Med robotskim sestavljanjem prihaja do fizičnih kontaktov s posameznimi deli izdelka, ki ga je potrebno sestaviti. Takšne naloge zahtevajo poznavanje položajev in orientacije poti kot tudi spremljajoče profile sil in navorov. V tem članku smo razvili novo metodologijo za posploševanje orientacijskih trajektorij in spremljajočih profilov sil in momentov, ki so potrebni za uspešno izvedbo montažnih nalog. Naša metoda temelji na statističnem posploševanju vzorčnih trajektorij, ki jih pridobimo s kinestetičnim vodenjem, glede na robne pogoje naloge.
COBISS.SI-ID: 30866727
Predlagali smo nov pristop za sodelovanje med robotom in človekom, ki smo ga aplicirali na dvoročnem robotskem sistemu. Pri tem lahko človek med sodelovanjem spreminja tako časovni potek gibanja kot tudi pot vrha robota v prostoru. Na ta način stalno prehajamo med kinestetičnem vodenjem in dvoročnim sodelovanjem človeka z robotom. Predlagana metoda omogoča adaptacijo togosti robota v koordinatnih sistemih, ki jih določa trajektorija robotskega gibanja. Želene dinamične lastnosti smo dosegli z dekompozicijo dinamike robota v zunanjih koordinatah, varnost pa zagotovili z uporabo regulatorja na osnovi teorije pasivnosti.
COBISS.SI-ID: 30905127
V tem članku smo predlagali novo metodo za izboljšanje uspešnosti iterativnega učenja. Obravnavali smo robotske naloge, kjer je potrebno prilagajanje na neznano ali delno znano okolje. Predlagali smo novo adaptivno iterativno učno regulacijsko shemo, kjer prilagajanje nadziramo s spodbujevanim učenjem.
COBISS.SI-ID: 31023143
Predlagali smo novo metodo za dvofazno programiranje robotov, ki omogoča hitro učenje kompleksnih dvoročnih nalog sestavljanja. V prvi fazi robot opazuje več človeških demonstracij in izdela okvirni načrt želene naloge. V drugi fazi je naučeno nalogo izboljšamo z inkrementalnim učenjem, kjer uporabnik kinestetično spreminja gibanje robota. Prednost te metode je bolj učinkovito učenje, saj se lahko uporabnik osredotoči le na fino prilagoditev predhodno naučene poti.
COBISS.SI-ID: 31854119
Učinkovita reprezentacija robotskih trajektorij omogoča specifikacijo vseh elementov robotskih gibanj. V tem članku smo predlagali novo reprezentacijo, ki je osnovana na dinamičnih generatorjih gibov in v kateri so prostorski in časovni aspekti robotskih gibanj dobro ločeni. Pokazali smo učinkovitost predlaganih algoritmov za statistično učenje motoričnih veščin in razpoznavanje gibanja. Predlagano reprezentacijo smo primerjali s klasičnimi dinamičnimi generatorji gibov, v katerih prostorski in časovni aspekti gibov niso ločeni.
COBISS.SI-ID: 29907495