob. Res., vol.
27, pp. 213228.
Kurokawa, H., Tomita, k., Kamimura, A., Kokaji, S., Hasuo, T.,
& Murata, S. (2008). Distributed self-reconfiguration of m-tran
iii modular robotic system,. I. J. Robotic Res, vol. 27, no. 3-4,
pp. 373386.