Gravity Compensation
- 又稱: gravity balancing, zero-gravity mode
- 類別: Control › Force & interaction control
- 標籤: manipulator-control, robot-dynamics, feedforward, physical-interaction, hand-guiding
抵消重力對機器人的影響:把模型預測的重力扭矩加到關節命令上,或以配重或彈簧用機械方式達成。
定義
重力補償(gravity compensation)是指提供撐住機器人連桿及其攜帶的任何負載、抵抗重力所需的力或扭矩,讓控制器的其餘部分面對的是一個表現得好像沒有重量的系統。在軟體中,它使用剛體動力學 M(q)q̈ + C(q, q̇)q̇ + g(q) = τ 中的重力項:控制器計算 g(q),也就是重力在目前組態 q 下產生的關節扭矩,並把它加到自己的命令上。重力向量只取決於組態,以及各連桿的質量與質心位置,因此可以用遞迴 Newton-Euler 演算法或類似方法,從 URDF 形式的模型中以很低的運算成本求得。
重力補償是許多控制器的基本構件。PD 控制加上重力補償,即 τ = Kp(q_d − q) − Kd q̇ + g(q),是一種經典的定點調節器,Takegaki 與 Arimoto 在 1981 年證明了它對剛性機器手臂的穩定性。阻抗控制器與操作空間控制器都納入重力項,讓命令的剛性不會被耗在撐住手臂上。當控制器只輸出 g(q) 時,手臂會停在原處浮著,並可用手推動;許多扭矩控制手臂與協作機器手臂正是以這種方式實現手動引導與動覺教導。沒有補償時,柔順的控制器會因手臂本身的重量而下垂,剛性的控制器則會把很大的穩態扭矩藏在誤差項裡。
機械式重力補償以被動方式完成同樣的工作。配重、經過配置能在整個運動範圍內平衡連桿的彈簧,以及平行四邊形連桿機構,都能減少馬達必須維持的扭矩,因而節省能量、允許使用較小的致動器,並且在斷電時仍能發揮作用。軟體補償的好壞取決於模型:連桿質量的誤差、未建模的工具或線束,或是在任務途中改變的負載,都會留下殘差,使手臂向上或向下漂移。關節摩擦是另一個獨立的效應,重力補償並不會消除它;在使用高減速比、無法回驅的減速機的手臂上,摩擦可能大到即使做了重力補償,在沒有關節扭矩感測或手腕力感測的情況下,仍無法用手推動手臂。
為何重要
除了剛性的位置控制之外,幾乎每一種機器手臂控制器都需要重力補償,而正是這一步讓柔順控制、安全的實體互動與手動引導變得實際可行。它的品質在硬體上立刻看得出來:鑑別良好的模型能讓手臂在低增益下保持靜止,而不佳的模型會造成漂移,這種漂移很容易被誤認為控制程式的 bug。
主要應用
- 協作機器手臂上的手動引導與動覺教導
- 阻抗控制、導納控制與操作空間控制
- 必須讓人感覺沒有重量的力回饋裝置與遠端操作主手臂
- 支撐使用者肢體的外骨骼與輔助裝置
- 不需供電即可維持位置的彈簧平衡式與配重式手臂
- 由關節扭矩殘差估計負載
實際應用
一位工程師在為動覺教導設定一支七關節扭矩控制手臂時,從原廠的 URDF 著手,把夾爪與手腕攝影機當作一個額外的剛體加入,並填入實測的質量與質心。在控制器只輸出 g(q) 的情況下,他們把手臂移到幾個姿態,觀察它能否維持位置:手腕緩慢向下漂移,表示工具質量被低估;漂移方向隨姿態改變,則表示質心偏移有誤。他們以一次簡短的鑑別程序來修正參數:在許多靜態姿態下記錄關節扭矩,並用最小平方法擬合質量項與一次矩項,因為重力扭矩對這些參數是線性的;摩擦補償則另外作為一項加入。之後當機器人拿起重物時,控制器會更新它的負載模型,讓操作者放手時手臂既不下墜也不上升。
常見誤解
- 重力補償讓手臂變得沒有質量 — 它只抵消靜態重量;手臂的慣性仍會抵抗加速,所以快速移動時仍感覺沉重
- 重力補償也會消除摩擦 — 摩擦是另一個獨立的效應,在有齒輪傳動的手臂上,它往往主導操作者的手感
- 原廠模型一定夠用 — 工具、線材與負載都會改變質量,未修正的誤差會在低增益下造成明顯的漂移
- 重力補償本身就是一種控制器 — 它是許多控制器內部使用的前饋項;所謂重力補償模式,只是把其他所有項都設為零的控制器
誰需要了解
- 機器手臂控制工程師
- 協作機器人系統整合商
- 力回饋與外骨骼設計人員
- 實體人機互動領域的研究人員
相關技術
- 遞迴 Newton-Euler 演算法(Recursive Newton-Euler Algorithm)
- Pinocchio
- 關節扭矩感測器(Joint Torque Sensors)
- 彈簧平衡機構(Spring Counterbalance Mechanisms)
- 摩擦補償(Friction Compensation)
- 負載鑑別(Payload Identification)