| Abstract | The goal of this thesis is to capture and examine human movements throughout the set of defined exercises and analyze the movements. Furthermore, to transfer these movements from the task space to the joint space using an imitation algorithm, and then map the movements to a humanoid robot. For that purpose, a series of exercises aimed at enhancing the upper body's gross motor skills of children were created with the assistance of kinesiology specialists. An OptiTrack system and an upper-body suit were utilized to capture human movements using markers placed on the suit. The humanoid robot Pepper was used for the implementation of the exercises. The thesis is organized as follows: initially, an introduction is provided, explaining the thoughts behind robots, human-robot interactions, and task elaboration. Following are the chapters that go into each step of the process needed to finish the assignment. Additionally, an analysis is conducted to determine the degree to which the human movement translated to the robot is accurate. Accuracy is measured based on how closely the virtual markers (specified on the extended kinematic model of the human) tracked the positions of the real markers. Based on these numerical data, a conclusion regarding the effectiveness of humanoid robot motion imitation was drawn. |
| Abstract (croatian) | Cilj diplomskog rada je snimiti i proučiti ljudske kretnje tijekom niza definiranih tjelesnih vježbi, analizirati te kretnje, te ih potom prenijeti iz vanjskih koordinata koje opisuju kretnju čovjeka u unutrašnje koordinate robota pomoću imitacijskog algoritma i implementirati na humanoidnom robotu. U tu svrhu je uz pomoć stručnjaka iz područja kineziologije osmišljen set od ukupno pet vježbi usmjerenih na poboljšanje grubih motoričkih vještina gornjeg dijela tijela kod djece.
Struktura rada je sljedeća: prvo je dan uvod u kojem su objašnjeni pojmovi robota, interakcije robota i čovjeka te razrada zadatka. Nakon toga, slijede poglavlja u kojima je opisan postupak za svaki dio procesa potrebnog za izvršavanje zadatka. Dodatno, provedena je analiza kako bi se utvrdila točnost prijenosa ljudskog pokreta na robota. Točnost se mjeri prema tome koliko su dobro virtualni markeri (definirani na proširenom kinematskom modelu čovjeka) pratili položaje stvarnih markera. Na temelju tih numeričkih podataka donesena je zaključna ocjena o učinkovitosti imitacije pokreta humanoidnih robota.
Istraživanje [1] ukazuje da su ljudi više potaknuti i motivirani ući u interakciju s robotom kada im se obrati prijateljsko lice sposobno za govornu interakciju i kada njihovi pokreti i geste podsjećaju na ljudske. U ovom diplomskom radu, za implementaciju generiranih kretnji te interakciju s čovjekom odabran je humanoidni robot Pepper (Figure 2.1, Table 2.1). Interakcija čovjeka i robota je multidisciplinarno područje čiji je primarni cilj omogućiti sigurnost čovjeka pri interakciji s robotom, pretpostavljajući da se radni prostori čovjeka i robota smiju preklapati, te da je odnos između čovjeka i robota suradnički. Ako trajektorije koje robot izvodi podsjećaju na ljudske radnje, čovjek može procijeniti radni prostor robota, čime se minimizira rizik od kolizije između čovjeka i robota. Ovaj cilj postiže se raznim pristupima, od kojih je jedan imitacijski algoritam. U ovom pristupu roboti uče pokrete promatranjem i oponašanjem, često koristeći demonstracije ljudi.
Sustav za snimanje pokreta OptiTrack koristi se za prikupljanje podataka. To je sustav sačinjen od osam infracrvenih kamera (Slika 3.2), odijela za čovjeka te retro-reflektivnih sfera. Za potrebe rada, snimljeno je ukupno pet različitih vježbi koje je izveo volonter. Pokreti su snimani i kasnije obrađeni u softveru Motive [2]. Tijekom snimanja, 3D položaji markera bilježe se u odnosu na globalni koordinatni sustav koji je postavljen na tlu, između nogu volontera. Podaci su prikupljeni frekvencijom od 120 Hz te su nakon snimanja obrađeni kako bi se uklonile eventualne greške u snimljenom signalu.
Kako bi se prenijeli snimljeni ljudski pokreti na robota, potreban je model transformacije između vanjskih i unutrašnjih koordinata. Kinematika robota opisana je korištenjem MDH parametara (Slika 4.2, Tablice 4.1, 4.2). Taj model proširen je s dvije dodatne rotacije po ruci i prilagođen duljinama segmenata volontera. Prošireni kinematski model zatim je korišten kao pojednostavljeni kinematski model čovjeka. Nakon toga, algoritam inicijalizacije upotrijebljen je za povezivanje virtualnih markera s kinematskim modelom čovjeka. Bitno je napomenuti da su 'stvarni markeri' oni čije su pozicije snimljene sustavom za snimanje pokreta, dok su 'virtualni markeri' oni definirani na proširenom kinematskom modelu robota.
Korištenjem inverzne kinematike, algoritam imitacije se primjenjuje kako bi se cijeli snimljeni pokret prenio s čovjeka na robota. Algoritam imitacije formiran je kao minimizacija razlike u pozicijama između stvarnih i virtualnih markera, uz primjenu inverzne kinematike.
Nakon generiranja trajektorija za sve vježbe, napisana je Python skripta koja je omogućila komunikaciju između računala i robota. Generirane su trajektorije zatim implementirane na humanoidnom robotu Pepper-u.
Na kraju je provedena analiza točnosti praćenja virtualnih markera u odnosu na stvarne pozicije. Rezultati analize ukazali su da su pogreške u položajima markera izravna posljedica nedostajućih translacijskih stupnjeva slobode u kinematskom modelu čovjeka. Taj model definiran je kao proširenje kinematskog modela robota, što je uvelo određena pojednostavljenja. Kinematski model čovjeka je složeniji od napravljenog, uključujući tri rotacije i tri translacije u ramenu. Odabrane vježbe obuhvaćaju različite pokrete ramena, što čini razlike primjetnijima u usporedbi s pokretima usredotočenim na lakat ili šaku.
Rotacijski stupnjevi slobode gibanja su uspješno mapirani s čovjeka na robota čime je ostvareno mapiranje odabranih vježbi za poboljšanje grube motorike kod djece. |
