Imitační učení robota: trajektorie bez enkodérů

Imitační učení robotického manipulátoru: generování trajektorií bez enkodérů

Robotický manipulátor s servopohony MG996R bez enkodérů trpí vůlí, opotřebením a nepřesnostmi. Místo složité kinematické kalibrace se používá imitační učení: manipulátor je ručně vedeno po požadovaných trajektoriích, přičemž polohy jednotlivých kloubů zaznamenávají externí potenciometry. Tyto údaje slouží k trénování neuronové sítě, která pak pohyb reprodukuje krok za krokem.

Konstrukce zahrnuje podstavu s rotací kolem osy Z, tři články a koncový člen (chop). Na čtyřech kloubech jsou instalovány potenciometry o odporu 10 kΩ, jejich analogové signály jsou čteny pomocí Arduino Mini s frekvencí 100 Hz (každých 10 ms). Ovládání servopohonů probíhá přes řadič PCA9685PW. Všechna naměřená data se ukládají do CSV souborů pro následnou zpracování.

Hardwarová sestava a režimy provozu

Arduino pravidelně čte hodnoty potenciometrů a aplikuje jednoduché vyhlazování pro potlačení šumu: každá nová hodnota se vypočítá jako vážený průměr s předchozí hodnotou. Signály v rozsahu 0–1023 jsou později na PC převedeny na skutečné úhly servopohonů.

Systém pracuje ve dvou režimech:

• Sběr referenčních trajektorií pomocí potenciometrů.
• Autonomní spouštění naučených pohybů prostřednictvím servopohonů.

Napájení servopohonů je oddělené – zaručuje stabilitu napětí i při nárazech proudu. Pracovní prostor je omezen na komfortní oblast s maximálně 34 cílovými body uspořádanými do mřížky podobné šachovnici. Referenční bod nad touto zónou slouží jako středový „domovský“ bod pro všechny pohyby: domov → cíl → domov.

Tím se počet nutných trajektorií výrazně snižuje: místo kombinací všech možných dvojic bodů stačí 68 trajektorií (34 tam + 34 zpět).

Etapy imitačního učení

Sběr trajektorií

Ruční vedení manipulátoru z domovského bodu k cíli a zpět. Arduino zaznamenává polohy kloubů každých 10 ms. Syrová data obsahují šum i chyby způsobené mechanickou vůlí.

Kalibrace cílových bodů

Přesné doladění úhlů pro spolehlivé dosažení každého cíle. Koncové polohy trajektorií se upraví tak, aby kompenzovaly kumulativní chyby způsobené vůlí a neideální mechanikou.

Trénování neuronové sítě

Model předpovídá další krok trajektorie na základě aktuální polohy kloubů a cílové pozice. Vstup: aktuální úhly kloubů + souřadnice cíle. Výstup: delta úhlů pro každý kloub. Pro finální přesnost je do modelu integrován samostatný mechanismus „přesného zaměření“.

Simulační model manipulátoru v PyBullet (na základě URDF) slouží výhradně pro vizualizaci – reálné vůle a deformace v něm nejsou modelovány.

Příprava dat

Trajektorie jsou normalizovány a interpolovány na pevný počet kroků. Pro každou dvojici domov–cíl se shromáždí několik opakování a výsledné trajektorie se průměrují pro zvýšení robustnosti.

Zpracování zahrnuje:

• Filtraci šumu (klouzavý průměr).
• Normalizaci úhlů do rozsahu [0, 1].
• Interpolaci na 100–200 kroků.
• Přidání cílové pozice jako podmínkového vstupu (conditioning input).

Architektura neuronové sítě

Použit je MLP (multilayer perceptron) se 4 vstupy (úhly kloubů), 2 embeddingy cíle (x, y) a vstupem pro časový krok. Skryté vrstvy: 256 → 128 → 64 neuronů, aktivace ReLU, dropout 0,1. Výstup: 4 delta úhlů.

Trénink: ztrátová funkce MSE na deltách úhlů, optimalizátor Adam s rychlostí učení 1e-3, velikost dávky 32, 500 epoch. Rozdělení dat: 80 % trénink, 10 % validace, 10 % test.

Kompensace chyby: posledních 10 % trajektorie je nahrazeno lineární interpolací mezi aktuální pozicí a kalibrovaným cílem.

Výsledky a zobecnění

Neuronová síť reprodukuje trajektorie s chybou menší než 5° na kloubech a s přesností dosažení cíle ±2 mm. Na neznámých středech mřížkových buněk („neviděných cílech“) zůstává chyba v rámci ±4 mm.

Porovnání metod:

| Metoda | Chyba úhlů | Přesnost dosažení (mm) |

|--------|------------|-------------------------|

| Otevřený kinematický model | 12° | ±8 |

| Imitační učení | 4° | ±2 |

| S přesným zaměřením | 2° | ±1 |

Přístup je snadno přenosný i na jiné manipulátory bez vestavěných senzorů.

Klíčové výhody

• Imitační učení obejde absenci enkodérů i přesných kinematických modelů.
• Externí potenciometry poskytují spolehlivou „ground truth“ pro tréninkové trajektorie.
• Neuronová síť generuje pohybové kroky s podmínkou cíle (conditioning) a doplňkovým mechanismem přesného zaměření.
• Stačilo 68 tréninkových trajektorií pro spolehlivé zobecnění na nové cíle.
• Chyba se sníží na ±2 mm i na nízkonákladovém hardwaru.

— Editorial Team