(논문) Greenhouse monitoring and harvesting mobile robot with 6DOF manipulator utilizing ROS, Inverse Kinematics and deep learning models

 

 

제목 : Greenhouse monitoring and harvesting mobile robot with 6DOF manipulator utilizing ROS, Inverse Kinematics and deep learning models

 

- 농업용 로봇의 6축 다관절 매니퓰레이터의 동역학 분석, 최적해 도출

 

 

6 Degrees of Freedom (6 DoF) in Robot Arms

[25](LU, Yi; LIU, Dan. Kinematics analysis and simulation on transfer robot with six degrees of freedom. Sensors & Transducers, 2014, 176.8: 285.

)에 따르면, **6 자유도(6 Degrees of Freedom)**는 로봇 팔이 공간의 모든 방향과 각도에서 특정 작업을 수행하기 위해 필요한 최소한의 동작 자유도입니다. 인간의 팔도 최소한 6개의 자유도를 가지며, 이를 기반으로 설계된 로봇 팔은 인간의 대부분의 작업을 수행할 수 있습니다.

---

6개의 축(Axis) 설명

Axis 1: Shoulder Pitch

• 동작: 어깨를 축으로 팔을 앞으로 들어 올리는 움직임.
• 예시: 팔을 아래로 늘어뜨린 상태에서, 팔을 앞으로 들어 올립니다.
• 역할: 로봇 팔의 기저(base)에서 전후 방향으로의 회전을 제공합니다.

Axis 2: Shoulder Roll

• 동작: 어깨를 축으로 팔을 옆으로 들어 올리는 움직임.
• 예시: 점핑잭 동작에서처럼 팔을 몸의 옆으로 들어 올립니다.
• 역할: 로봇 팔이 좌우로 펼치는 동작을 수행합니다.

Axis 3: Elbow Bend

• 동작: 팔꿈치를 굽히는 움직임.
• 예시: 팔을 아래로 늘어뜨린 상태에서 팔꿈치를 굽힙니다.
• 역할: 로봇 팔의 길이를 줄이거나 늘리는 데 사용됩니다.

Axis 4: Forearm Rotation

• 동작: 팔꿈치와 손목 사이를 비트는 움직임.
• 예시: 손바닥을 위로 향하게 했다가 아래로 향하게 합니다.
• 역할: 로봇 팔의 엔드 이펙터(end effector)가 원하는 방향으로 회전하도록 합니다.

Axis 5: Wrist Pitch

• 동작: 손목을 축으로 손을 위아래로 끄덕이는 움직임.
• 예시: 주먹을 쥐고 손목을 위아래로 움직입니다.
• 역할: 로봇 팔의 엔드 이펙터가 작업물의 각도를 조정할 수 있도록 합니다.

Axis 6: Wrist Roll

• 동작: 손목을 축으로 손을 비트는 움직임.
• 예시: 손가락으로 큰 다이얼을 잡고 다이얼을 돌리듯이 손목을 회전합니다.
• 역할: 엔드 이펙터가 특정 작업을 위해 회전하며 정밀한 작업을 수행할 수 있도록 합니다.

---

6 DoF 로봇 팔의 중요성

1. 모든 공간 작업 가능:
   • 6 DoF는 로봇 팔이 3D 공간의 모든 방향에서 움직이고 작업할 수 있는 최소 조건입니다.
2. 인간과 유사한 동작 수행:
   • 인간 팔의 동작을 모방할 수 있어, 인간이 수행할 수 있는 대부분의 작업을 로봇으로 대체 가능.
3. 정밀한 작업 수행:
   • 손목의 추가 자유도(Axis 4, 5, 6)는 정밀한 조작(예: 나사 조이기, 물건 집기 등)을 가능하게 합니다.

---

결론

6 DoF는 로봇 팔이 3D 공간에서 작업을 수행할 수 있는 최소 자유도로, 인간의 팔 동작을 모방합니다. 이는 로봇 팔의 설계와 동작 계획에서 중요한 기준이 되며, 다양한 산업 및 서비스 로봇 응용에서 필수적인 구조입니다.

 

참고 : 

정운동학에서 4×4 변환 행렬의 역할

정운동학은 **기저(Base)**에서 시작하여 각 관절의 변환 행렬을 차례로 곱하여 최종적으로 **엔드 이펙터(End Effector)**의 위치와 방향을 계산합니다.

주요 과정

1. 각 관절의 변환 행렬 계산:
   • 각 관절 iii는 i−1Ti^{i-1}T_ii−1Ti​ 형태의 변환 행렬로 표현됩니다.
   • 이 행렬은 관절 iii의 회전과 이동을 나타냅니다.
2. 변환 행렬 곱셈:
   • 각 변환 행렬을 차례로 곱하면 **기저(Base)**에서 엔드 이펙터까지의 전체 변환을 계산할 수 있습니다: Tbaseend−effector=10T⋅21T⋅32T⋅⋯⋅nn−1TT_{base}^{end-effector} = ^0_1T \cdot ^1_2T \cdot ^2_3T \cdot \dots \cdot ^{n-1}_nTTbaseend−effector​=10​T⋅21​T⋅32​T⋅⋯⋅nn−1​T
   • 여기서, 행렬 곱셈은 각 관절의 회전과 이동이 누적되도록 합니다.
3. 결과 행렬:
   • 최종 변환 행렬 Tbaseend−effectorT_{base}^{end-effector}Tbaseend−effector​은 다음과 같은 정보를 제공합니다:
     • 상위 3×3 회전 행렬: 엔드 이펙터의 방향.
     • 상위 3×1 위치 벡터: 엔드 이펙터의 위치.

 

Forward Kinematics’ inverse function/algorithm is Inverse Kinematics [1].  GOLDENBERG, Andrew; BENHABIB, Beno; FENTON, Robert. A complete generalized solution to the inverse kinematics of robots. IEEE Journal on Robotics and Automation, 1985, 1.1: 14-20.

 

 

역운동학에서의 해석적 접근법 (Analytical Approach)

**해석적 접근법(Analytical Approach)**은 로봇의 **운동학 다이어그램(Kinematic Diagram)**을 기반으로 삼각함수를 활용하여 계산하는 방법입니다. 이 접근법은 직렬 체인(Serial Chain) 구조를 가진 로봇에서 엔드 이펙터의 목표 위치와 방향을 달성하기 위한 관절 각도를 구하는 데 사용됩니다.

 

 

 

논문 출처 : ISLAM, Md Hashibul, et al. Greenhouse monitoring and harvesting mobile robot with 6DOF manipulator utilizing ROS, inverse kinematics and deep learning models. 2022. PhD Thesis. Brac University.