COMPI
Compliant Robot Arm
Technical Details
System description
The robotic arm COMPI is composed of six rotational joints. Each of them is controlled by a FPGA, which implements different control modes. In particular, this system is used as platform to research dynamic control approaches. Such control strategies play an important role for force- or torque-based tasks, e.g. in the field of Human-Robot-Interaction. The obtained results are continuously transferred to other robotic systems, which have similar kinematic structures as sub-system.
The different modes for the joint control of position, velocity and current allow various high-level control strategies for the arm. Mode-switching and reconfiguration is possible during runtime. The limitation of all joint control variables is ensured in every mode. In addition, friction identification and compensation is implemented on the FPGA. A torque-based high-level controller then uses an identified dynamic model of the arm to compensate for non-linear effects such as gravity. This allows to control compliantly.
Publications:
Videos
COMPI: Roboterarm mit nachgiebiger Regelung
Nachgiebiges Verhalten durch modell-basierte Regelung ermöglicht Mensch-Roboter-Interaktion.
HySociaTea: Ausgewählte Highlights der finalen Projektdemo
Dieses Video zeigt ausgewählte Technologien im HySociaTea-Szenario: das Resourcenplanungsmodul, die Objekterkennung anhand der Eyetracker-Information beim Werker, die Sprach-Interaktion mit den Robotern und dem virtuellen Charakter Gloria, die autonomen Sequenzen der Roboter und die autonome Roboter-Roboter Interaktion.
HySociaTea: Autonome Roboter-Roboter Kollaboration zwischen Compi und AILA
Das Video zeigt die autonome Roboter-Roboter Kollaboration in HySociaTea unter Nutzung des TECS-Framework. Der Roboter Compi nimmt das Werkstück und meldet, dass eine Abholung nötig wird. AILA erkennt, dass sie diese Aufgabe ausführen kann und übernimmt. Bei der Übergabe gibt es ein Kommunikationsprotokoll zwischen beiden Robotern.
HySociaTea: Szenario Maßgefertigte Verpackung
Das Video zeigt den ersten Demo-Aufbau und Ablauf mit dem Hybriden Team.
Intrinsisches interaktives verstärkendes Lernen: Nutzung von Fehler-korrelierten Potentialen
Der Roboter lernt dank menschlichem Negativ-Feedback aus eigenem Fehlverhalten
