Adaptive PD Gains for Energy-Conscious Control in Physical Human-Robot Interaction
Notice bibliographique
Résumé
Safe physical human-robot interaction (pHRI) is an important area of research. The dominant control approach in this domain is the impedance control method. However, such control schemes may require force feedback when implemented explicitly, translating to a need for several external force sensors. Impedance control is also a coordinate-dependent scheme, meaning the direction of applied forces must be tracked. These drawbacks indicate the need for alternate control schemes that can ensure safe behavior during pHRI. An alternative to this is energy-based approaches. One such control method is the `energy tank' approach, which tries to limit the total energy of a robot using `virtual tanks'. Another energy-based control scheme is the `artificial potential field' method, where attractive artificial potential fields are calculated to track a reference position while simultaneously limiting the robot's total energy. However, such methods can become relatively complex to implement. Energy tank approaches use the idea of energy to maintain stability while dynamically changing impedance parameters. Potential field methods are also complex to implement, as they may require constant recalculation of potential fields. Practically, many robot developers still use Proportional-Derivative (PD) controllers as the mid-level controller of choice, to track reference trajectories. PD controllers have the advantage of being simple to implement and well-understood due to their extensive research and investigation. We hence propose an adaptive PD controller that can limit a robot's energy under any given limit to achieve safe pHRI, by extending these energy limitation concepts to PD controllers. The proportional and derivative gains of the controller change depending on the current energy of the robot. The proposed controller can limit both the kinetic and potential energy of the robot under any given limit, and the behavior of the controller can be shaped using various parameters. We construct a stability proof for the controller and obtain a condition to ensure the controller's stability. We tested the behavior and compliance of this controller on the TALOS Robot by PAL Robotics both in simulation and on the actual robot, verifying the expected safe and compliant behavior.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».