Sensorless kinesthetic teaching of robotic manipulators assisted by an observer-based force control

In the modern industry, the use of industrial robots is fundamental to achieve high production rates and competitiveness. In order to employ automatic processes also when the product changes rapidly, e.g. as in short-series production, it is vital to be able to reprogram robots quickly. A fast programming method is the kinesthetic teaching, also called leadthrough programming (LTP), that teaches the robot a trajectory by physical demonstration, i.e. the user is able to manually guide the manipulator during the programming phase. This thesis presents an active LTP implemented with a sensorless approach, so that the usually expensive force/torque sensors are not needed. The active control of the manipulator is achieved via an admittance control implemented in joint space, based on the external forces applied by the user. The external torques are estimated with a Kalman filter, using the generalized momentum formulation. The estimate of the external torques is model-based, thus, a dynamic model of the robot is presented, with particular attention to joint friction modeling. The final LTP algorithm also includes a model-based feedforward compensation of gravity load and joint friction. The active LTP has been implemented on the robot ABB YuMi; experimental tests regarding force estimation and the active control performances are shown. Furthermore, an experimental comparison with a passive LTP is presented.

Nei moderni impianti industriali, un elevato grado di automazione è indispensabile al fine di garantire elevata produttività e competitività. Per incrementare l'utilizzo dei robot industriali in impianti destinati a piccole produzioni, i quali devono essere facilmente modificabili per adeguarsi ai cambiamenti di prodotto, la fase di programmazione del robot deve risultare il più breve possibile. Il "kinesthetic teaching", anche detto "lead-through programming" (LTP), rappresenta un metodo di programmazione rapida basato sull'insegnamento tramite dimostrazione, in cui l'operatore può muovere fisicamente il manipolatore per insegnare la traiettoria che verrà successivamente ripetuta in modo autonomo. In questa tesi è presentato un LTP attivo implementato senza l'uso di sensori, i quali solitamente risultano costosi e fragili. Il controllo di forza in retroazione è implementato tramite un controllo in ammettenza nello spazio dei giunti, sulla base delle coppie esterne stimate con un filtro di Kalman che utilizza il momento generalizzato. La stima delle forze esterne applicate dall'operatore si basa sul modello del robot, viene quindi presentato un modello dinamico del manipolatore con particolare attenzione alla modellazione dell'attrito nei giunti. Per la parte sperimentale della tesi è stato utilizzato il robot ABB YuMi; sono successivamente presentate le prove sperimentali riguardanti la compensazione di attrito e forza gravitazionale, la stima delle coppie esterne e il controllo in ammettenza. Infine, viene proposto un confronto tra l'LTP attivo sviluppato in questa tesi e una versione passiva implementata in precedenza.