Academic literature on the topic 'Préhenseurs'

Les systemes etudies sont constitues d'un generateur de vide qui s'apparente aux ejecteurs supersoniques de l'aeronautique et d'un organe de prehension qui est une ventouse dont les dimensions geometriques, les formes, et la rigidite varient en fonction des objets que l'on doit manipuler. Les principaux problemes qui se posent pour le concepteur de ce type de prehenseur sont les suivants. Il est necessaire, d'une part, d'obtenir le taux de vide le plus grand possible. De lui depend en effet l'effort de prehension pour une ventouse donnee. D'autre part, l'utilisateur cherche a avoir le plus grand debit aspire possible en phase initiale. De ce debit depend la rapidite de prehension mais aussi la possibilite de manipuler convenablement des objets ou des materiaux poreux. Il faut, enfin, pouvoir evaluer le temps de reponse des systemes generateur de vide - ventouse afin de mieux repondre aux cahiers des charges des utilisateurs. Cette these a donc ete abordee avec l'objectif de contribuer a ameliorer les connaissances des ecoulements dans les circuits complexes que l'on rencontre dans les dispositifs pneumatiques de perirobotique mais aussi dans un souci d'aide a la conception. Ainsi ce travail se divise-t-il en deux grandes parties. Un premier chapitre est consacre a la determination, en fonctionnement statique, du taux de vide et du debit aspire, a l'aide de modeles monodimensionnels prenant en compte les zones d'ecoulements complexes et les effets de compressibilite. L'etude dynamique est ensuite abordee par le biais d'une approche theorique lineaire et d'une simulation numerique, avec prise en compte de la deformation de la ventouse pendant la phase transitoire. En conclusion, les modeles employes fournissent des resultats dont la precision s'avere suffisante pour l'optimisation des systemes

Dans les applications robotiques, la plupart des préhenseurs sont plus apparentés à des outils qui sont spécialisés pour effectuer une tâche extrêmement bien plutôt que d’effectuer une variété de tâches et de simplement les réussir. C’est dans cette optique que les travaux rapportés dans cette thèse proposent des solutions de préhension. Premièrement, des méthodes générales sont proposées pour permettre de prendre un type d’objets qui est généralement impossible à prendre pour les préhenseurs simples. Par la suite sont présentés les mécanismes planétaires qui sont au cœur des assemblages subséquents. Ces mécanismes sont utilisés pour améliorer les débattements des doigts et ainsi rendent possible un premier design pouvant prendre des petits et grands objets reposant sur des surfaces dures. Par la suite est présenté la conception d’un préhenseur complet qui inclut les propriétés du premier préhenseur mais aussi des propriétés de prises parallèles qui sont considérées comme indispensables pour être en mesure de saisir une grande panoplie d’objets. Finalement, le design du préhenseur proposé est optimisé et des capteurs y sont intégrés pour tenter de produire un design complet et sécuritaire pouvant être utilisé de manière simple par une grande panoplie de robots.
Most robotic grippers excel at completing one task but are ill suited for completing many and very different tasks. It is with this fact in mind that this thesis proposes general solutions to the grasping problem. First, general methods are proposed that aim at picking small flat objects that could not otherwise be grasped by simple mechanical grippers. Planetary mechanisms are then proposed to increase the range of motion of the finger joints, hence providing a way to achieve the necessary properties to build and test a finger capable of grasping small flat objects lying on hard surfaces. A complete gripper design is then proposed and built. The novel design that includes the features of the previous design is also capable of performing parallel grasps which are considered essential to be able to grasp a wide range of unknown objects. Finally, the gripper design is optimised and sensing apparatus is included in the gripper to provide a gripper that is considered a complete solution to grasping and is simple to use on a wide range of robots.

Cette thèse s'inscrit dans le cadre du projet ANR ASSIST portant sur le développement d'un robot assistant à deux bras, chacun équipé d'une main. Nous nous intéressons particulièrement au contrôle des bras pour effectuer des tâches de manipulation. Dans ce contexte, une tâche est constituée d'un grand nombre d'étapes : approche de l'objet, saisie, manipulation à un ou deux bras (ouverture d'un bocal, par exemple), transfert vers un humain, dépose, etc. Chaque étape nécessite un contrôle soit en position, soit en force, soit en vision, ou encore selon plusieurs modes à la fois. L'emploi d'une structure de contrôle qui puisse commuter aisément d'un mode à l'autre est nécessaire. De plus, l'utilisation d'une main lors de la saisie, au lieu d'une simple pince, impose une configuration particulière de la main en fonction de la forme de l'objet, c'est-à-dire impose non seulement sa position mais aussi son orientation. Différentes représentations de la position et de l'orientation de l'organe terminal d'un bras manipulateur dans l'espace ont été étudiées. Suivant cette analyse, nous avons développé une nouvelle structure de commande basée sur les quaternions duaux permettant de contrôler simultanément la position et l'orientation de l'effecteur. Cette solution est proposée en cinématique, en dynamique et également à la commande référencée vision. Des simulations et des expérimentations sur différents robots permettent de valider ces méthodes
This thesis is incorporated within the framework of the ANR ASSIST project. The aim of this project is to develop a two-arm manipulator robot to assist quadriplegic individuals in their daily lives. We are particularly interested in the arm control to perform manipulation tasks. In this context, a task consists of many steps: approaching the object, grasping, handling with one or both arms (opening a jar, for example), transferring to a human, dropping off, etc. Each stage requires a control system either in one of the following modes : position, force, vision, or in multiple modes at the same time. A control structure that can easily switch from one mode to another is necessary. In addition, the use of a hand for the manipulation instead of a simple gripper, requires a particular configuration of the hand to be set, depending on the shape of the object, and hence not only the position but also its orientation must be controlled. Different representations of the position and orientation of the end-effector of a manipulator in space were studied. Following this analysis, we developed a new control structure based on dual quaternions for simultaneously controlling the position and orientation of the end-effector. This solution is proposed in kinematic, dynamic and also vision-based control. Simulations and experiments on different robots allowed to validate these methods

Les préhenseurs robotiques sont largement utilisés en industrie et leur déploiement pourrait être encore plus important si ces derniers étaient plus intelligents. En leur conférant des capacités tactiles et une intelligence leur permettant d’estimer la pose d’un objet saisi, une plus vaste gamme de tâches pourraient être accomplies par les robots. Ce mémoire présente le développement d’algorithmes d’estimation de la pose d’objets saisis par un préhenseur robotique. Des algorithmes ont été développés pour trois systèmes robotisés différents, mais pour les mêmes considérations. Effectivement, pour les trois systèmes la pose est estimée uniquement à partir d’une saisie d’objet, de données tactiles et de la configuration du préhenseur. Pour chaque système, la performance atteignable pour le système minimaliste étudié est évaluée. Dans ce mémoire, les concepts généraux sur l’estimation de la pose sont d’abord exposés. Ensuite, un préhenseur plan à deux doigts comprenant deux phalanges chacun est modélisé dans un environnement de simulation et un algorithme permettant d’estimer la pose d’un objet saisi par le préhenseur est décrit. Cet algorithme est basé sur les arbres d’interprétation et l’algorithme de RANSAC. Par la suite, un système expérimental plan comprenant une phalange supplémentaire par doigt est modélisé et étudié pour le développement d’un algorithme approprié d’estimation de la pose. Les principes de ce dernier sont similaires au premier algorithme, mais les capteurs compris dans le système sont moins précis et des adaptations et améliorations ont dû être appliquées. Entre autres, les mesures des capteurs ont été mieux exploitées. Finalement, un système expérimental spatial composé de trois doigts comprenant trois phalanges chacun est étudié. Suite à la modélisation, l’algorithme développé pour ce système complexe est présenté. Des hypothèses partiellement aléatoires sont générées, complétées, puis évaluées. L’étape d’évaluation fait notamment appel à l’algorithme de Levenberg-Marquardt.

Le travail présenté dans ce mémoire concerne la commande adaptative de processus non linéaires ou non stationnaires par réseaux de neurones et une application au contrôle d'un préhenseur électropneumatique. Dans une première partie, sont rappelées quelques méthodes d'identification et de commande adaptatives par réseaux de neurones. Puis, nous étudions plus particulièrement la synthèse d'une commande adaptative directe par le principe de compensation de contre-réaction. Les propriétés et les limites de cette approche sont définies et illustrées par des simulations. Dans le cadre de la commande adaptative indirecte, nous précisons des méthodes de calcul de correcteurs neuronaux boucles. Nous montrons l’intérêt, pour mener l'apprentissage, de représenter sous une forme canonique l'ensemble des réseaux impliqués. En synthèse de cette première partie, nous proposons un schéma général pour l'apprentissage d'un bloc de commande constitue de plusieurs correcteurs. Dans une seconde partie, sont présentés quelques apports des réseaux de neurones dans le domaine de la préhension robotisée. Enfin, le schéma général proposé est utilisé pour le contrôle de la position d'un préhenseur électropneumatique. Différentes stratégies de commande, qui prennent en compte les contraintes physiques du processus, sont étudiées et testées en ligne
This work addresses the adaptive control of nonlinear and nonstationary systems based on neural networks. An application to the control of an electro-pneumatic gripper is presented. In a first part the characteristics of direct or indirect control schemes are described. The synthesis of a direct control scheme using "Feedback Error Learning" is extensively studied. Properties and limitations of such an approach are discussed and illustrated in simulations. The computation of feedback networks for identification and control tasks is then examined. At this end, the interest of representing neural blacks under a canonical form is emphasized. The computation method is described in details in the case of the synthesis of an indirect control scheme using the "Specialized Learning" approach. Then, we propose a general control scheme that can involve bath the previous learning approaches. Applications of such a scheme for on line control design are discussed. In a second part, several applications of neural networks in Robotics, for grasping control tasks, are presented. The general control scheme is then used in order to control the position of an electro pneumatic gripper designed with metal bellows. Different on line control strategies are examined. Advantage is taken of the flexibility of the proposed control scheme so as to take into account the physical constraints such as saturation or non-symmetrical dynamical behavior when opening and when closing the device

La saisie d’objet est une tâche fondamentale du domaine de la robotique. Des avancées dans ce domaine sont nécessaires au déploiement de robots domestiques ou pour l’automatisation des entrepôts par exemple. Par contre, seulement quelques approches sont capables d’effectuer la détection de points de saisie en temps réel. Dans cet optique, nous présentons une architecture de réseau de neurones à une seule passe nommée Réseau à Transformation Spatiale de Qualité de Saisie, ou encore Grasp Quality Spatial Transformer Network (GQ-STN) en anglais. Se basant sur le Spatial Transformer Network (STN), notre réseau produit non seulement une configuration de saisie mais il produit également une image de profondeur centrée sur cette configuration. Nous connectons notre architecture à un réseau pré-entraîné qui évalue une métrique de robustesse de saisie. Ainsi, nous pouvons entraîner efficacement notre réseau à satisfaire cette métrique de robustesse en utilisant la propagation arrière du gradient provenant du réseau d’évaluation. De plus, ceci nous permet de facilement entraîner le réseau sur des jeux de données contenant peu d’annotations, ce qui est un problème commun en saisie d’objet. Nous proposons également d’utiliser le réseau d’évaluation de robustesse pour comparer différentes approches, ce qui est plus fiable que la métrique d’évaluation par rectangle, la métrique traditionnelle. Notre GQ-STN est capable de détecter des configurations de saisie robustes sur des images de profondeur de jeu de données Dex-Net 2.0 à une précision de 92.4 % en une seule passe du réseau. Finalement, nous démontrons dans une expérience sur un montage physique que notre méthode peut proposer des configurations de saisie robustes plus souvent que les techniques précédentes par échantillonage aléatoire, tout en étant plus de 60 fois plus rapide.
La saisie d’objet est une tâche fondamentale du domaine de la robotique. Des avancées dans ce domaine sont nécessaires au déploiement de robots domestiques ou pour l’automatisation des entrepôts par exemple. Par contre, seulement quelques approches sont capables d’effectuer la détection de points de saisie en temps réel. Dans cet optique, nous présentons une architecture de réseau de neurones à une seule passe nommée Réseau à Transformation Spatiale de Qualité de Saisie, ou encore Grasp Quality Spatial Transformer Network (GQ-STN) en anglais. Se basant sur le Spatial Transformer Network (STN), notre réseau produit non seulement une configuration de saisie mais il produit également une image de profondeur centrée sur cette configuration. Nous connectons notre architecture à un réseau pré-entraîné qui évalue une métrique de robustesse de saisie. Ainsi, nous pouvons entraîner efficacement notre réseau à satisfaire cette métrique de robustesse en utilisant la propagation arrière du gradient provenant du réseau d’évaluation. De plus, ceci nous permet de facilement entraîner le réseau sur des jeux de données contenant peu d’annotations, ce qui est un problème commun en saisie d’objet. Nous proposons également d’utiliser le réseau d’évaluation de robustesse pour comparer différentes approches, ce qui est plus fiable que la métrique d’évaluation par rectangle, la métrique traditionnelle. Notre GQ-STN est capable de détecter des configurations de saisie robustes sur des images de profondeur de jeu de données Dex-Net 2.0 à une précision de 92.4 % en une seule passe du réseau. Finalement, nous démontrons dans une expérience sur un montage physique que notre méthode peut proposer des configurations de saisie robustes plus souvent que les techniques précédentes par échantillonage aléatoire, tout en étant plus de 60 fois plus rapide.
Grasping is a fundamental robotic task needed for the deployment of household robots or furthering warehouse automation. However, few approaches are able to perform grasp detection in real time (frame rate). To this effect, we present Grasp Quality Spatial Transformer Network (GQ-STN), a one-shot grasp detection network. Being based on the Spatial Transformer Network (STN), it produces not only a grasp configuration, but also directly outputs a depth image centered at this configuration. By connecting our architecture to an externally-trained grasp robustness evaluation network, we can train efficiently to satisfy a robustness metric via the backpropagation of the gradient emanating from the evaluation network. This removes the difficulty of training detection networks on sparsely annotated databases, a common issue in grasping. We further propose to use this robustness classifier to compare approaches, being more reliable than the traditional rectangle metric. Our GQ-STN is able to detect robust grasps on the depth images of the Dex-Net 2.0 dataset with 92.4 % accuracy in a single pass of the network. We finally demonstrate in a physical benchmark that our method can propose robust grasps more often than previous sampling-based methods, while being more than 60 times faster.
Grasping is a fundamental robotic task needed for the deployment of household robots or furthering warehouse automation. However, few approaches are able to perform grasp detection in real time (frame rate). To this effect, we present Grasp Quality Spatial Transformer Network (GQ-STN), a one-shot grasp detection network. Being based on the Spatial Transformer Network (STN), it produces not only a grasp configuration, but also directly outputs a depth image centered at this configuration. By connecting our architecture to an externally-trained grasp robustness evaluation network, we can train efficiently to satisfy a robustness metric via the backpropagation of the gradient emanating from the evaluation network. This removes the difficulty of training detection networks on sparsely annotated databases, a common issue in grasping. We further propose to use this robustness classifier to compare approaches, being more reliable than the traditional rectangle metric. Our GQ-STN is able to detect robust grasps on the depth images of the Dex-Net 2.0 dataset with 92.4 % accuracy in a single pass of the network. We finally demonstrate in a physical benchmark that our method can propose robust grasps more often than previous sampling-based methods, while being more than 60 times faster.

Longtemps confinée à l'industrie de fabrication en série, la robotique est en train de se démocratiser et fait ses débuts dans des domaines non traditionnels comme les secteurs alimentaire et logistique. Dans ce contexte, une tâche faisant l'objet de recherches et concours est l'automatisation de l'emballage de colis dans de grands entrepôts contenant plusieurs centaines de milliers d'objets différents. Les travaux entrepris dans le cadre de ce mémoire constituent un premier pas vers l'atteinte de cet objectif : la prise et le dépôt par un robot autonome d'une grande variété d'objets de la vie courante sans connaissance préalable de ces derniers (modèle 3D complet, etc.). Pour réaliser ce projet, un robot sériel, une pince sous-actionnée et un système de vision 3D ont été utilisés. Deux techniques de prise d'objets furent développées pour arriver à agripper un maximum d'objets. La première est une prise par le dessus. Le point de prise utilisé y est choisi en fonction de la largeur de l'objet au point de prise, des chances de collisions avec les obstacles environnants et de la robustesse de l'équilibre statique anticipé de la prise. Pour attraper les objets trop larges ou minces pour être pris par le dessus (comme un livre), une technique de prise en pelletage fut développée. Cette dernière tire avantage du sous-actionnement de la pince utilisée pour glisser un doigt sous l'objet puis le prendre en pincée. Un mouvement analogue est celui d'un humain prenant une feuille sur un plancher. Pour tester ces techniques, une batterie de 800 essais de prise sur 80 objets différents fut effectuée. Un taux de succès de 84 % fut obtenu, démontrant que le système forme une bonne base pour l'avenir.
Longtemps confinée à l'industrie de fabrication en série, la robotique est en train de se démocratiser et fait ses débuts dans des domaines non traditionnels comme les secteurs alimentaire et logistique. Dans ce contexte, une tâche faisant l'objet de recherches et concours est l'automatisation de l'emballage de colis dans de grands entrepôts contenant plusieurs centaines de milliers d'objets différents. Les travaux entrepris dans le cadre de ce mémoire constituent un premier pas vers l'atteinte de cet objectif : la prise et le dépôt par un robot autonome d'une grande variété d'objets de la vie courante sans connaissance préalable de ces derniers (modèle 3D complet, etc.). Pour réaliser ce projet, un robot sériel, une pince sous-actionnée et un système de vision 3D ont été utilisés. Deux techniques de prise d'objets furent développées pour arriver à agripper un maximum d'objets. La première est une prise par le dessus. Le point de prise utilisé y est choisi en fonction de la largeur de l'objet au point de prise, des chances de collisions avec les obstacles environnants et de la robustesse de l'équilibre statique anticipé de la prise. Pour attraper les objets trop larges ou minces pour être pris par le dessus (comme un livre), une technique de prise en pelletage fut développée. Cette dernière tire avantage du sous-actionnement de la pince utilisée pour glisser un doigt sous l'objet puis le prendre en pincée. Un mouvement analogue est celui d'un humain prenant une feuille sur un plancher. Pour tester ces techniques, une batterie de 800 essais de prise sur 80 objets différents fut effectuée. Un taux de succès de 84 % fut obtenu, démontrant que le système forme une bonne base pour l'avenir.

This work considers a robot equipped with an anthropomorphic hand and aims at providing it with efficient autonomous in-hand manipulation skills. While fine in-hand action planning algorithms have interesting state-of-the-art solutions, we built a competitive high-level control layer to plan the complete in-hand manipulation activity. Our solution generates a sequence of subgoals from an initial to a final configuration provided by the task, thus decomposing in-hand manipulation into simple transitions that can be easily planned by the low-level algorithms. We use a Markov decision process (MDP) to generate the sequence, taking into account the object influence and the desired final subgoal. We use a simple state representation for the sugoals: canonical grasp types from a taxonomy, enabling fast and on-line computation. The transitions between grasp types are modelled as probabilities of success. The simple formulation of the sequence leaves the complete configurations and transitions to be planned by the low-level layer, which can ask for a different subgoal path if required. The MDP can generate the appropriate behaviour if the in-hand action skills of the robot are known. They can be learnt by self-exploration of the robot if possible. Otherwise, the behaviour can be directly learnt from human demonstration. We boost the learning process using an empirical guess of the transition probabilities and an active learning algorithm. We implemented our solution on a real platform. The planning of in-hand manipulation relies on the grasp sequence generated which probability of success is used as an insight of the task achievability for the initial grasp choice
Jusqu’ici, les solutions apportées à la problématique de manipulation dextre robotique par une main anthropomorphe se concentraient sur la planification bas niveau des différents types de mouvements fins. Aussi, une solution complète de planification, prenant en compte l’étendue de ces différentes actions, reste à développer. Tel est le fondement de ce travail : pour une tache définie, caractérisée par des configurations initiale et finale, une séquence de configurations intermédiaires est générée : la totalité de l’activité complexe se trouve donc décomposée en une succession de transitions simples à planifier par le bas niveau. Afin de générer cette séquence, influencée par l’objet et la configuration finale, on utilise un processus de décision markovien (MDP). Les configurations intermédiaires sont représentées par des types de saisies tirés d’une taxonomie existante, les transitions sont formulées par des probabilités de succès : si ces approximations assurent la rapidité de l’algorithme, elles requièrent du bas niveau la planification des configurations complètes et le détail des transitions. En cas d’impossibilité d’exécution, des séquences alternatives peuvent être proposées. Le MDP doit connaître les capacités du robot à réaliser les transitions, par auto-apprentissage, ou par observation de mouvements humains. Nous utilisons un processus d’apprentissage actif initialisé par une estimation empirique des probabilités de succès des transitions. La solution a été implémentée avec succès sur un robot réel, prenant un rôle central dans la commande de la manipulation fine, jusqu'à propager l’influence de la tâche sur la saisie initiale

Cette thèse présente les travaux de recherche doctorale en génie mécanique de Louis- Alexis Allen Demers effectués au Laboratoire de robotique de l’Université Laval sous la supervision du professeur Clément Gosselin. Cette étude comporte la synthèse, l’optimisation et le prototypage d’une main robotique sous-actionnée à cinq doigts. Le principe du sousactionnement mécanique est utilisé pour développer une main robotique qui a des capacités de préhension similaires à la main humaine, tout en limitant le nombre d’actionneurs requis pour la commander. Cette main a des dimensions semblables à la main humaine de manière à ce qu’elle soit fonctionnelle dans un milieu conçu pour les humains. De plus, une adaptation de la prise de la main est possible, autant en modifiant la force de préhension que la position des doigts et du pouce. L’analyse statique d’un doigt sous-actionné est d’abord effectuée. Plus particulièrement, les conditions permettant d’atteindre une prise stable pour laquelle toutes les forces de contact sont positives sont obtenues. Ainsi, les valeurs optimales pour les dimensions des poulies sont déterminées en fonction des longueurs des phalanges et des distributions élémentaires de forces établies. En utilisant ces deux distributions complémentaires efficacement, l’éjection de l’objet à saisir par un doigt à trois phalanges et deux réseaux de tendons est évitée. Par la suite, le problème général de positionnement d’un axe de rotation permettant d’obtenir des poses initiale et finale imposées est résolu. Cette analyse géométrique permet de concevoir un système de rotation du pouce afin d’obtenir les différentes configurations typiques de la main humaine. Un système d’abduction des doigts soit complètement plan, soit un hybride sphérique-plan est ensuite couplé à ce mécanisme. Ces architectures sont analysées afin de s’assurer d’obtenir les amplitudes d’abduction imposées ainsi que de minimiser l’erreur de coordination entre les métacarpiens. En dernier lieu, les différents mécanismes conçus dans cette thèse sont fabriqués, en plus d’un prototype de poignet et de système de sous-actionnement entre les doigts. Le prototype de main intégrant toutes ces parties est finalement utilisé pour prendre différents types d’objets.
This thesis presents the doctoral research in Mechanical Engineering of Louis-Alexis Allen Demers completed at the Laboratoire de robotique of Université Laval under the supervision of Prof. Clément Gosselin. This project covers the synthesis, optimization and prototyping of a five-finger robotic hand. The principles of mechanical underactuation are used to develop a robotic hand that has grasping capabilities similar to that of the human hand, while limiting the number of actuators required to control it. This hand has dimensions similar to those of the human hand in order to be functional in an environment designed for humans. In addition, an adaptation of the hand grip is possible, either by changing the grasping force or by varying the position of the fingers and thumb. A static analysis of an underactuated finger is first performed. In particular, the conditions for achieving stable grasp in which all contact forces are positive are obtained. Thus, the optimal values for the dimensions of the pulleys as a function of the lengths of the phalanges and the primary force distributions established are determined. Using these two complementary distributions effectively, the ejection of the object to be grasped by a finger with three phalanges and two tendon networks is avoided. Then, the general problem of positioning an axis of rotation to obtain initial and final prescribed poses is solved. This geometric analysis allows to design a system of rotation of the thumb in order to obtain the various typical configurations of the human hand. A system of abduction of the fingers, first completely planar, than a hybrid planar-spherical mechanism is then coupled with this mechanism. These architectures are analyzed in order to ensure that they can provide the prescribed abduction amplitudes and that the coordination error between the metacarpals is minimized. Finally, the various mechanisms designed in this thesis are built, in addition to a prototype of a wrist and the mechanism of underactuation between the fingers. The prototype hand integrating all these parts is ultimately used to grasp different types of objects.