생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
국문초록
목차
I. 서론 10
II. 휴머노이드 로봇 12
1. 기구학 12
1.1. 정기구학 13
1.2. 역기구학 15
2. 기존 발끝 궤적 설계 18
III. CPG를 이용한 보행 생성 기법 21
1. CPG 개요 21
2. CPG를 이용한 발끝 궤적 생성 기법 22
2.1. Feedback을 적용한 CPG 네트워크 설계 23
2.2. 발끝 궤적 설계 25
3. CPG를 이용한 관절 궤적 수정 기법 29
IV. GP를 이용한 보행 보정 기법 35
1. GP(Genetic Programming) 35
2. GP 보정식 설계 37
2.1. Symbolic Regression 기법 37
2.2. 보정식 구조 설계 39
2.3. 함수와 터미널 42
2.4. fitness function 43
V. 실험 및 결과 45
1. 실험 환경 및 구성 45
2. 평지 실험 48
3. 일반 경사면 실험 52
4. 가변 경사면 실험 57
4.1. 오르막 57
4.2. 내리막 62
4.3. 급한 가변 63
VI. 결론 67
참고문헌 68
Abstract 71
표 1. Nao의 왼발에 대한 DH 파라미터 14
표 2. Nao의 오른발에 대한 DH 파라미터 15
표 3. CPG 내부 파라미터 31
표 4. CPG 노드간 가중치 32
표 5. CPG 기법과 제안하는 기법 정리 34
표 6. 평가 함수의 변수 44
표 7. CPG 뉴런의 초기값과 노드의 파라미터 46
표 8. GP parameters 47
그림 1. DH법을 이용한 좌표계간의 기하학적 관계 13
그림 2. 휴머노이드 Nao의 링크와 길이 14
그림 3. X축에 대한 궤적(좌)과 Z축에 대한 궤적(우) 19
그림 4. 발끝 궤적(a)과 Roll 궤적(b) 20
그림 5. CPG Unit의 내부 구조 21
그림 6. 피드백을 적용한 CPG 네트워크 구조 24
그림 7. 몸 중심 위치와 두 발 중심 피드백 24
그림 8. CPG 출력 파형 변환을 통한 x축 궤적 25
그림 9. CPG 출력 파형 변환을 통한 z축 궤적 26
그림 10. x축 궤적의 SSP와 DSP 26
그림 11. z축 궤적의 SSP와 DSP 27
그림 12. 피드백을 적용하지 않은 발끝 궤적(a)과 피드백을 적용한 발끝 궤적(b) 28
그림 13. CPG를 결합한 제어구성도(a, b)와 제안한 방법의 제어구성도(c) 29
그림 14. CPG 네트워크 구조 30
그림 15. 피드백이 적용된 CPG 파형 31
그림 16. 평지에서의 CPG 파형 32
그림 17. CPG에 의해 변형된 관절 궤적 33
그림 18. GP의 교배 연산 36
그림 19. GP의 변이 연산 36
그림 20. GP 기반 Symbolic Regression 예시 38
그림 21. GP 수행과 Webots 시뮬레이션 과정 39
그림 22. 3가지 유형의 보정식 40
그림 23. 보정하기 전(A), 오르막 보정 후(B), 내리막 보정 후(C)의 로봇 자세 42
그림 24. Webots에서의 Nao 45
그림 25. 시뮬레이션 환경1 47
그림 26. 시뮬레이션 환경2 48
그림 27. CPG를 이용한 관절 궤적 수정 기법 48
그림 28. CPG를 이용한 발끝 궤적 생성 기법 49
그림 29. 평지에서 CPG를 이용한 관절 궤적 수정 기법 보행의 CoM 궤적(상), 몸의 앞뒤 각도(중), 관절 궤적(하) 50
그림 30. 평지에서 CPG기반 보행의 CoM 궤적(상), 몸의 앞뒤 각도(중), 관절 궤적(하) 51
그림 31. CPG를 이용한 관절 궤적 수정 기법 52
그림 32. 일반 경사면에서의 CPG 기반 보행 52
그림 33. 일반 경사면에서 CPG를 이용한 관절 궤적 수정 기법의 CoM 궤적(상), 몸의 앞뒤 각도(중), 관절 궤적(하) 53
그림 34. 일반 경사면에서 CPG를 이용한 발끝 궤적 기법의 CoM 궤적(상), 몸의 앞뒤 각도, 관절 궤적(하) 55
그림 35. CPG 발끝 궤적 생성 기법에 GP로 보정한 기법 56
그림 36. CPG 발끝 궤적 생성 기법의 관절 값과 GP로 보정된 관절 값 56
그림 37. CPG를 이용한 관절 궤적 수정 기법(가변 오르막) 57
그림 38. CPG를 이용한 관절 궤적 수정 기법의 몸 기울기(상), CPG 파형(중), CPG 파형에 의해 변형된 관절 궤적 58
그림 39. CPG를 이용한 발끝 궤적 생성 기법(가변 오르막) 59
그림 40. CPG를 이용한 발끝 궤적 생성 기법의 몸의 기울기에 따른 관절 궤적 변화 60
그림 41. CPG를 이용한 발끝 궤적 생성 기법에 GP로 보정한 기법(가변 오르막) 60
그림 42. 보정 전과 보정 후의 관절 궤적(가변 오르막) 61
그림 43. 가속도 센서와 자이로 센서의 값(X축) 62
그림 44. CPG를 이용한 관절 궤적 수정 기법(A), CPG를 이용한 발끝 궤적 생성 기법(B), GP 보정 기법(C)의 보행(가변 내리막) 63
그림 45. GP 보정 기법의 오르막 보행(급한 가변) 64
그림 46. GP 보정 기법의 내리막 보행(급한 가변) 64
그림 47. 보정 전과 보정 후의 관절 궤적(오르막) 65
그림 48. 보정 전과 보정 후의 관절 궤적(내리막) 66
초록보기 더보기
본 논문은 CPG(Central Pattern Generator)와 GP(Genetic Programming)를 사용하여 휴머노이드 로봇의 보행을 위한 다리의 궤적을 동적으로 생성하는 방법을 소개한다. 휴머노이드 로봇의 보행에서 다리의 궤적 생성 문제는 로봇의 보행 계획을 결정하는 근본적인 부분으로, 수많은 변수들을 동시에 설계하는 복잡한 문제이다. 본 논문에서 제안된 방법은 수많은 변수들 대신에 각 다리의 발끝 궤적만을 구함으로써 기초적인 보행을 생성할 수 있다.
본 논문에서 발끝궤적의 생성은 CPG를 이용해 지형 변화에 적응적으로 대처할 수 있도록 한다. CPG는 뇌로부터의 입력을 받아서 진동적인 출력을 생성하는 신경회로로 고등생물의 걸음 원리를 수학적으로 모델링한 것이다. CPG의 출력은 각 노드마다 연결된 관계와 가중치에 의해 비선형적인 파형을 생성한다. 이를 통해 지형 변화에 적응적인 궤적을 생성하는 토대가 될 수 있다.
CPG 네트워크만을 이용하여 많은 환경에서 적응적으로 보행하는 것은 어렵다. 이를 해결하기 위해 본 논문에서는 GP를 이용하여 보행에 필요한 여러 파라미터를 최적화 한다. GP를 통해 나온 식은 시간에 따른 함수로서 표현되고, Multi tree 기법으로 각 다리의 발끝을 독립적으로 표현한다. GP의 구조는 열린 탐색 기법으로서 관절 공간을 효율적으로 탐색할 수 있고, 기존의 방식들과는 다르게 동시적으로 최적화할 수 있다.
본 논문에서는 발끝 궤적 CPG 네트워크를 구성하고 이를 GP를 이용하여 최적화하여 환경에 대한 안정성을 검증하기 위해 ODE기반의 Webots 시뮬레이션 환경에서 휴머노이드 로봇 Nao를 사용하여 실험을 수행하였다.
실험은 평지 지형에 대해 사전에 설계한 방식과 제안한 기법의 방식을 비교한다. 변하는 환경에서는 기존 논문과 제안한 기법의 방식을 비교하고 성능을 확인하고 분석하였다.
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요