Human-Robot Handshaking usando osciladores neurais Além disso, em 12, é apresentada uma abordagem para o controle de um braço robótico com base nas propriedades dinâmicas de um circuito de redes neurais oscilantes. Em 13, os autores utilizaram um controlador neural para sincronização durante a interação física do humanorobot. Os osciladores neurais são usados para gerar conjunto conjunto para uma sincronização entre os movimentos do humano e o robô. Quot Mostrar resumo Ocultar resumo RESUMO: Para facilitar e melhorar a aceitação social dos robôs, eles devem estar equipados com comportamentos semelhantes aos dos seres humanos. Portanto, é necessário estudar e modelar o fenômeno para ser reproduzido. Este artigo estuda e analisa os parâmetros físicos do aperto de mão para ter suas características (freqüência, duração, força, sincronização, etc.) usadas para modelar essa interação. Características que mais tarde ajudariam a desenvolver controladores adaptativos bio-inspirados, o que permitirá que os robôs humanóides interajam melhor com os seres humanos de acordo com contextos sociais simples. Documento de conferência de texto completo Oct 2017 Gilles Tagne Patrick Hnaff Nicolas Gregori quotIn particular, em 3, um controlador de impedância é utilizado e a sincronização é conseguida através da adaptação dos parâmetros de controle. Uma técnica de sincronização usando osciladores neurais nas articulações do robô é proposta em 4 adaptando a amplitude e a freqüência do movimento de agitação de acordo com a força de interação. O presente método propõe um método de controle cinemático para movimentos de handshake humano-robô que alcançam a sincronização de movimento rápido, dado um movimento de handshake interno predefinido de robô e um nível de conformidade que reflete o nível de robotx27s. O método envolve uma infinidade de parâmetros no quot geral. De passividade. O método proposto combina um sistema dinâmico não-linear com um ciclo limite atraente com um controlador de admissão e um mecanismo de adaptação para que as forças de interação sejam minimizadas e uma oscilação de consenso seja alcançada entre os participantes envolventes. O método proposto é validado pela experimentação com um braço KUKA LWR4 7dof em vários cenários. Documento de conferência de texto completo Maio de 2017 Dimitrios Papageorgiou Zoe Doulgeri quot (Kasuga e Hashimoto, 2005), (2005), (Sato, et al., 2007) 2017) (quot Mostrar resumo Ocultar resumo RESUMO: Os seres humanos apertam as mãos como sinal de Saudação quando se encontram pela primeira vez, para cumprimentar-se e desenvolver um relacionamento. Um aperto de mão é uma interação incorporada através do contato físico. No caso de um ser humano e um robô, o robô pode começar a comunicar-se e coexistir com humanos sem provocar sentimentos de aversão Por parte dos humanos, desde que gere um movimento de aperto de mão que seja emocionalmente aceitável para os seres humanos. Portanto, neste artigo, desenvolvemos um sistema de robô de handshake que gera um movimento de solicitação de handshake durante a abordagem ativa de um ser humano. Primeiro, analisamos handshake Movimentos com abordagem entre os seres humanos. Em seguida, com base na análise dos movimentos de aperto de mão entre os seres humanos, um modelo de movimento de solicitação de handshake que é gerado durante um movimento de aproximação é proposto. Além disso, usando o profissional Modelo posado, um sistema de robô handshake móvel é desenvolvido. Este sistema de robô handshake móvel aborda ativamente um ser humano e gera um movimento de solicitação de handshake, estendendo sua mão ao humano. O sistema robô de handshake desenvolvido é avaliado usando uma avaliação sensorial para analisar o movimento de handshake preferido pelos humanos. Com base nos resultados da avaliação sensorial, o sistema de robô de handshake móvel desenvolvido gera satisfatoriamente o movimento do pedido de handshake durante a abordagem ativa de um ser humano, e sua eficácia é demonstrada. Artigo Jan 2017 Shunsuke Ota Mitsuru Jindai Hitoshi Yamauchi Tomio Watanabe Método de geração de trajetória baseada em sincronização para um terno robótico usando osciladores neurais para suporte de articulação do quadril na caminhada Xia Zhang. Minoru Hashimoto Departamento de Biociências e Tecnologia Têxtil, Escola Interdisciplinar de Ciências e Tecnologia, Universidade Shinshu, 3-15-1 Tokida, Ueda, Nagano 386-8567, Japão Recebido 31 de agosto de 2018. Aceito 5 de novembro de 2017. Disponível on-line 30 de novembro de 2017 . Um novo método de geração de trajetória baseada em sincronização é proposto para um terno robótico projetado para ajudar a caminhar apoiando as articulações do quadril. Os osciladores neurais estão conectados a cada articulação do quadril do terno robótico para sincronizar o movimento do traje com o movimento dos usuários humanos (sincronização externa). Ao mesmo tempo, a inibição mútua é incorporada entre os osciladores neurais nas articulações do quadril esquerdo e direito do terno para ajudar a manter uma relação anti-fase semelhante ao humano (inibição interna). Desenvolvemos um terno robótico de dois graus de liberdade, que consiste em dois atuadores localizados nas articulações do quadril humano. Cada atuador possui um sensor de torque incorporado, que mede o torque de junção mútuo gerado se ocorrer alguma diferença entre o movimento de um usuário e o do terno. O torque de junção mútuo serve como entrada para osciladores neurais, que controlam cada atuador do terno robótico através da sincronização externa com torque de junta mútua e inibição interna. O peso inibitório, usado para ajustar a força inibitória entre os osciladores neurais, é projetado em uma série de simulações. Realizamos experimentos ambulantes para mostrar a validade de nossa proposta de assistência ambulante do terno robótico com inibição mútua entre os osciladores neurais. Oscilador neuronal Inibição mútua Terno robótico Assistência ambulante Suporte articular do quadril Estabilidade Fig. 1. Fig. 8. Fig. 2. Fig. 3. Fig. 4. Fig. 5. Fig. 6. Fig. 7. Fig. 9. Fig. 10. Fig. 11. Tabela 1. Fig. 12. Fig. 13. Fig. 14. Fig. 15. Fig. 16. Fig. 17. Fig. 18. Fig. 19. Fig. 20. Fig. 21. Fig. 22. Fig. 23.
No comments:
Post a Comment