서지주요정보
Optimal grasping strategy using lmitation learning for pneumatic soft gripper = 이미테이션 러닝 기반 공압 소프트 그리퍼 파지 전략 최적화 연구
서명 / 저자 Optimal grasping strategy using lmitation learning for pneumatic soft gripper = 이미테이션 러닝 기반 공압 소프트 그리퍼 파지 전략 최적화 연구 / David Santiago Diaz Cortes.
저자명 Diaz Cortes, David Santiago ; 디아즈 코르테스 다비드 산티아고
발행사항 [대전 : 한국과학기술원, 2020].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8036529

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MRE 20010

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

Traditionally Robotic grasping is performed by a robot manipulator with a rigid end-effector (a hard gripper). The usage of such kind of end effectors requires a high accuracy object detection to detect the best candidate contact points and precise control for the motion planning to perform a successful grasp. Additionally, force control is needed to prevent damage to the target object, especially if it is fragile. On the other hand, grippers made of soft materials shown to be compliant with different object shapes and can perform a safe and stable grasping due to the nature of soft material. In this thesis, we propose the implementation of an imitation learning algorithm to simplify the control scheme, by combining with a pneumatic soft gripper. As a result, the system proposed exploits such advantages of soft grippers so the limitations of a hard gripper based system can be solved. We compare the performance of the model to the demonstrations collected by changing the position, pose, and shape of two different target objects, and additionally, we tested the grasping successful rate.

일반적으로, 로봇에 의한 파지는 로봇 매니퓰레이터에 부착된 단단한 소재의 그리퍼에 의해 수행된다. 이러한 단단한 소재의 그리퍼를 사용하기 위해서는, 최적의 접촉점을 찾기 위해 높은 정확도의 물체 형상 및 위치 파악이 필요하며, 성공적인 파지를 위해서는 경로 계획에 따른 정밀 제어가 필요하다. 또한, 대상물체가 부서지거나 변형되기 쉽다면, 이를 방지하기 위하여 정밀한 힘 제어도 필요하다. 반면에, 부드러운 소재로 이루어진 소프트 그리퍼는 대상물의 형상에 적응하는 특성을 가지고 있기 때문에, 정밀한 제어 알고리즘 없이도 안전하고 안정적인 물체 파지를 수행할 수 있다. 본 논문에서는 공압 소프트 그리퍼에 모방 학습 알고리즘을 통한 파지 방식을 적용하여, 기존의 단단한 소재로 이루어진 그리퍼의 한계를 극복하고자 한다. 다양한 위치, 자세, 형상을 가진 대상물에 대한 소프트 그리퍼의 파지 방식 데이터를 수집하였으며, 이를 기반으로 모방 학습 알고리즘 모델을 구성하였다. 마지막으로 구성된 모방 학습 알고리즘을 사용하여 소프트 그리퍼가 성공적인 파지를 수행하는 것을 확인하였다.

서지기타정보

서지기타정보
청구기호 {MRE 20010
형태사항 vi, 49 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 디아즈 코르테스 다비드 산티아고
지도교수의 영문표기 : Ki Uk Kyung
지도교수의 한글표기 : 경기욱
학위논문 학위논문(석사) - 한국과학기술원 : 로봇공학학제전공,
서지주기 References : p. 47-49
주제 Expert Demonstration
Grasping Strategy
Imitation Learning
Neural Network
Policy
Soft Gripper
전문가 데모
파지 전략
이미테이션 러닝
신경망
정책
소프트 그리퍼
QR CODE qr code