Orientadores: João Maurício Rosário, Dario Amaya Hurtado

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica

Resumo: A robótica bípede tem adquirido uma importância relevante nos últimos anos devido a suas principais aplicações na robótica de assistência e reabilitação física, como são os exoesqueletos ou dispositivos robóticos usáveis (wearable devices), assim como na robótica colaborativa. Em razão...

Resumo: A robótica bípede tem adquirido uma importância relevante nos últimos anos devido a suas principais aplicações na robótica de assistência e reabilitação física, como são os exoesqueletos ou dispositivos robóticos usáveis (wearable devices), assim como na robótica colaborativa. Em razão disso, fazem-se necessários avanços significativos em termos de estratégias de controle, custo de desenvolvimento e segurança para melhorar o desempenho de robôs bípedes na execução dos movimentos. Este trabalho de pesquisa apresenta os fundamentos teóricos e a metodologia para desenvolver um sistema de controle híbrido bioinspirado para um exoesqueleto robótico de membro inferior, com o propósito de garantir uma execução do ciclo de marcha próxima da dinâmica natural. O mecanismo robótico que representa o exoesqueleto é projetado para reproduzir o movimento da marcha no plano sagital considerando três graus de liberdade, correspondentes às juntas do quadril, joelho e tornozelo. O ciclo de marcha é modelado por uma dinâmica híbrida, isto é, a dinâmica do ciclo da marcha bípede é analisada como uma ocorrência de eventos discretos por meio do formalismo de Máquina de Estado Finito (Finite State Machine - FSM), e como um modelo dinâmico contínuo por meio da formulação de Euler-Lagrange. Projeta-se um controlador por eventos para agir como supervisor dos controladores locais de junta, que são principalmente controladores PID. As trajetórias de marcha são geradas para cada grau de liberdade utilizando-se um Centro Gerador de Padrões (Central Pattern Generator - CPG) baseado em uma rede acoplada de osciladores neurais de Matsuoka. As trajetórias são geradas de forma a se adaptarem à inclinação da superfície e à velocidade média da marcha, por meio do algoritmo de aprendizado por reforço Deep Deterministic Policy Gradient (DDPG) dentro da arquitetura de controle. O principal objetivo desta pesquisa será aplicar os resultados em um sistema robótico bípede capaz de reproduzir a marcha e as estratégias de controle motor humano, para projetar dispositivos robóticos de elevado desempenho em tarefas de reabilitação motora, assistência física ou em robótica colaborativa

Abstract: Bipedal robotics has acquired relevance in recent years due to its main application, related to physical rehabilitation robotic assistance, such as exoskeletons or wearable robotic devices, and collaborative robotics. However, significant advances are still needed in terms of control and...

Abstract: Bipedal robotics has acquired relevance in recent years due to its main application, related to physical rehabilitation robotic assistance, such as exoskeletons or wearable robotic devices, and collaborative robotics. However, significant advances are still needed in terms of control and safety strategies, to improve the locomotion and performance of bipedal robots. The cost of development of such strategies is also required to significantly decrease. This research work presents the theoretical foundations, framework, and methodology to develop a bioinspired hybrid control system for a lower limb exoskeleton, to guarantee a bipedal gait cycle execution that is close to the natural dynamics, and with the ability to adapt gait trajectories to environmental conditions, specifically conditions of surface slope and average gait speed. The robotic mechanism used in this work to represent the exoskeleton is designed to reproduce movement in the sagittal plane considering three degrees of freedom, corresponding to the hip, knee, and ankle joints. Hybrid dynamics models the gait cycles, i.e., the bipedal gait cycle dynamics are analyzed as an occurrence of discrete events through the Finite State Machine (FSM) formalism, and as a model continuous dynamic through the Euler-Lagrange formulation. The gait trajectories, determined by the dynamics of events, will be generated for each degree of freedom of the exoskeleton using a Central Pattern Generator (CPG) based on coupled Matsuoka neural oscillators. Also, an event control design acts as a supervisor of the local joint controllers, which are mainly PID controllers. Trajectories are generated by applying Reinforcement Learning to Bipedal Robotics, to adapt to surface slope and average gait speed. Trajectory adaptation of each freedom degree is implemented using the Deep Deterministic Policy Gradient (DDPG) algorithm within the control architecture. The main objective of this research will be to apply the results in a real bipedal robotic system capable of reproducing gait and human motor control strategies, to design high-performance robotic devices in tasks of motor rehabilitation, physical assistance, or collaborative robotics

Requisitos do sistema: Software para leitura de arquivo em PDF