Professional Documents
Culture Documents
1
Review
• Langkah penurunan model kinematik:
– Tentukan KK berdasarkan Metoda D-H
– Mengukur parameter2 link
– Menghitung matrik transformasi untuk setiap
joint yang berdekatan (adjacent joints)
– Menghitung Matrik Kinematik (POSE)
– Jika diperlukan nyatakan POSE dalam
representasi sudut Euler 3 (Yaw-Pitch-Roll)
2
Review
• Matrik Transformasi D-H untuk KK yang
berdekatan, i dan i-1.
– Posisi dan orientasi KK i dapat diekspresikan dalam KK
i-1melalui transformasi secara berurutan 4 urutan
transformasi dasar
3
Review
Reference
Coordinate
• i-1
A i = Tz,d Tz, Tx,a Tx,
4
Review
1 Forward
Cartesian Representation
2 nx sx ax px
3 n sy ay p y
Kinematics T y
4 nz sz az pz
5
0 0 0 1
6 Inverse Task Space
x
Euler Representation
Joint Space y
z
5
Review
• Representasi Yaw-Pitch-Roll
1
T Rz , R y , Rx , R T R y , Rx ,
z ,
C S 0 0 nx sx ax 0 C 0 S 0 1 0 0 0
S 0 0 n
C
y sy ay 0 0 1 0 0 0 C
S 0
0 0 1 0 nz sz az 0 S 0 C 0 0 S C 0
0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1
C nx S n y XX XX 0
S n C n S s C s S a x C a y 0
x y x y
nz XX XX 0
0 0 0 1
C SS SC 0
0 C S 0
(Persamaan A)
S CS CC 0
0 0 0 1
6
Review
• Bandingkan LHS dan RHS Persamaan A
8
Jacobian Matrix
1 x 1
Forward x
y y
2 2 Jacobian
3 z 3 Matrix z
Kinematics
4 4 x
5 y
5
6 Inverse 6 z
9
Jacobian Matrix
Kinematika Lngsung
x q1 h1 (q1 , q2 , , q6 )
y q h (q , q , , q )
2 2 1 2 6
z q3 h3 (q1 , q2 , , q6 ) Y61 h(qn1 )
h ( )
61
q
4 h (
4 1 2q , q , , q )
6
q5 h5 (q1 , q2 , , q6 )
q
6 h ( q
6 1 2 , q , , q )
6 61
d dh(q ) dq dh(q )
Y61 h(qn1 ) q
dt dq dt dq
x
y q 1
q
z dh(q ) 2
dq Y61 J 6n q n1
x 6n
y dh(q)
q n n1 J
z dq
10
Jacobian Matrix
x
y
q 1
z dh(q ) q 2 Matrik Jacobian adalah
fungsi dari q, (tidak
x dq 6n konstan !)
y
q n n1
z h1 h1 h1
q
q2 qn
1
dh(q ) h2 h2
h2
J q1 q2 qn
dq 6n
h h6 h6
6
q1 q2 qn 6n
11
Jacobian Matrix
Kinematika Langsung
x h1 (q )
p y h2 (q )
0 n s a p z h3 (q )
T6
0 0 0 1 44
(q ) h4 (q)
h1 (q) {n, s, a} (q ) h5 (q )
h (q ) (q ) h6 (q )
Y61 h(q ) 2
x
y Kecepatan Linier Kecepatan Sudut
h6 (q ) z V x
Y
x V y
Y61 J 6n q n1 y
z
z
12
Contoh
• 2-DOF planar robot arm (x , y)
– Diketahui l1, l2 , Hitung : Matrik Jacobian
2
x 1
Y J
l1
y 2
1
h1 h1
2 l1 sin 1 l2 sin(1 2 ) l2 sin(1 2 )
J 1
h2 h2 l1 cos1 l2 cos(1 2 ) l2 cos(1 2 )
1 2
13
Jacobian Matrix
•Interpretasi Fisik
q 1
J11 J12 J16 q
J J 22 J 26
2
q 3
Y Jq 21
q 4
q 5
J 61 J 62 J 66 q 6
90
qslug
0
45 90 135 180
An obstacle in the robot’s workspace a “C-space” representation
Visualization of high dimension
C-space is difficult
16
Trajectory Planning
(continuity,
sm oothness)
P ath
constraints
joint space
{q (t ), q (t ), q(t )}
P ath T rajectory sequence of control set points
or
specification P lanner along desired trajectory
17
Trajectory Planning
• Metoda Perencanaan trayektori :
– Ruang variabel joint (joint variable space), dimana trayektori
dibentuk berdasarkan posisi,kecepatan, percepatan joint
– Ruang Cartesian (Cartesian Space), dimana trayektori dibentuk
berdasarkan posisi, kecepatan, percepatan ujung lengan robot
• Pendekatan ruang variable joint
– Keuntungan : 1)trayektori direncanakan secara langsung
sesuai dengan variabel kendali untuk pergerakan, 2)
perencanaan trayektori dapat dilakukan real-time, 3) joint
trajectory lebih mudah dibuat
– Kerugian : sulit untuk menentukan posisi link maupun lengan
robot selama bergerak, dimana biasanya sebuah pergerakan
(initial to final) harus dijamin tidak menabrak halangan (obstacle
avoidance)
18
Trajectory Planning
Joint i
F inal
q(tf)
q(t2)
• Acceleration Profile
t0 t1 t2 tf T im e
S peed
t0 t1 t2 tf T im e
A cceleration
t0 t1 t2 tf T im e
19
Persyaratan
• Beberapa hal yang menentukan
perencanaan trayektori
– Nilai set point harus sudah terhitung sebelum
dilakukan pergerakan
– Posisi antara (intermediate position, knot point)
harus ditentukan
– Kontinyuitas posisi, kecepatan dan percepatan
harus dijamin agar trayektori yang dirancang
berjalan mulus (smooth)
20
Persyaratan
1) Initial position Jo in t i
2) Initial velocity F inal
q(tf)
3) Initial acceleration q(t2)
Se t dow n
4) Lift-off position
5) Continuity in position at t1
6) Continuity in velocity at t1
7) Continuity in acceleration at t1 q(t1)
8) Set-down position Lift-off
Initial
9) Continuity in position at t2 q(t0)
21
Persyaratan
• Initial Position
– Position (given)
– Velocity (given, normally zero)
– Acceleration (given, normally zero)
• Final Position
– Position (given)
– Velocity (given, normally zero)
– Acceleration (given, normally zero)
22
Persyaratan
• Intermediate positions
– set-down position (given)
– set-down position (continuous with previous
trajectory segment)
– Velocity (continuous with previous trajectory
segment)
– Acceleration (continuous with previous
trajectory segment)
23
Persyaratan
• Intermediate positions
– Lift-off position (given)
– Lift-off position (continuous with previous
trajectory segment)
– Velocity (continuous with previous trajectory
segment)
– Acceleration (continuous with previous
trajectory segment)
24
Trajectory Planning
• Terdapat Beberapa Jenis Trajectory
– 4-3-4 Trajectory, dimana Path dibagi menjadi 3 segmen
» segmen 1 diwakili oleh fungsi polinomial 4 derajat (initial to
lift-off position)
» Segmen 2 diwakili oleh fungsi polinomial 3 derajat (lift-off to
set-down position)
» Segmen 3 diwakili oleh fungsi polinomial 4 derajat (set-down
to final position)
– 3-5-3 Trajectory, sama seperti diatas namun derajat fungsi
polinomial berturut-turut adalah 3,5 dan 3
– 5-Cubic Trajectory, dimana Path dibagi dalam 5 segmen.
Setiap segmen dinyatakan dalam fungsi polinomial 3 derajat
25
Trajectory Planning
• 4-3-4 trajectory
• 3-5-3 trajectory
26
Mobile Robot Motion Planning
27
Untuk apa Motion Planning?
• Untuk menentukan kemana akan bergerak
tanpa menabrak halangan (obstacle)
28
Materi yang dibahas
• Dasar
– Ruang Konfigurasi (Configuration Space)
– C-obstacles
• Metoda-metoda Motion Planning
– Roadmap Approaches
• Visibility graphs
• Voronoi diagram
– Cell Decomposition
• Trapezoidal Decomposition
• Quadtree Decomposition
– Potential Fields
– Bug Algorithms
• Referensi :
– G. Dudek, M. Jenkin, Computational Principles of Mobile Robots,
MIT Press, 2000 (Chapter 5)
– J.C. Latombe, Robot Motion Planning, Kluwer Academic
Publishers, 1991.
29
Configuration Space
Notasi:
A: Obyek kaku (rigid) –(misalnya robot)
2
W: Ruang Euclidean dimana A bergerak; W R atau R3
C
Cfree
qgoal
Cobs
qstart
Untuk robot titik yang bergerak dalam bidang 2-D , Ruang konfigurasi
2
(C-space) adalah R 31
Configuration Space
C
y
Cfree qgoal
Cobs
qstart
x
Untuk robot titik yang bergerak dalam bidang 3-D , Ruang konfigurasi (C-
3
space) adalah R
32
Configuration Space
Y
Robot bergerak hanya translasi dalam bidang
2
Euclidean space:R
Y Robot bergerak translasi dan rotasi dalam bidang
33
Configuration Space
360
qrobot
270
180
90
qslug
0
45 90 135 180
34
Configuration Space
Robot akan menabrak halangan jika konfigurasi robot dalam daerah
warna biru
360
qrobot
270
180
90
qslug
0
45 90 135 180
Representasi “C-space”
Berapakah dimensi dari C-space untuk Visualisari C-space untuk
robot PUMA (6R)? dimensi yang banyak sangat
sulit 35
Motion Planning Problem
Mencari jalur bebas halangan (collision
free) mulai dari konfigurasi awal
menuju konfigurasi akhir (goal) dengan
memperhatikan kendala2 (geometri,
fisik, temporal)
Konsep C-space
memberikan
kerangka kerja
umum untuk
mempelajari
persoalan
motion planning
36
Bagaimana jika robot bukan dianggap sebagai sebuah titik ?
37
Bagaimana jika robot bukan dianggap sebagai sebuah titik ?
Memperluas
Halangan
38
Obstacles Configuration Space
C-obstacle
Point robot
39
Free Space
From
Robot Motion Planning
J.C. Latombe
40
Minkowski Sums
Perluasan bentuk bidang planar oleh bidang lain disebut dengan
Minkowski sum
PR
R
41
Penambahan Dimensi
Bagaimana bentuk ruang C-obstacle jika robot persegi dapat bergerak
translasi dan rotasi dalam bidang.
(Kotak biru adalah halangan)
y
robot persegi yang dapat bergerak translasi dan rotasi
x
42
C-obstacle in 3-D
Bagaimana bentuk ruang C-obstacle jika robot persegi dapat bergerak
translasi dan rotasi dalam bidang.
3-D
(Kotak biru adalah halangan)
y 360º
180º
0º
x this is twisted...
43
C-obstacle in 3-D
Bagaimana bentuk ruang C-obstacle jika robot persegi dapat bergerak
translasi dan rotasi dalam bidang.
3-D
(Kotak biru adalah halangan)
y 180º
0º
x
44
Untuk satu irisan
Perhatikan satu irisan dari C-obstacle dimana rotasi robot sebesar
45o
PR
y R
45 degrees
x
45
Proyeksi 2-D
46
Topik yang dibahas
• Configuration Space
• Motion Planning Methods
– Roadmap Approaches
– Cell Decomposition
– Potential Fields
– Bug Algorithms
47
Metoda Motion Planning
Komponen dasar motion planning dapat diuraikan sbb :
Input Output
• deskripsi geometri robot dan
lingkungannya (obstacles) • jalur mulai dari posisi awal
(start) menuju posisi akhir
• konfigurasi awal (initial) dan
(finish)
tujuan (goal)
qrobot qgoal
Aplikasi :
Robot-assisted surgery
Automated assembly plans
Drug-docking and analysis
Moving pianos around...
48
Metoda Motion Planning
Tujuan mengurangi N-dimensi ruang
konfigurasi (configuration space) menjadi
(1) Roadmap approaches pencarian jalur satu dimensi
49
Roadmap: Visibility Graphs
Visibility graphs: Ruang konfigurasi dalam bentuk poligon atau
polyhendral yang membentuk segmen garis yang menghubungkan
antar vertex.
50
The Visibility Graph
• Pertama kali, tarik garis dari titik awal dan tujuan ke semua vertex
yang terlihat (“visible”) dan sudut (corner) dari Kerangka bumi
goal
start
51
The Visibility Graph
goal
start
52
The Visibility Graph
goal
start
53
The Visibility Graph
goal
start
54
The Visibility Graph
goal
start
Karena peta ini dalam ruang konfigurasi (C-space) setiap garis dapat
merepresentasikan bagian dari jalur pergerakan dari awal menuju tujuan.
55
Visibility graph drawbacks
Visibility graphs sukar menunjukan jalur optimal pada dimensi
yang tinggi
shortest path
56
Roadmap: Voronoi diagrams
• Generalized Voronoi
Diagram (GVG)
membentuk jalur
yang berjarak sama
(equidistant)
terhadap 2 atau lebih
halangan (obstacle)
termasuk batas-
batas ruang
(workspace)
• Memaksimumkan
clearance antara
halangan.
58
Voronoi Diagram (L1)
L1 Tidak
memiliki
jalur yang
berbentuk
kurva
59
Voronoi Diagram (L2)
60
Perencanaan Gerak
Roadmap approaches
• Visibility Graph
• Voronoi Diagram
Cell decomposition
• Exact Cell Decomposition (Trapezoidal)
• Approximate Cell Decomposition (Quadtree)
Potential Fields
Hybrid local/global
61
Exact Cell Decomposition
Trapezoidal Decomposition:
Penguraian (decomposition)
ruang bebas ke dalam bentuk sel
trapezoidal & triangular
62
Exact Cell Decomposition
Trapezoidal Decomposition:
63
Exact Cell Decomposition
Trapezoidal Decomposition:
64
Optimalisasi
Trapezoidal Decomposition:
15 cells 9 cells
Metoda trapezoidal decomposition Cara yang dapat dilakukan hanya
eksak (exact) dan lengkap memperoleh jumlah minimum sel.
(complete), tetapi tidak optimal
65
Approximate Cell Decomposition
Quadtree Decomposition:
67
Approximate Cell Decomposition
Quadtree Decomposition:
• sel persegi panjang secara rekursif
diuraikan menjadi luas yang lebih kecil
• pada tingkat resolusi tertentu, hanya sel
yang luasnya terletak dalam ruang bebas
yang digunakan
Quadtree
68
Metoda Perencanaan Pergerakan
Roadmap approaches
Cell decomposition
• Exact Cell Decomposition (Trapezoidal)
• Approximate Cell Decomposition (Quadtree)
Potential Fields
Hybrid local/global
69
Potential Field
– Lokasi tujuan membangkitkan potensial atraktif (attractive potential)
yang bertujuan menarik (pull) robot untuk menuju tujuan
– Obyek halangan membangkitkan potensial repulsif (repulsive potential)
yang bertujuan mendorong robot untuk menjauh dari halangan
– gradien negatif dari potensial total diperlakukan sebagai gaya artifisial
yang diberikan kepada robot
-- Jumlah gaya keseluruhan digunakan untuk mengendalikan robot
C-obstacles
70
Potential Field
• Perhitungan gaya atraktif untuk menuju ke tujuan
Attractive potential
71
Potential Field
• Perhitungan gaya repulsif untuk menghindar halangan
72
Potential Field
• Jumlah Potensial Attractive potential Repulsive potential
C-obstacle
Sum of potentials
73
Potential Field
• pembangkitan gaya artificial (negative gradient)
• Jumlah gaya keseluruhan digunakan untuk
mengendalikan robot
Negative
gradient
Equipotential contours
Total potential
74
Potential Field
Pros:
• Perencanaan dan kendali bergabung dalam satu fungsi
• dapat diperoleh jalur pergerakan yang halus (smooth paths)
Cons:
• terjebak dalam lokal minima (perlu ada teknik random walk atau
backtracking untuk menghadapi lokal minima)
• pengetahuan tentang bentuk halangan harus jelas (seringkali tidak
mungkin)
75
Metoda Perencanaan Pergerakan
Roadmap approaches
• Visibility Graph
• Voronoi Diagram
76
Bug Algorithms
(walls/obstacles sensor)
Start
77
Bug Algorithms
Insect-inspired “bug” algorithms Perpindahan pada 2 jenis tingkah laku
sederhana:
1. Bergerak langsung menuju tujuan
2. Menelusuri halangan
(Circumnavigating an obstacle)
“Bug” algorithm
78