APRÈN. Portal de la producció docent del professorat de la UPC

In this thesis, we establish the theoretical basis of some dimensional reduction algorithms like the GPLVM and their application to the reproduction of a time series of observable data with the GPDM and its generalization with control CGPDM. Finally, we are going to introduce a new more time efficient model MoCGPDM applying a mixture of experts. And the final section will consist in fine-tuning the model and compare it to the previous model.

For many people with upper limb disabilities, simple activities of daily living such as drinking, opening a door, or pushing an elevator button require the assistance of a caregiver; which reduces the independence of the individual. Assistive robotic systems controlled via human-robot interface could enable these people to perform this kind of tasks autonomously again and thereby increase their independence and quality of life. Moreover, this interface could encourage rehabilitation of motor functions because the individual would require to perform its remaining body movements and muscle activity to provide control signals. This project aims at developing a novel hybrid control interface that combines remaining movements and muscle activity of the upper body to control position and impedance of a robotic manipulator. This thesis presents a Cartesian position control system for KINOVA Gen3 robotic arm, which performs a proportional-derivative control low based to the Jacobian transpose method, that does not require inverse kinematics. A second control is proposed to change the robot's rigidity in real-time based on measurements of muscle activity (sEMG). This control allows the user to modulate the robot's impedance while performing a task. Moreover, it presents a body-machine interface that maps the motions of the upper body (head and shoulders) to the space of robot control signals. Its uses the principal component analysis algorithm for dimensionality reduction. The results demonstrate that combining the three methods presented above, the user can control robot positions with head and shoulders movements, while also adapting the robot's impedance depending on its muscle activation. In the future work the performance of this system is going to be tested in patients with severe movement impairments.

En els últims anys la robòtica est ‘a sortint dels entorns tancats de la industria convencional per dirigir-se a treballar braç a braç amb les persones, ja sigui en l'àmbit industrial o en el domèstic. En aquest context, la interacció física entre els humans i els robots és un component clau per dur a terme les tasques d'una forma segura. D'aquí es desprèn l'objectiu principal del projecte: dissenyar i implementar controladors d'impedància variable que es puguin adaptar contínuament a les diferents fases del moviment del robot. El primer aspecte estudiat en aquest projecte és la definició d'un sistema de control a l'espai operacional o Cartesià pel braç robòtic WAM. Aquest, respecte d'un control a nivell d'articulacions, aporta principalment dos avantatges. El primer és que es pot planificar directament el moviment que ha de fer l'efector final del robot sense haver de calcular el conjunt de punts que han de seguir les articulacions per posicionar-lo all ‘a on es vulgui. El segon avantatge és poder aprofitar la redundància que presenten els braços antropomòrfics com el WAM. Per assolir l'objectiu, s'ha dissenyat una llei de control proporcional-derivativa basada en el mètode del jacobià transposat, que no requereix de cinemàtica inversa. D'altra banda, s'ha explotat el grau redundant del robot per afavorir el seu moviment, tot evitant les singularitats cinemàtiques i així fent el controlador m'és robust. Posteriorment, s'ha verificat experimentalment que aquest mètode senzill permet al robot seguir una trajectòria qualsevol dins del seu espai de treball. Un cop definit el problema a l'espai Cartesià, s'ha emprat el controlador dissenyat per ajustar la rigidesa del robot en les direccions de l'espai operacional. D'entrada, s'ha considerat una metodologia per poder adaptar la trajectòria en funció de la magnitud de les pertorbacions externes que rebi i, en efecte, aconseguir que el robot sigui més d'oci. De manera paral·lela, s'ha estudiat com modificar els guanys del robot segons unes direccions d'interès: la direcció del moviment, la direcció radial a una esfera i la direcció normal d'un pla. A més, també s'ha dissenyat una estratègia per caracteritzar en temps real el comportament del robot a partir de moviments ensenyats prèviament per l'usuari, així adaptant la seva rigidesa en funció dels requeriments de precisió. S'ha comprovat experimentalment que les estratègies definides permeten al robot variar la seva impedància en funció d'objectes a l'espai i en funció de la precisió requerida. Així mateix, també es comprova que es pot pertorbar el robot i, fins i tot, aturar-lo manualment exercint poca força. Arribats a aquest punt, s'ha volgut anar un pas més enllà reduint la dimensionalitat del problema. A partir de trajectòries ensenyades per demostració s'han extret els graus de llibertat rellevants per a fer la tasca i s'ha creat una llei de control per ells. Aquest fet deixa una part dels graus de llibertat descontrolats, cosa que permet definir una acció de control independent per aquests. La conseqüència directe és poder fer anar el robot de manera més dòcil en aquelles direccions que són redundants per fer la tasca i, per tant, aconseguir una millor interacció entre els humans i els robots. S'ha constatat amb el sistema real que assignant uns guanys petits als graus de llibertat redundants en la tasca es millora la docilitat i la suavitat dels seus moviments, mentre els graus de llibertat rellevants segueixen correctament la trajectòria. Finalment, s'han unit les tècniques d'impedància variable i de reducció de la dimensionalitat aplicant-les a un cas concret: donar de beure aigua a una persona. S'ha comprovat que d'aquesta manera es poden regular per separat els graus de llibertat segons la rellevància que tenen en la tasca i, a més, adaptar la rigidesa en cada instant de temps, resultant en un robot més dòcil.

The learning of bimanual robotic tasks, i.e., tasks executed by two manipulators together, can be particularly important in the new scenarios opened by the rise of humanoid robotics, one of the most interesting trend currently in the field. The work presented wants to build a method to simplify the dimensionality of parameter space in this particular context, exploiting the presence of symmetries between the movements executed by the two arms. The aim is to develop a reduced-order representation of the bimanual motion, with the purpose of increase the speed of learning process. In chapter 1, kinematics of the used robots is studied, in order to know how to correctly command the position of the robots while executing a task. Robotic movements are then modeled using Probabilistic Movement Primitives (ProMPs), a stochastic interpretation of robot movements (details in chapter 2). The first objective is to develop a symmetrization method for those kind of policies, and this part is treated in chapter 3. This will give the chance of representing the movement of two robotic arms, with only a single ProMP (instead of two, one for each arm), from which obtain the second policy applying symmetrization. In this way the amount of parameters representing motion can be halved. The most common kind of symmetry is the one defined by a plane, but also other cases can be explored, e.g., spherical or cylindrical symmetry. If the symmetry surface is not explicitly given in the bimanual task description, it is critical to have a reliable method to estimate it in order to exploit it in the learning process. In chapter 4 it is reported a way to obtain this estimation of the parameters describing the symmetry surface from the initially demonstrated trajectories. Finally, in chapter 5 it is defined a symmetric policy representation for bimanual task, that depends only on a single ProMP and a symmetry surface. The effectiveness of this parameter reduction has been tested applying it in reinforcement learning of some tasks, in comparison to the results obtained by the standard way of proceeding, that model the bimanual task with two separated ProMPs, one for each robotic arm.

The main aim of this work is to present a motion learning framework in order to make a Whole Arm Manipulator (WAM) robot learn a task. In addition, we will improve the motion learning algorithm by reducing the dimensionality of the problem in both general one arm cases, and two arm motions which include symmetries. In the last case, we will use the symmetry feature in order to upgrade the learning process.