การออกแบบทางกล (Mechanical Design)
- โครงสร้างจุดหมุน: ออกแบบให้มีจุดหมุนรวม 8 องศาอิสระ (8 DoF) ประกอบด้วยแขนกล 6 แกน, ฐานสไลด์ 1 แกน และตัวจับ (Gripper) 1 แกน
- การขยายพื้นที่ทำงาน (Workspace Extension): ติดตั้งหุ่นยนต์บนฐานเลื่อนสไลด์ (Sliding Base) ระยะ 1 เมตร เพื่อช่วยให้ผู้ใช้ที่นั่งวีลแชร์เข้าถึงพื้นที่เคาน์เตอร์บาร์ได้ครอบคลุม
- อุปกรณ์ปลายแขน: ใช้ตัวจับแบบ Parallel Jaw ที่ออกแบบมาเพื่อหยิบจับแก้วกาแฟและอุปกรณ์ทรงกระบอกได้อย่างมั่นคง
- น้ำหนัก: โครงสร้างมีน้ำหนักเบาไม่เกิน 15 กิโลกรัม เพื่อให้เคลื่อนย้ายได้สะดวก
- การออกแบบระบบควบคุม (Control System Design):
- Hand-Guided Programming: พัฒนาระบบที่ช่วยให้ผู้ใช้สามารถ “จับประคอง” แขนกลเพื่อสอนตำแหน่งงานได้โดยตรง (Simplify) เพื่อลดความซับซ้อนในการเขียนโค้ด
- Trajectory & Task Planning: ออกแบบอัลกอริทึมการเคลื่อนที่ (Kinematics) และลำดับขั้นตอนการชงกาแฟแบบอัตโนมัติ
- การออกแบบส่วนต่อประสานผู้ใช้ (UI/Digital Twin):
- พัฒนาหน้าจอ Touch Screen สำหรับควบคุมและแสดงผล Digital Twin เพื่อจำลองท่าทางของหุ่นยนต์ในรูปแบบเสมือนจริง
- Gripper
ภาพตัวอย่าง Gripper Model T42
ได้รับแรงบันดาลใจมาจาก Gripper Model T42 (https://www.eng.yale.edu/grablab/openhand/model_t42.html#about)
โดยเริ่ม Desigh ตามขนาด Servo Motor(DS3218MG 20Kg) พิมด้วยเครื่องพิมพ์ 3 มิติ โดยส่วนที่สัมผัสกับแก้วและข้อต่อใช้เป็นวัสดุ TPU เพื่อความยืดหยุ่น ส่วนกรอบและโครงสร้างใช้เป็นวัสดุ PETG-CF มี servo motor control แยกซ้ายขวาใช้ไฟ 5Vdc. ควบคุมด้วยสัญญาณ PWM 2 ชุดแยกกัน
และมีการ Design plate gripper กับ Depth Camera plate เพิ่ม
ภาพสามมิติออกแบบในโปรแกรม Fusion 360
ภาพรูปชิ้นงานจริง
แขนกลที่ใช้สำหรับคลาสโปรเจคนี้คือ โมเดลสำเร็จรูปของ Arctos robotics เนื่องจากมีการส่งกำลังหลายรูปแบบจึงเหมาะสมแก่การป็นสื่อการเรียนรู้ ขนาดของระยะแต่ละข้อต่ออ้างอิงจาก Datasheet และ URDF file ของหุ่นยนต์ arctos
Arctos robot dimension
ตัวหุ่นจะสามารถเคลื่อนที่ได้ทั้งแบบ joint space และ task space สามารถกำหนดจุดให้เคลื่อนที่ไปตามจุดๆนั้นและการกำหนดให้เคลื่อนที่ในแกนใดแกนหนึ่ง(jog) และการกำหนดจุดในการเคลื่อนที่แบบ task space
Forward Kinematics
ใช้สำหรับหาพิกัดปลายแขนปัจจุบันโดยการนำ TRansformation matrix ของแต่ละแกนหมุนมาคูณกัน
ขอบคุณภาพจาก https://roboticseabass.com
Inverse kinematics
เมื่อเกิด singularity
ในส่วนของInverse kinematic จะไม่ได้ใช้มากนักเนื่องจากจะมีการใช้เป็นการควบคุมความเร็วและการใช้ jacobian matrix ในการเคลื่อนที่เป็นหลัก
Joint Space move
เป็นการเคลื่อนที่โดยอิงจากตำแหน่งมุมของข้อต่อหรือมอเตอร์เป็นหลัก เช่นข้อต่อที่1 เคลื่อนจาก0ไปที่100 องศา ทำให้เราสามารถสั่งมอเตอร์และใช้ PD controlจะกว่าจะถึงตำแหน่งมุมหรือมอเตอร์ที่ต้องการได้เลย โดยที่ Kpจะขึ้นอยู่กับ %ความเร็วที่ส่งมาจาก web ui
Task Space move
ขอบคุณภาพจาก https://automaticaddison.com
Development/ Progression
Version1 อัพโหลดURDF จากนั้นทดลองทำ forwardและInverse kinematicเบื้องต้นซึ่งยังไม่ตรงกับแกนเนื่องจากยังมีการตั้งแกนไม่ตรงกับ DH table
Version2 มีการปรับให้แขนค่อยๆเคลื่อนไปยังตำแหน่งเป้าหมายแทนการเคลื่อนไปอยู่ตำแหน่งนั้นๆทันที ยังไม่มีการปรับแก้แกนหมุนให้ตรงกับ DH table
Version3 เพิ่มP control ให้กับแกนหมุนทุกแกน เพื่อให้มีการค่อยๆเร่งความเร็วตอนเริ่มต้นและค่อยๆลดความเร็วตอนที่ใกล้ถึงจุดหมาย
Version4 เพิ่มระบบให้รองรับการบันทึกตำแหน่ง และเคลื่อนที่ไปตามsequenceของตำแหน่งเป้าหมายด้วย json format และมีการเพิ่มรางสไลด์เข้ามาในกรณีที่มีการใช้รางสไลด์ร่วมด้วย
Version5 แก้ไขแกนข้อต่อของหุ่นยนต์ให้ตรงกันกับ DH table โดยให้แกน Z เป็นแกนหมุนจากที่เดิมเป็นแกนx และเพิ่มหน้า UIชั่วคราวเพื่อใช้ในการทดสอบการเคลื่อนที่
Version6 ทดลองการ Jogผ่านการกดปุ่มค้างแทนการหมุนและบันทึกมุมล่าสุดเอาไว้ในไฟล์สำหรับจดจำตำแหน่งล่าสุดก่อนที่จะปิดโปรแกรม
ทดลองการทำงานร่วมกับ task sequence บน Web ui
ทดลองการ move jog ผ่านweb ui ทั่งแบบ joint space และ task space พบว่าเกิดปัญหาแกนเกิดอาการกระตุกเมื่อสั่งเคลื่อนที่ด้วย task space และตอนที่เกิดการเปลี่ยนแกนฉับพลันตอนที่เข้าใกล้ฐานมากเกินไป
Version6 แก้ปัญหาด้วยการสร้าง Psuedo-inverse jacobian ผ่านการทำ damped least squares เพื่อให้เกิดการหน่วงความเร็วเมื่อเกิด singularity
Version7 สำหรับปัญหาการชนฐาน แก้ด้วยการตรวจสอบว่าตำแหน่งเป้าหมายอยู่ในรัศมีของฐานหรือไม่ ถ้าอยู่ให้ขึ้นเตือนและยกเลิกคำสั่งทันทำ แต่ถ้าไม่ให้ตรวจสอบว่าเส้นทางผ่านพื้นที่ฐานไหม ถ้าผ่านให้สร้างเส้นทางสำหรับการอ้อมรอบฐาน สำหรับการmove jog จะไม่สามารถผ่านพื้นที่ฐานได้เลย
Task Planning
Task planning ที่ใช้ในหุ่นยนต์จะเป็นตัวอย่างการให้หุ่นยนต์เข้าไปหยิบจับแก้วโดยารใช้ state ละ operationดังนี้
ซึ่งจะเริ่มทำงานเมื่อมีการกำหนด Initial state และ Goal state จากนั้นจะมีการใช้ BFS(Breadth first search)ในการค้นหาเส้นทางที่สั้นที่สุดและ list operation ที่ต้องใช้เพื่อให้ไปถึง goal state และตัวหุ่นจะต้องทำการส่งcurrent stateองตัวเองมาเพื่อให้ครบเงื่อนไขในการไป operation ต่อไป
นอกจากนี้ยังมีเงื่อนไข safety state ที่ส่งมาจากกล้องและ machine stateที่คอยบอกว่าหุ่นกำลังทำงานอยู่หรือไม่เป็นเงื่อนไขในการทำงานอื่นๆอีกด้วย
