Remote manipulation is to control a robot from a user command and has been primarily used to perform dangerous or difficult tasks for humans in special places such as nuclear power plants or medical facilities. Recently, the scope of remote manipulation has expanded to environments around us (e.g., homes and convenience stores), and studies have been conducted to perform tasks through robots without directly going to those places. Since environments around us have many different and dynamic obstacles, it is necessary to perform user commands safely from these obstacles. Obstacle avoidance requires high computational costs, whereas users expect immediate execution of commands. Therefore, it is an important issue to find collision-free joint configurations that follow user commands while reducing the amount of computation for obstacle avoidance.
In this dissertation, we present robot arm motion planning approaches for safe execution of user commands against various and dynamic obstacles. This dissertation also targets a redundant manipulator, which has various joint configurations for a user command given to the manipulator's end-effector. Accordingly, this dissertation deals with finding a collision-free joint configuration among various solutions for a user command and adjusting a risky command due to the user's unpredictability or carelessness to be safe. Specifically, we propose 1) a trajectory optimization method for generating joint configurations that follow a given end-effector path avoiding obstacles. We also propose 2) real-time collision-free inverse kinematics based on deep learning to perform consecutive user's real-time commands in dynamic environments. Lastly, we propose 3) a reinforcement learning-based user command adjustment method to adjust risky commands caused by the user's carelessness to be safe. We showed that our proposed methods increase safety from various and dynamic obstacles through experiments using the real robot and sensor data.
원격 조작은 사용자의 명령에 의해 로봇을 조종하는 것으로, 핵 발전소나 의료 시설과 같은 특수한 장소에서 사람이 하기에 위험하거나 어려운 일을 대신하는데 많이 사용되어 왔다. 최근에는 집과 편의점 같은 우리 주변 환경으로 영역을 확장해 직접 그 장소에 가지 않고 로봇을 통해 일을 수행하기 위한 연구들이 진행되고 있다. 우리 주변 환경은 다양하고 동적인 장애물들이 많기 때문에, 이런 장애물들로부터 안전한 사용자 명령 수행이 필요하다. 장애물 회피에는 많은 계산량이 소요되는 반면, 사용자는 명령에 즉각적인 수행을 바란다. 그렇기에 장애물 회피의 계산량을 줄이면서도 사용자의 명령을 따르는 조인트 구성을 찾는 것이 중요한 문제이다.
본 논문에서는 다양하고 동적인 장애물로부터 안전한 사용자 명령 수행을 위한 로봇 팔 움직임 계획법을 제안한다. 또한, 본 논문은 로봇의 엔드-이펙터에 주어지는 사용자의 명령에 대해 다양한 조인트 구성들을 가지는 여유 자유도 로봇을 대상으로 한다. 그에 따라, 본 논문은 사용자 명령에 대한 다양한 조인트 구성 중 충돌 없는 조인트 구성을 찾는 것과 사용자의 부주의로 인한 위험한 명령을 안전하게 조정하는 것을 다룬다. 구체적으로, 1) 장애물을 피해 주어진 엔드-이팩터 경로를 따라가는 조인트 경로를 생성하기 위한 경로 최적화 방법을 제안한다. 다음으로, 2) 동적 장애물이 있는 환경에서 실시간으로 주어지는 사용자 명령을 수행하기 위한 딥러닝 기반의 실시간 역기구학 기법을 제안한다. 마지막으로, 3) 사용자의 부주의로 인한 위험한 명령을 안전하도록 조정하기 위한 강화학습 기반의 사용자 명령 조정법을 제안한다. 제안한 방법은 실제 센서 데이터와 로봇을 이용해서 실험하였고, 다양하고 동적인 장애물들로부터 사용자 명령 수행의 안전성을 높임을 보였다.
