1. Introduzione
L’operatore guida il veicolo mediante una consolle inviando comandi di velocità per la base mobile. Essendo quest’ultima soggetta a vincoli anolonomi, la guida durante l’accostamento e durante un posizionamento risulta essere più difficile.
Questa tesi propone una metodologia che dimostra la capacità di utilizzare stimoli per-cettivi per ottimizzare o rendere più facile ed intuitiva la guida remota di un veicolo. In particolare il veicolo in esame è una macchina demolitrice dotata di una base cingolata che monta a bordo un braccio manipolatore.
Nel corso del lavoro, sono state affrontate le seguenti tematiche: in primo luogo quello di evitare ostacoli, poi il problema di allineamento a pareti ed infine quello del posizionamento del veicolo che rende più facile la successiva manipolazione. Inoltre l’operatore, che guida in loco il veicolo, riesce a comprendere il workspace del manipolatore mediante segnali aptici. L’operatore definisce dei punti target per il braccio e riceve un segnale aptico nel momento in cui un punto target entra all’interno del workspace del braccio oppure esce dal workspace. In questo modo l’operatore riesce a “comprendere” il workspace del manipolatore ed un operatore esperto può posizionare il veicolo per eseguire il lavoro con il braccio in modo da limitare il numero di riposizionamenti.
Per risolvere i problemi citati sopra abbiamo implementato tre modalità di navigazione:
standard, costiera ed ottima. La modalità di navigazione standard aiuta l’operatore ad
evi-tare di entrare in collisione con gli ostacoli. La modalità di navigazione costiera aiuta a guidare il veicolo mantenendolo allineato alle pareti. La modalità di navigazione ottima for-nisce all’operatore una serie di stimoli per aiutarlo a posizionare il veicolo nella posa ottimale precedentemente calcolata. Il criterio di ottimalità si riferisce al concetto di manipolabili-tà. Infatti la posa ottenuta dal processo di ottimizzazione massimizza la manipolabilità del braccio nei punti target specificati dall’operatore.
Questi stimoli aptici sono in grado di fornire maggior consapevolezza ed in ogni modo l’au-torità di prendere le decisioni sul veicolo è lasciata all’operatore. Non sono stati implementati per ragioni di sicurezza dei dispositivi autonomi a bordo.
L’aspetto innovativo è riuscire a trovare la giusta combinazione di segnali aptici quali campi di forze, barriere, segnali e vibrazioni che l’uomo riesce meglio a comprendere. Si studia come rispetto a questi stimoli l’utente riesce a completare i task.
1.1. Macchine da Lavoro
Nell’ultimo decennio, la teleoperazione e la parziale autonomia cominciano ad essere una realtà nel settore delle macchine di lavoro. La teleoperazione si trova già ad esempio in macchine minerarie, per la demolizione, agricoltura e portuali. Il 13% delle 25.000 unità di robot installati fino alla fine del 2004, sono macchine per la costruzione e demolizione. Un forte interesse per le industrie è rivolto a risolvere il declino della produttività ed il problema della sicurezza dei lavoratori qualificati. Quando si lavora in un ambiente, che è pericoloso e difficile da raggiungere per l’uomo, la macchina telecomandata può funzionare come un estensione delle capacità dell’uomo. Una macchina automatica può essere molto produttiva,
e può eseguire alcune attività più velocemente e con maggiore precisione rispetto agli esseri umani. Però una macchina non ha la capacità di adattarsi alle nuove situazioni, non riescono a reagire alle eccezioni e in situazioni complesse. A causa della limitata intelligenza artificiale di oggi, non è realistico, per un robot, lavorare in sicurezza ed efficacemente in modo del tutto autonomo ssopratutto nel campo della costruzione o demolizione. Così, la direzione di sviluppo del robot passa dalla modalità autonoma alla modalità assistita dall’uomo. Si rende quindi necessario lo sviluppo di un controllo telecomandato per una macchina operatrice che adatta perfettamente le intenzioni dell’operatore e le azioni della macchina.
Figura 1.1.: Un esempio di macchina da lavoro demolitrice guidata in loco dall’operatore
Attualmente, nel mondo possiamo trovare compagnie come Husqvarna, Brokk, Finmac, che hanno introdotto qualche macchina demolitrice teleoperata: queste macchine possono essere di varia potenza e dimensioni e tutte si affidano alla presenza dell’uomo che si trova nelle vicinanze. Oggi giorno, probabilmente per progettare macchine sempre più piccole o per offrire maggior sicurezza, queste macchine prevedono la presenza dell’uomo a fianco della macchina a cui è connesso generalmente mediante un cavo Figura 1.1. Queste macchine prevedono un uomo a fianco che le guida mediante una consolle tipo quella riportata in Figura 1.2 che prevede una serie di levette e joystick.
1.2 Motivazioni
Il veicolo mostrato in Figura 1.1 è dotato di una base mobile cingolata, di supporti mecca-nici per lo stazionamento e di un braccio robotico. Tipicamente il braccio viene azionato una volta che la base del veicolo è ancorata a terra. Inoltre, oggi giorno, queste macchine sono controllate mediante un sistema indossabile che prevede la possibilità di impartire comandi alla macchina ma non di riceverne dei feedback.
1.2. Motivazioni
La guida in loco di queste macchine da lavoro richiede molta attenzione per via delle loro caratteristiche di essere ingombranti, pesanti e comunque oggetti potenzialmente pericolosi, vista la potenza in gioco. Un corretto utilizzo di questi dispositivi richiede un adeguato addestramento da parte dell’operatore e comunque anche un operatore esperto deve stare attento, poichè le situazioni in cui lavorano queste macchine richiedono attenzione. Oltre a ciò è importante comprendere bene l’ambiente in cui si lavora, per evitare di provocare dan-neggiamenti alle persone e all’ambiente circostante. La percezione del terreno è importante per evitare ribaltamenti della macchina. Nella figura Figura 1.3 si mostra come una errata percezione del terreno può causare il ribaltamento della macchina, scaturito dal fatto che l’utente non ha visto questo scalino.
Inoltre, considerando la teleoperazione della macchina non più in loco, a queste proble-matiche se ne aggiungono altre come il punto di vista limitato, la necessità di sensorizzare il veicolo per conoscerne la posizione e la necessità di identificare gli ostacoli nelle vicinanze del veicolo.
Inoltre l’ambiente stesso dove tale macchina viene utilizzata risulta essere tipicamente non strutturato, indoor e sporco che rende più difficile la fase di sensorizzazione. In [7] gli autori studiano il degrado delle prestazioni dei sensori per la percezione dell’ambiente dovuto alle condizioni avverse dell’ambiente.
Figura 1.3.: Macchina da lavoro guidata dall’operatore ribaltata
Per migliorare dal punto di vista del minor impegno intellettivo e per eseguire i task più velocemente, abbiamo deciso di implementare una serie di algoritmi per assistere l’operatore a guidare il veicolo. Di seguito mostriamo alcune fasi di lavoro della macchina in esame che ha motivato il nostro lavoro.
Tipicamente l’operatore ha la necessità di guidare il veicolo verso la zona di lavoro rag-giungendola nel minor tempo, in sicurezza, e con minor carico cognitivo. Per questo motivo abbiamo implementato una modalità di navigazione che chiameremo navigazione standard, la quale aiuta l’operatore ad evitare di urtare contro l’ambiente. Inoltre l’operatore si trova a guidare il veicolo in un ambiente stretto e disordinato. In Figura 1.4 possiamo vedere una fase in cui la macchina viene guidata lungo una rampa stretta. Questo lavoro richiede molta attenzione da parte dell’operatore per evitare che la macchina finisca a terra danneggiandosi e provocando danni nelle sue vicinanze.
Figura 1.4.: Macchina da lavoro guidata in un ambiente angusto
In Figura 1.5 si mostra invece un altro esempio in cui la macchina viene guidata durante un passaggio stretto. Queste operazioni richiedono un notevole carico cognitivo per l’uomo, il quale attraverso la consolle impartisce piccoli e ripetuti comandi alla macchina in modo da evitare che essa urti contro le pareti.
Figura 1.5.: Macchina da lavoro durante il passaggio da una porta
Inolte in Figura 1.6 si mostra l’operatore durante la fase di demolizione di una parete. In questa operazione l’operatore guida il veicolo cercando di mantenerlo allineato alla parete che intende demolire. Questa fase richiede un certo lavoro intellettuale da parte dell’operatore il quale deve gestire non solo la base mobile, ma anche il braccio. Per queste ragioni l’operatore ha la necessità da un lato di guidare il veicolo in ambienti stetti mantenendo dei limiti di
1.2 Motivazioni
sicurezza e dall’altro deve mantenere il robot allineato alle pareti. Per tali motivi abbiamo deciso di fornire all’operatore una serie di stimoli aptici che lo aiutino a mantenere il veicolo allineato e che gli consentano di guidare il veicolo anche in spazi ristretti. Questi stimoli aptici fanno parte della modalità di navigazione costiera, che abbiamo implementato.
Figura 1.6.: Macchina da lavoro durante un task di demolizione in una parete in linea
Oltre a queste lavorazioni la macchina demolitrice viene usata anche per compiere una serie tracce sulle pareti mediante il braccio montato a bordo. In Figura 1.7 si mostra la macchina demolitrice che esegue una traccia sul muro una volta che l’operatore staziona a terra la macchina. Per compiere questo task, l’operatore, che ha in mente l’operazione che vuole compiere sulla parete, deve prima posizionare correttamente la base mobile del veicolo. Una volta scelta la posizione della base, l’operatore aziona i bracci meccanici di stazionamento per poi iniziare a lavorare con il braccio manipolatore. Risulta evidente che un errato posizionamento del veicolo richiederebbe la ripetizione della procedura con conseguente aumento di tempo ed una minor produttività. Per questo motivo abbiamo implementato dei nuovi stimoli che rendono più facile questo task, che indichiamo come modalità di navigazione ottima. In questa modalità l’operatore riceve dei nuovi stimoli aptici per guidare la base del veicolo nella posa che rende più facile il lavoro con il braccio. Questa posa desiderata viene calcolata una volta che l’utente definisce due punti target per il braccio. Questi punti di lavoro specificati dall’utente, senza perdità di generalità, rappresentano il punto iniziale e finale della traccia che il braccio deve eseguire sulla parete.
Figura 1.7.: Macchina da lavoro esegue, mediante il braccio montato a bordo, una traccia sulla parete
Oltre a queste tre modalità di navigazione, l’operatore viene informato mediante un ul-teriore segnale aptico che un punto target per il braccio è entrato all’interno del workspace del braccio. In questo modo l’operatore può con l’esperienza avere già una idea di quale sia la posa ottima per il manipolatore e può così posizionare correttamente la base del veicolo per eseguire al meglio il task.
1.3. Teleoperazione dei Veicoli
La teleoperazione dei veicoli [8] significa semplicemente: compiere una certa operazione con il veicolo in remoto. Essa viene utilizzato per ambienti difficili da raggiungere, per ridurre i costi della missione, e per evitare la perdita di vite umane. La teleoperazione comprende un ampia gamma di strategie dal controllo manuale alla supervisione. Inoltre il tipo di controllo può variare e può essere condiviso/negoziato tra più operatori e veicoli. La teleoperazione dei veicoli è apparsa agli inizi del 1900, ma non si è diffusa fino al 1970. Oggi, la teleoperazione dei veicolo viene utilizzata per svariate applicazioni in aria, a terra e sott’acqua.
Le interfacce per teleoperare un veicolo, possono essere classificate in quattro categorie: diretta, multimodale/multisensore, di supervisione e “nuove”. Le interfacce dirette conten-gono tutti i sistemi "tradizionali" come una concolle per impartire i comandi al veicolo ed un feedback video. Le interfacce multimodali/multisensore forniscono diverse modalità di con-trollo oppure mostrano una fusion dei dati come ad esempio la realtà virtuale. Le interfacce di controllo di supervisione sono progettate per la generazione di comandi di alto livello e il monitoraggio. Mentre le interfacce “nuove” usano metodi di ingresso non convenzionali o sono destinati ad applicazioni particolari.La teleoperazione è composta da 5 elementi fonda-mentali: l’ambiente, l’operatore, il master, lo slave ed il canale di comunicazione. L’ambiente può essere strutturato/non strutturato, indoor/outdoor ed in generale non è noto a priori. Lo slave opera direttamente con l’ambiente al posto dell’uomo; possiamo fare una distinzione tra slave a workspace illimitato (teleoperazione di veicoli) slave workspace limitato (telema-nipolazione). Il Canale comunicazione: può avere ritardi e banda limitata. L’uomo agisce
1.4 Algoritmi sviluppati
sul sistema tramite un interfaccia, il master. Possono esserci vari scenari dove condividere/ scambiare i comandi con altri operatori oppure con altri veicoli. Al sistema di teleopera-zione si richiede affidabilità, il robot può perdere il segnale di comunicateleopera-zione ed efficienza, i comandi dell’operatore devono essere tradotti in modo da compiere un certo task nel minor tempo possibile oppure minimizzando il consumo delle batterie ecc.. Non meno importante, la teleoperazione deve garantire la stabilità dell’intero sistema.
Vi sono diverse classificazioni che si possono fare per uno schema di teleoperazione. Di-stinguendo la possibilità di avere o meno un ritorno aptico, possiamo distinguere tra la teleoperazione unilatera e bilatera. Nella teleoperazione unilatera l’utente impartisce i co-mandi allo slave, mentre in una teleoperazione bilatera l’utente oltre ad impartire coco-mandi allo slave riceve anche un feedback di forza dall’ambiente remoto. Una historical survey sulla teleoperazione bilaterale si trova in [9], mentre esempi di teleoperazione di veicoli in presenza di ritardi sul canale di comunicazione sono stati proposti in [10, 11, 12].
1.4. Algoritmi sviluppati
Dagli esempi fatti e dalle motivazioni espresse precedentemente si evince la necessità di aiutare l’operatore a guidare il veicolo per migliorare l’esecuzione dei task. Abbiamo scelto di utilizzare il senso del tatto per fornire all’operatore una serie di informazioni aggiuntive. Crediamo che l’uso del canale aptico possa rendere un aiuto concreto all’operatore rispetto ad altri tipi di feedback. Per esempio utilizzare il solo ritorno video delle camere montate a bordo del veicolo, non garantisce una guida sicura a causa dei possibili ritardi di cui questo canale soffre. Una possibile alternativa al canale aptico è utilizzare un ritorno acustico per fornire all’operatore le informazioni provenienti dall’ambiente nel quale opera il veicolo. Questa alternativa fornisce una maggiore consapevolezza, ma richiede un maggior carico cognitivo rispetto al canale aptico. Infatti il senso del tatto risulta essere più facilmente comprensibile per l’operatore e permette di reagire tempestivamente alle condizioni di pericolo. Inoltre l’uomo riesce a riconoscere un minor numero di segnali audio, differenti per frequenza e/o ampiezza, rispetto ai segnali tattili. Quindi è possibile asssociare a qualsiasi segnale una particolare informazione, ma se poi l’uomo non riesce a riconoscere tali segnali l’intero sistema risulta essere inefficiente. Per questi motivi i nostri algoritmi forniscono una serie di stimoli a livello tattile per assistere l’operatore durante la guida. In questo modo l’operatore si trova ad impartire i comandi al veicolo, ma al tempo stesso, mediante un’interfaccia aptica, riceve una serie di stimoli come forze, segnali, barriere e vibrazioni che rappresentano una particolare informazione.
La prima informazione aggiuntiva che vogliamo inviare all’operatore, deve servire ad evi-tare gli ostacoli. Per questo abbiamo creato un campo di forze F1 che si attiva quando
l’utente decide di usare la modalità di navigazione standard. In questa modalità l’operato-re riceve mediante un’interfaccia una serie di forze che impediscono di entral’operato-re in collisione con l’ambiente. Inoltre questa modalità in particolare, ma anche le successive, sono state implementate tenendo conto della forma del robot rettangolare.
La seconda informazione aggiuntiva che vogliamo inviare all’operatore è quella di essere ben allineati alle pareti. L’operatore secondo la propria esperienza può richiedere al sistema un aiuto per orientare il veicolo in modo tale che questo risulti essere allineato rispetto ad una parete frontale, oppure rispetto ad una parete laterale oppure rispetto a pareti laterali poste su entrambi i lati del veicolo così da formare un corridoio. Il veicolo, di forma rettangolare, è ben allineato ad una parete frontale, quando la direzione di avanzamento e la normale alla superficie del muro concidono. Il veicolo è invece allineato rispetto ad una parete laterale,
quando la direzione di avanzamento del veicolo e la normale rispetto alla superficie del muro sono tra loro ortogonali. Medesime sono leconsiderazione nel caso in cui l’operatore vpglia guidare il veicolo lungo un corridoio in modo da mantenersi allineato con esso. L’operatore secondo il proprio giudizio può chiedere un aiuto al nostro sistema, entrando così nella modalità di navigazione costiera. In questa modalità l’operatore oltre a ricevere un aiuto per l’allineamento, sarà in grado di guidare il veicolo stando ben accostato agli ostacoli.
La terza informazione aggiuntiva è la posa ottima del veicolo che rende la lavorazione del braccio più semplice. Come spiegato nelle motivazioni, l’operatore vuole eseguire un task con il braccio montato a bordo del veicolo. L’operatore durante questo lavoro opera con il braccio solo dopo aver stazionato a terra il veicolo. Il task da eseguire, senza perdita di generalità, equivale a compiere una traccia su una parete. Supponiamo quindi che l’opera-tore, con qualche strategia per esempio mediante un puntatore laser, abbia specificato due punti target che rappresentano il punto iniziale e finale della traiettoria. Il nostro algoritmo calcola prima di tutto la posa ottima del veicolo che massimizza la manipolabilità del braccio e che garantisce che quei punti target si trovino all’interno del workspace del braccio. Otte-nuta la posa ottima, il sistema aiuta l’operatore a posizionare il veicolo nella posa corretta. L’operatore riesce ad intuire la posa desiderata del veicolo solo attraverso stimoli aptici.
L’operatore riceve inoltre una ulteriore informazione che chiamiamo “comprensione del workspace”. Ovvero il sistema invia all’operatore una vibrazione nel momento in cui un punto target entra nel workspace del braccio. In questo modo un operatore esperto mediante un tale aiuto può posizionare il veicolo nella posa corretta per poter eseguire il task.
Oltre a queste modalità di navigazione il nostro sistema di guida aptica fornisce un ulterio-re stimolo aptico incicato come barriers. Questo stimolo impedisce all’operatoulterio-re di guidaulterio-re il veicolo quando quest’ultimo si trova troppo vicino ad un ostacolo. Infatti mediante l’at-tivazione di virtual wall, all’operatore non è concesso di muovere il veicolo poichè, un suo avanzamento equivale ad urtare contro l’ambiente.
Figura 1.8.: La navigazione aptica: Problemi e Stimoli Aptici
In Figura 1.8 abbiamo riassunto da un lato i problemi che il nostro algoritmo cerca di risolvere e dall’altro i possibili segnali aptici che possono essere usati. Un aspetto di cui non abbiamo ancora parlato è che il veicolo in esame è anolonomo. In particolare l’operatore può far avanzare il veicolo frontalmente, impartire comandi di imbardata e ruotare il veicolo sul posto, ma non può muovere il veicolo lateralmente. Per tale motivo la resa aptica sopratutto nella modalità di navigazione ottima è più difficile. Inoltre nella modalità di navigazione standard il sistema può avvertire l’operatore della presenza di un ostacolo laterale al veicolo
1.5 Stato dell’arte
ma quest’ultimo non può allontanarsi lateralmente. Per tali motivi gli algoritmi implementati devono tenere conto anche di questa caratteristica.
1.5. Stato dell’arte
Prima di procedere con lo sviluppo dei nostri algoritmi, abbiamo cercato in letteratura delle metodologie che potessero essere usate sul veicolo in esame per evitare ostacoli. Come detto precedentemente, il nostro veicolo è di forma rettangolare e anolonomo. La ricerca si è quindi principalmente focalizzata su quegli aspetti. Il fatto di considerare la forma del veicolo non come una semplice circonferenza ma come un poligono, complica l’algoritmo per evitare ostacoli. Qui sotto riportiamo una breve panoramica dei lavori e come si evince, nessuno degli autori riesce a risolvere a pieno i problemi che vengono affrontati in questa tesi.
1.5.1. Real-time Obstacle Avoidance Using Potential Field for a
Nonholonomic Vehicle [1]
Questi ricercatori propongono un metodo per evitare ostacoli per una sedia a rotelle soggetta a vincoli anolonomi. Inizialmente il loro algoritmo viene applicato per la guida autonoma del robot e successivamente viene usato per una guida semiautonoma, in modo da assistere l’utente ad evitare ostacoli. L’utente mediante un joystick può impartire una forza sulla carrozzina. In questo modo l’uomo può guidarla verso la direzione desiderata. L’inclinazione del joystick rappresenta la direzione della forza attrattiva e la carrozzina, in presenza di ostacoli, devia il suo percorso. L’utente durante la guida della carrozzina non riceve alcun ritorno di forza dal joystick.
La carrozzina è dotata di un sensore laser (nei test reali ne vengono usati due) con un angolo di 360 gradi che scansiona l’ambiente. Gli autori considerano la forma della carrozzina che risulta essere rettangolare. In Figura 1.9 vediamo la forma del veicolo rettangolare, la regione di influenza degli ostacoli ed i punti target restituiti dai sensori laser indicati con Pj. Il loro algoritmo differisce dagli altri metodi presenti in letteratura per una serie di carat-teristiche. Infatti la principale differenza riguarda il modo di considerare i vincoli cinematici. Le forze repulsive ed attrattive, che aiutano rispettivamente ad evitare ostacoli ed a raggiun-gere la meta specificata dall’utente, agiscono su due punti posti sul corpo del veicolo, uno frontale ed uno posteriore. Queste forze vengono trattate come una leva che agisce sul fulcro posto nel punto di mezzo delle due ruote. In questo modo, essendo il veicolo anolonomo, il robot riceve come ingresso un comando di imbardata e di velocità in funzione di queste forze.
Gli autori per considerare la forma del robot, calcolano la forza repulsiva in base alla distanza tra l’ostacolo ed il contorno del robot.
Figura 1.9.: Model of nonholonimic vehicle with a laser range sensor
Il calcolo delle forze repulsive, quella frontale e quella posteriore, risulta essere inversa-mente proporzionale alla distanza tra robot e ostacolo. In Figura 1.10 possiamo vedere le due forze repulsive che agiscono sui due punti(poli), uno frontale ed uno posteriore, solidali al veicolo.
Figura 1.10.: Generation of repulsive forces from obstacle points
La forza risultante usata per impartire i comandi al veicolo viene calcolata nel seguente modo. Ovvero le forze repulsive vengono riportate sul polo frontale mediante i guadagni kf
e kr. Infine queste forze assieme alla forza attrattiva vengono sommate. Così facendo è come
se il veicolo fosse tirato a partire dal punto frontale verso il target, cercando di stare lontano da ostacoli.
La scelta di questi guadagni è cruciale, poichè in presenza di un solo ostacolo frontale, la forza repulsiva può non essere sufficiente, come si può notare dalla Figura 1.11. Inoltre quando il veicolo si muove in un corridoio (pareti da entrambe le parti) il veicolo non è sensibile alle forze, poiché entrambe portano il veicolo a ruotare nella stessa direzione. Mentre quando la carrozzina cerca di inseguire una parete, il veicolo è relativamente sensibile, infatti trattando le forze come leve, aumentare il guadagno kf provoca un allontanamento dalla
1.5 Stato dell’arte
Figura 1.11.: Effect of action rate between front and rear forces on vehicle’s motion
Sono stati effettuati test in simulazione su vari ambienti anche in presenza di passaggi stretti e variando le dimensioni della carrozzina virtuale. Inoltre gli autori hanno eseguito una serie di test su una carrozzina reale. Entrambe le prove permettono alla carrozzina di raggiungere la posizione desiderata senza sbattere contro gli ostacoli, però gli autori hanno notato che l’utente non riesce a guidare la carrozzina con precisione.
1.5.2. Haptic Teleoperation of a Mobile Robot: A User Study [2]
Questo è un altro esempio di teleoperazione di un robot mobile. Abbiamo l’utente che guida in remoto il robot mediante un’interfaccia aptica. Mediante quest’ultima egli è in grado di impartire i comandi di velocità lineare e di imbardata al veicolo. Sul robot sono presenti sensori laser, i quali scansionano l’ambiente ed inviano i punti ostacolo rilevati al pc di controllo. Questa unità di controllo risiede in remoto e si occupa di ricevere le informazioni dai sensori, di ricevere la posizione logica dall’interfaccia, di inviare i comandi al robot e di calcolare la forza da restituire all’operatore.
L’interfaccia è controllata in modo da convertire la posizione dell’end-effector in velocità per il robot ed inoltre è presente una zona morta, vedi Figura 1.12, per evitare che movimenti accidentali da parte dell’utente si ripercuotono sul robot.
Figura 1.12.: Car-driving metaphor: mapping a logical point
Le informazioni degli ostacoli vengono usate per il force feedback. In particolare sono state considerate due forze: una forza ambientale Fe ed una forza per prevenire le collisioni Fc. La forza risultante che alla fine viene resa all’utente non è data dalla somma delle due
forze, ma è ottenuta calcolando il massimo tra i due contributi in entrambe le direzioni. Inoltre come rappresentato in Figura 1.13, la direzione di movimento del robot definisce quali ostacoli prendere in considerazione per il calcolo della forza da restituire all’operatore.
Figura 1.13.: Obstacles considered according to the movement of the robot
La forza ambientale viene calcolata considerando il veicolo come punto materiale (gli autori non considerano inizialmente la forma del veicolo). Quest’ultima restituisce all’ope-ratore, mediante l’interfaccia aptica, la percezione degli ostacoli presenti nell’ambiente. Da notare che, non avendo preso in considerazione la forma del veicolo, la forza ambientale non garantisce di evitare ostacoli.
Gli autori per considerare la forma del robot, che risulta essere rettangolare, implementano una ulteriore forza.
Figura 1.14.: Two examples of the left and right possible-turning angles and an example of df ront and drear
Questa ulteriore forza consente di prevenire le collisioni con l’ambiente. Infatti essa si basa su 4 quantità, vedi Figura 1.14, che rappresentano i possibili angoli di sterzata e quanto il robot può avanzare o arretrare senza che esso urti contro un ostacolo.
Gli autori effettuano una serie di test in ambiente virtuale al variare di 3 condizioni: senza ritorno di forza, solo con forza ambientale e con entrambe le forze attive. Ai partecipanti viene chiesto di guidare il robot virtuale dal punto di start al punto di stop e vengono misurate quantità utili per stabilire le performance come: numero di collisioni, tempo di navigazione, media delle distanze tra robot e ostacoli.
I risultati mostrano un numero di collisioni drasticamente basso (non nullo poiché la forza resa dall’interfaccia è troppo piccola) ed una riduzione del tempo per compiere la missione. Queste forze, come affermano gli autori, risultano essere a volte poco intuitive. Inoltre i test evidenziano un conflitto tra le intenzioni dell’operatore ed il controllo da loro implementato.
1.5 Stato dell’arte
1.5.3. Haptic Tele-operation of a mobile Robot [3]
In questo lavoro, gli autori propongono un metodo per teleoperare un veicolo mediante un’interfaccia aptica. Il loro sistema fornisce all’utente, che sta guidando il veicolo in remoto, un ritorno aptico dovuto agli ostacoli, e garantiscono la passività dell’intero sistema.
La posizione logica dell’interfaccia viene convertita nella velocità desiderata per il robot. Quest’ultimo è dotato di sensori per la costruzione della mappa degli ostacoli ed il pc montato a bordo del veicolo consente di ricevere i comandi dall’utente e di inviare al pc lato master i dati rilevati dai sensori.
Il robot che considerano nel loro studio è un uniciclo e nella loro trattazione non viene presa in considerazione la forma del veicolo. Il pc lato master riceve le informazioni ricevute dai sensori montati sul robot e tiene traccia degli ostacoli presenti nell’ambiente remoto mediante una mappa a celle.
Il force rendering viene calcolato modellando il veicolo come una massa virtuale soggetta alla forza dell’operatore e alla forza dell’ambiente. L’operatore infatti, mediante l’interfaccia aptica, esercita su questa massa virtuale una forza virtuale elastica per fare in modo che questa massa (e quindi il veicolo) segua la traiettoria desiderata. L’ambiente invece esercita su questa massa una forza Fe. Questa forza modella l’interazione tra il veicolo e gli ostacoli mediante un’impedenza virtuale. La cinematica di questa massa virtuale contribuisce a generare i comandi di velocità per il robot. Essendo quest’ultimo anolonomo, la velocità della massa virtuale viene espressa nel frame del robot e poi inviata al pc situato a bordo del veicolo. In Figura 1.15 viene mostrata l’architettura del sistema e la loro strategia aptica.
Il sistema è stato testato in simulazione su un percorso circolare in presenza di ostacoli. L’operatore grazie alla forza restituita dal sistema, modifica la traiettoria del robot per evitare di entrare in collisione con l’ambiente.
Figura 1.15.: Scheme of the proposed control strategy (Melchiorri and Diolati)
1.5.4. Dynamic kinesthetic boundary for haptic teleoperation of
aerial robotic vehicles [4]
Questo studio è diverso da quelli proposti in precedenza, ha però contribuito al nostro lavoro di tesi per questo riportiamo una breve sintesi.
Gli autori affrontano il problema della teleoperazione di un unmanned aerial vehicle. In particolare propongono una nuova tecnica per aiutare il pilota a far navigare il robot in un ambiente disordinato. Il pilota guida il velivolo mediante un interfaccia aptica customizzata e riceve una forza proveniente dall’ambiente.
Il loro lavoro si basa sul definire il confine dinamico cinestetico (DKB), come rappresen-tato in Figura 1.16. Infatti il robot è come se fosse inserito all’interno di una ipotetica sfera delimitata dal suo perimetro che è dinamico in quanto può deformarsi in base agli ostacoli
incontrati. Questo confine si deforma in funzione della velocità con cui il robot si sta muo-vendo. Questa sfera avrà un raggio massimo quando non ci sono ostacoli e un raggio minimo quando gli ostacoli si trovano sotto la distanza di sicurezza.
Figura 1.16.: Example of dynamic kinesthetic boundary (DKB)
Figura 1.17.: DKB implementation in admittance framework for perceiving obstacle avoidance
L’entità della deformazione determina un ritorno aptico basato sulla velocità e sulla di-stanza dell’ostacolo come rappresentato in Figura 1.17. Questo confine dinamico cinestetico ha ispirato il nostro lavoro di tesi nella definizione di una regione di influenza degli ostacoli che si deforma in funzione del vettore di navigazione.
1.5.5. Navigation Guidance Control Using Haptic Feedback for
Obstacle Avoidance of Omni-directional Whellchair [5]
In questo lavoro gli autori propongono un nuovo sistema di guida per una sedia a rotelle. L’utente guida la carrozzina mediante un joystick e riceve un ritorno di forza. Questa forza restituita dal loro sistema induce una guida evasiva in modo da allontanarsi dagli ostacoli presenti nell’ambiente. Inoltre il loro sistema assiste l’utente durante la guida generando una trattiettoria quanto piu’ possibile smooth.
1.5 Stato dell’arte
Figura 1.18.: Omni-directional Whellchair: The environmental recognition system
La carrozzina presa in esame dagli autori è olonoma, rappresentata in figura Figura 1.18. Inoltre essi modellano la forma del veicolo come un ellisse e non come una circonferenza. Questa scelta consente alla carrozzina di passare in spazi relativamente stretti ed al tempo stesso permette agli autori di implementare un ritorno in forza più semplice rispetto al caso in cui modellano la carrozzina con un poligono.
Sul veicolo sono montati due sensori laser uno frontale ed uno posteriore per rilevare ostacoli presenti nell’ambiente. La direzione in cui la carrozzina si sta muovendo definisce l’area all’interno della quale gli ostacoli sono rilevanti per il calcolo della forza. L’inclinazione del joystick viene convertita in comandi di velocità per il robot.
La forza aptica restituita all’operatore viene implementata mediante un modello di im-pedenza virtuale. Oltre a questa forza che informa l’utente della presenza degli ostacoli, l’utente riceve anche un aiuto per guidare il robot in direzioni evasive. In questo modo il sistema assiste l’uomo durante la guida del robot verso direzioni sicure evitando gli ostacoli.
1.5.6. A preliminary experimental study on haptic teleoperation of
mobile robot with variable force feedback gain [6]
Questi autori propongono un nuovo metodo per il force rendering durante la teleoperazione di un robot mobile. Il sistema è composto da un’interfaccia aptica mediante la quale l’operatore può impartire i comandi al robot. La posizione logica dell’interfaccia viene poi mappata in velocità per il robot e l’utente riceve una forza dovuta alla percezione degli ostacoli presenti nell’ambiente. In Figura 1.19 viene mostrata l’architettura generale del sistema. Da un lato troviamo l’interfacia aptica, dall’altro lato il robot situato nell’ambiente remoto.
Sul veicolo sono presenti sensori per la percezione dell’ambiente e le informazioni resti-tuite vengono usate per calcolare la forza da rendere all’operatore. Il loro scopo è quello di migliorare la guida del robot mediante un ritorno di forza che a differenza dei metodi tradizionali si basa su un guadagno variabile.
Figura 1.19.: Configurations of master manipulator and mobile robot
Precedenti studi, fatti dagli stessi autori, dimostrano che utilizzare un guadagno costante per il calcolo della forza riduce le performance sulla guida. La loro idea è quella di utilizzare un guadagno variabile, ovvero la forza resa all’utente dovuta alla presenza di un ostacolo dipende non solo dalla distanza con essi, ma dipende anche dalla velocità con cui il robot si sta avvicinando. Definiscono quindi il vettore delle distanze R ed il vettore Theta degli angoli di rilevamento ottenuti da ogni sensore. Il guadagno variabile K è quindi ottenuto sulla base del vettore R e della sua derivata.
