基于遗传算法与非线性优化的人形机器人协同设计以实现与多人的工效学协作
机器人学
2023-12-13 v1
摘要
工效学是设计用于人类与人形机器人间有效物理协作的控制架构时需考虑的关键因素。然而，在机器人设计阶段，工效学指标常被忽视，导致物理人机交互任务中的性能次优。本文提出了一种新方法，针对与多智能体交互相关的工效学指标优化人形机器人的设计。我们的方法利用机器人连杆与电机规格的动力学和运动学参数化，采用双层优化方法寻找最优机器人设计。具体而言，遗传算法首先通过选择连杆和电机特性生成机器人设计。然后，我们使用非线性优化来评估在与不同的人和重物协作抬举负载期间的交互工效学指标。为评估我们方法的有效性，我们将使用双层优化获得的最优设计与使用非线性优化获得的设计进行了比较。结果表明，所提方法在涉及静态和动态机器人运动的两个参考场景中，以计算的能量消耗衡量，显著改善了工效学。我们计划将我们的方法应用于驱动 ergoCub2 机器人的设计，这是一种旨在不同环境中与人类实现最佳物理协作的人形机器人。
引用
@article{arxiv.2312.07459,
title = {Codesign of Humanoid Robots for Ergonomy Collaboration with Multiple Humans via Genetic Algorithms and Nonlinear Optimization},
author = {Carlotta Sartore and Lorenzo Rapetti and Fabio Bergonti and Stefano Dafarra and Silvio Traversaro and Daniele Pucci},
journal= {arXiv preprint arXiv:2312.07459},
year = {2023}
}