Tadej Bajd, Ivan Bratko B I O R O B O T I K A - sazu.si K net.pdf · CIP - Kataloæni zapis o publikaciji Narodna in univerzitetna knjiænica, Ljubljana 007.52(082) BIOROBOTIKA

Tad

ej B

ajd

, Iv

an

Bra

tko

B

I O

R O

B O

T I K

A

9 7 8 9 6 1 2 6 8 0 4 5 9

9 789612 680459

15

,00

EU

R

ISBN 978-961-268-045-9

BIOROBOTIKA

Uredila Tadej Bajd in Ivan Bratko

biorobotika - prelom.qxp_Layout 1 21/11/16 10:13 Page 1

CIP - Kataloæni zapis o publikaciji Narodna in univerzitetna knjiænica, Ljubljana

007.52(082)

BIOROBOTIKA / uredila Tadej Bajd in Ivan Bratko. - Ljubljana : Slovenska akademijaznanosti in umetnosti, 2016

ISBN 978-961-268-045-9 1. Bajd, Tadej 285306112


SLOVENSKA AKADEMIJA ZNANOSTI IN UMETNOSTIACADEMIA SCIENTIARUM ET ARTIUM SLOVENICA

LJUBLJANA 2016

BIOROBOTIKAUredila Tadej Bajd in Ivan Bratko



Kazalo

Predgovor, Tadej Bajd in Ivan Bratko ............................ 9

1. Zaœetki in mejniki razvoja biorobotike v Sloveniji, Alojz Kralj ............................................................... 191.1 Razmejitev podroœja biorobotike ....................... 221.2 Dogodki in mejniki razvoja robotike in

biorobotike v Sloveniji v obdobju 1963–1980 ..... 271.3 Dogodki in mejniki razvoja robotike in

biorobotike v Sloveniji v obdobju 1980–1995 ..... 391.4 Prikaz izbranih doseækov biorobotike v Sloveniji

v obdobju 1980–1995 ....................................... 491.5 Zakljuœek .......................................................... 51

2. Sobivanje in sodelovanje robota s œlovekom, Matjaæ Mihelj .......................................................... 582.1 Robotika danes ................................................. 582.2 Robot prihodnosti ............................................. 622.3 Œesa se lahko nauœimo od œloveka? .................. 652.4 Interakcija med œlovekom in robotom ............... 692.5 Senzorji ............................................................. 742.6 Senzorna integracija .......................................... 762.7 Detekcija stanja in hotenja ................................ 792.8 Kognitivne sposobnosti avtonomno odloœanje,

prilagajanje, uœenje in spomin .......................... 812.9 Kognitivna povratna zanka ................................ 84

5


2.10 Robotski mehanizem in fiziœni kontakt robota s œlovekom ...................................................... 86

2.11 Primer aplikacije ............................................. 90

3. Biorobotske znaœilnosti œloveøke roke, Jadran Lenarœiœ ........................................................ 943.1 Delovni prostor œloveke roke ............................ 96

Prostornina in oblika delovnega prostora .......... 97Kinematiœni model œloveøke roke ..................... 100

3.2 Humanoidni ramenski sklep .............................. 1053.3 Optimizacija gibanja pri œloveku ...................... 1113.4 Zakljuœek .......................................................... 116

4. Bipedalna hoja in ravnoteæje, Zlatko Matjaœiå, Matjaæ Zadravec in Andrej Olenøek ......................... 1194.1 Osnovni pojmi, definicije in biomehanski

model vzdræevanja ravnoteæja med stojo ........... 1214.2 Naprava za izvabljanje in merjenje odzivov

vzdræevanja dinamiœnega ravnoteæja med hojo ... 1294.3 Mehanizmi vzdræevanja dinamiœnega ravnoteæja

med hojo œloveka .............................................. 1324.4 Zakljuœki ........................................................... 1454.6 Dodatek: Trisegmentni model vzdræevanja

dinamiœnega ravnoteæja med stojo .................... 149

5. Øtiritoœkovni vzorec hoje, Tadej Bajd in Alojz Kralj .... 1545.1 Kinematiœni model hoje z berglami ................... 1575.2 Hoja po kolenih in rokah ................................... 1605.3 Zakljuœek .......................................................... 162

6. Kloniranje podzavestnih œlovekovih spretnosti, Ivan Bratko in Dorian Øuc ........................................ 1656.1 Uvod ................................................................. 1656.2 Kloniranje veøœine z introspekcijo ..................... 167

6


6.3 Rekonstrukcija spretnosti s strojnim uœenjem: formulacija problema ........................................... 173

6.4 Uœenje indirektnih krmilnikov in njihova uporaba ............................................................ 176

6.5 Kvalitativno modeliranje in kvalitativna simulacija ......................................................... 177

6.6 Uœenje kvalitativnih modelov iz numeriœnih podatkov ........................................................... 182

6.7 Poskusi s kloniranjem vodenja æerjava .............. 1846.8 Zakljuœki ........................................................... 188

7. Robotika in veslanje: uœenje tehnike veslanja s posnemanjem, Roman Kamnik in Tomaæ Œerne .... 1917.1 Uvod ................................................................. 1917.2 Vadba na simulatorju veslanja ........................... 192

Analiza tehnike veslanja na simulatorju ............ 1937.3 Uœenje tehnike izvedbe gibalnih vzorcev .......... 1977.4 Sistem za uœenje tehnike veslanja s sprotnim

vodenjem in povratno informacijo .................... 204Instrumentalizirani simulator veslanja ............... 205Vodenje vadbe s posredovanjem povratne informacije ....................................................... 207

7.5 Evalvacija senzorno podprte vadbe veslanja ...... 2117.6 Zakljuœek .......................................................... 216

8. Robotika in smuœanje, Bojan Nemec ....................... 2198.1 Merjenje kinematiœnih in dinamiœnih

parametrov pri smuœanju ................................... 2208.2 Testiranje smuœarske obutve in smuœi ................ 2318.3 Simulacija smuœanja .......................................... 2358.4 Smuœarski robot ................................................. 238

7



Predgovor

Sodobna robotika je znanstvena veda, ki preuœuje inteli-gentne gibajoœe se sisteme. Takøne sisteme moremo razdelitiv dve veœji skupini. V prvi skupini so robotski sistemi, ki po -snemajo gibanje, ki ga sreœamo v naravi. V drugo skupinouvrstimo robotske sisteme, katerih gibanje si je izmislil œlo-vek, to so mobilni, podvodni in leteœi roboti. V priœujoœiknjigi nas bodo zanimali bioloøko zasnovani roboti, ki jihspet lahko razdelimo v dve skupini. V prvo skupino øtejemorobotske mehanizme, ki posnemajo gibanje œloveka, v drugopa tiste, ki so dobili navdih v æivalskem svetu. Med slednjesodijo robotske kaœe in ribe pa roboti, ki posnemajo gibanjeøtirinoæcev, øestnoænih æuæelk in osemnoænih pajkovcev. Vtej knjigi bomo posvetili pozornost robotskim sistemom, ki sezgledujejo po œloveku. Predvsem bomo obravnavali dve po-droœji, ki ju raziskujejo slovenski robotiki. To sta podroœji re-habilitacijske in humanoidne robotike.

Med rehabilitacijske robote uvrøœamo predvsem haptiœnerobote in eksoskelete. Haptiœni roboti prvenstveno omogo -œajo obœutek otipa, omejenega gibanja, podajnosti, trenja inteksture v navideznih okoljih. Manjøe haptiœne robote upora-bljamo za merjenje in evalvacijo gibanja zgornjih ekstremitetohromljenih oseb. Moœnejøe haptiœne robote uporabljamopri urjenju paralizirane roke. Takøen robot lahko dræi zapestjeohromele roke in ga vodi po æeleni poti, ki jo bolnik opazujev navideznem okolju, prikazanem na zaslonu raœunalnika.

9


Pomembno je, da robot pomaga samo toliko, kolikor je potre-bno, da bolnik doseæe ciljno toœko. Podobne terapevtskeveæbe pa lahko izvedemo z uporabo robotskih eksoskeletov.Eksoskeleti so aktivni mehanizmi, ki jih pripnemo na œlove-kove zgornje ali spodnje ekstremitete in izvajajo sile na vsesegmente rok ali nog. Eksoskeleti se danes uporabljajo pred-vsem za urjenje hoje bolnikov, ki niso povsem hromi. V bliæ -nji prihodnosti pa priœakujemo, da bodo omogoœili hojo po-vsem hromih bolnikov v njihovem vsakdanjem okolju.

Rehabilitacijska robotika je razmeroma novo raziskoval nopodroœje, za katerega je znaœilna praktiœna relevantnost. Vsvetu smo neprestano priœa inovacijam v obliki ved no novihrehabilitacijskih naprav in novih terapevtskih pr cesov. Tudi vSloveniji je rehabilitacijska robotika zelo plodna, posebej vpogledu inovacij, kljub temu, da, æal, slovenski sistem urad-nega ocenjevanja raziskovalnega dela ni pretirano naklonjeninovacijam. Priœakujemo, da se bo to spremenilo, saj bo v Ev-ropi nasploh beseda »inovacija« igrala vse pomembnejøo vlo -go. Tukaj nas predvsem zanima raziskovalna inovacija, torejtista inovacija, ki izhaja iz raziskovalnega dela. Ta je lahko do-seæek aplikativnih ali baziœnih raziskav. Pomembno je, da jeprepoznavna njena vrednost za druæbo. Raziskovalna inova-cija je pogosto slabo definirana. Zato evropska znanstvena or-ganizacija Science Europe predlaga naslednjo kratko defini-cijo: »Inovacija, ki izhaja iz raziskovalnega dela, je poskus,katerega cilj je spremeniti nekaj æe uveljavljenega z vpeljeva-njem novih storitev, proizvodov ali postopkov v gospo darstvu,upravljanju in drugih druæbenih dejavnikih. Ta poskus pa moratemeljiti na znanju, ki na tem podroœju poprej øe ni bilo upo-rabljeno in je bilo pridobljeno skozi proces raziskovanja«.

Humanoidna robotika predstavlja drugo pomembno po-droœje, s katerim se ukvarjajo slovenski raziskovalci. Huma-noidni roboti so prilagojeni æivljenju in delu v œlovekovemokolju. Njihova najbolj opazna lastnost je sposobnost dvo-

10


noæne hoje. Lahko hodijo s statiœno ali dinamiœno stabilnimvzorcem hoje, lovijo ravnoteæje med stojo na eni nogi, lahkose gibljejo skladno s sodelavcem-œlovekom in lahko celoteœejo in smuœajo. Problemi sodobne humanoidne robotikeso povezani z raœunalniøim vidom, zaznavanjem in analizookolja, razumevanjem naravnega govora, sodelovanjem s œlo -vekom, kognitivnimi sistemi in strojnim uœenjem. Slovenskiraziskovalci uœijo humanoidne robote preko œlovekove de-monstracije posameznih gibov. Humanoidni roboti pa se uœi -jo tudi iz lastne izkuønje, ko poskuøajo in se motijo, podobnokot to poœno majhni otroci. Na ta naœin humanoidni robotipridobivajo doloœeno stopnjo avtonomnosti, kar pomeni, dase v nekaterih situacijah obnaøajo na naœin, ki ga njihovi œlo-veøki stvaritelji niso predvideli.

Humanoidni roboti prihajajo v naøe domove in bodo po-stali naøi sodelavci kot, na primer, spremljevalci starejøih, po -moœniki medicinskih sester, zdravnikov ter gasilcev. Vse boljpostaja pomembno, da se v humanoidne robote vcepijo tudietiœna pravila. To novo, porajajoœo se etiko imenujemo ro -bo etika. Roboetika je uporabna etika, katere cilj je razvitiznanstvena/kulturna/tehniøka orodja, ki so sprejemljiva zarazliœne socialne skupine in verovanja. Ta orodja vzpodbu-jajo razvoj robotike za napredek œloveøke druæbe in posa-meznikov in prepreœujejo zlorabo zoper œloveøtvo. Slavnipisec znanstveno fantastiœnih del Isaac Asimov je æe leta1942 postavil znane tri robotske zakone. Kasneje je leta 1983dodal øe œetrti zakon, ki je poznan kot niœti zakon: Nobenrobot ne sme økoditi œloveøtvu, ali skozi nedejavnost dovo-liti, da se œloveøtvu zgodi økoda. Humanoidni roboti novegeneracije bodo æiveli skupaj s œlovekom in bodo prispevalik uresniœevanju varne in miroljubne druæbe. Prav lahko sezgodi, da bodo celo bolj etiœni kot ljudje.

Knjiga Biorobotika izhaja iz posveta, ki smo ga organizi-rali v evropskem tednu robotike 26. novembra 2015 na Slo-

11


venski akademiji znanosti in umetnosti. Evropski teden robo-tike prinaøa vsako leto konec novembra vrsto razliœnih atra-ktivnih robotskih dejavnosti, ki se odvijajo po vsej Evropi sciljem prikazati, kako roboti vplivajo na okolje danes inkakøen bo njihov vpliv v prihodnje. Æe leta 2012 smo ob ev-ropskem robotskem tednu na Slovenski akademiji znanostiin umetnosti pripravili posvet o robotiki, kateremu je leta2014 sledil pri Slovenski matici izid knjige Robotika inumetna inteligenca. Posvet in knjiga sta bila izjemno dobrosprejeta. To je bila tudi spodbuda za posvet in knjigo Bioro-botika, v kateri smo se dotaknili sodelovanja robota in œlo-veka, robotike v rehabilitacijskem okolju ter vpliva robotikena øport.

V prvem poglavju Alojz Kralj podaja prikaz zaœetkov inrazvoja robotike ter biorobotike v Sloveniji. Podana je defini-cija biorobotike, na kratko so prikazana njena podroœja inusmeritve delovanja. Zaœetki in razvoj robotike so predsta-vljeni z vidikov druæbeno-razvojnih problemov, potreb innovih danosti, ki so nastajale z burnim tehnoloøkim raz vojem.Opisano je, kako so te razmere omogoœale zgoden razvojsprva robotike in po 90. letih øe pospeøen razvoj biorobotike vSloveniji. Prikazi odloœujoœih zgodovinskih mejnikov razvojarobotike in biorobotike v Sloveniji zajemajo obdobje od leta1963 do 1995. Sestavek kronoloøko vzroœno-poslediœno opi-suje razvoj in mejnike razvoja biorobotike. Mnogi od navede-nih doseækov so tudi slikovno ilustrirani. Tako je doseæen øedodatni namen sestavka, da v urejeni obliki prikaæe razvojneznaœilnosti robotike in biorobotike v Sloveniji in tako prispevak ohranjanju spomina in morda spodbudi tudi øirøe zanimanjebralca za robotiko in biorobotiko.

Matjaæ Mihelj obravnava sodelovanje œloveka in robota.Roboti so naprave, ki predstavljajo vez med digitalnim in fi-ziœnim svetom, oziroma stroji, ki nadomeøœajo in nadgraju-jejo œlovekove fiziœne sposobnosti. Roboti ne le nadome øœajo

12


ljudi, ampak z njimi tudi vse bolj sodelujejo v fiziœni, so-cialni in kognitivni interakciji. V interakciji z ljudmi se uœijonovih konceptov. Bolj ko se œlovek in robot zbliæujeta in boljko postaja razmerje med njima zapleteno, veœja je nevarnostnepredvidljivih dogodkov in poslediœno poøkodb œloveka. Znapredkom umetne inteligence postajajo roboti bolj avto-nomni in prilagodljivi neznanim in kompleksnim okoljem.Razvijalci lahko to izkoristijo za naœrtovanje varnejøih na-prav z inteligentnim in podajnim obnaøanjem, vgrajenim vrobotski mehanizem in njegov sistem vodenja. V tesni inte-rakciji med œlovekom in robotom nastajajo vznemirljive noveaplikacije. Kirurøki roboti tako pomagajo kirurgom pri zaple-tenih operacijah, rehabilitacijski roboti omogoœajo bolnikompovrnitev prizadetih motoriœnih funkcij, robotske proteze ineksoskeleti pa nadomeøœajo ali izboljøujejo œlovekove moto-riœne sposobnosti. Haptiœni sistemi, kognitivna in druæabnarobotika, biokooperativna robotika, medicinska, asistenœnain rehabilitacijska robotika stimulirajo vrhunske raziskave napodroœjih inæenirskih znanosti, to pa vodi v prihodnost, v ka-teri bosta œlovek in robot delala drug ob drugem.

Biorobotske znaœilnosti œloveøke roke je naslov poglavja,ki ga je napisal Jadran Lenarœiœ. Prispevek podaja pregledpomembnejøih raziskav gibanja pri œloveku z biorobot-skega vidika. Poudarek je na preuœevanju gornje ekstremi-tete, pred vsem na modeliranju kinematike. Prvi sklop razi-skav obsega øtudij dosegljivega delovnega prostora œloveøkeroke. Ugotovili so, da je kinematiœna zgradba œloveøke roketaka, da hkrati zagotavlja ugodno prostornino in kompaktnoobliko delovnega prostora. S tem ko so razvili ustrezen kine-matiœni model, pa je mogoœe z nekaj preprostimi meritvamidosegljivosti roke v anatomskih ravninah izraœunati celotnidelovni prostor vsakega posameznika, kar lahko koristi prievalvaciji njegove sposobnosti za delo. Drugi sklop raziskavje po sveœen kinematiœnemu modeliranju œloveøke rame s

13


paralelnim mehanizmom v ramenskem sklopu. Tak mehani-zem, ki ima veliko nosilnost v primerjavi s serijskim mehan-izmom in omogoœa roki, da se izogiba trkom s telesom, jepodlaga za razvoj napredne humanoidne robotske rame.Zadnji sklop raziskav, ki je opisan v tem delu, pa se nanaøana preuœevanje gibanja roke z vidika zmanjøevanja naporapri opravljanju razliœnih opravil, pri katerih je treba izvajatizelo natanœne gibe ali pa gibe, ki omogoœajo manipulacijovelike zunanje sile. Na ta naœin je mogoœe optimizirati konfi-guracijo robotskega mehanizma pri izvajanju konkretne na-loge. Omenjene raziskave prispevajo k razvoju sodobnih hu-manoidnih robotov in globljemu razumevanju biomehanskihznaœilnosti œloveka.

Zlatko Matjaœiå se v svojem prispevku ukvarja z bi pe-dalno hojo in ravnoteæjem. Vzdræevanje dinamiœnega ravno-teæja je pomemben del hoje tako pri œloveku kot pri huma-noidnih robotih. Ker je hoja cikliœen proces, lahko dinamiœnovzdræevanje ravnoteæja poenostavljeno opredeli mo kot sta -bilen limitni cikel gibanja teæiøœa telesa in prijemaliøœa reak-cijske sile podlage. V poglavju sta opisani dve napravi zapreuœevanje in urjenje vzdræevanja dinamiœnega ravnoteæjapri œloveku. Osrednji del obeh naprav je haptiœni robot, kiobjema medenico hodeœega œloveka. Haptiœni robot je priprvi napravi nameøœen na robotizirano mobilno platformo inomogoœa haptiœno interakcijo s hodeœo osebo med hojo poravnih tleh. Pri drugi napravi pa je omenjeni robot nameøœenna ogrodje, ki nosi tekoœi trak in hkrati omogoœa vrtenjeogrodja okoli navpiœne osi. Obe napravi omogoœata hojo vsmeri naravnost ter gibanje v zavoju. Tri aktiv ne prostostnestopnje haptiœnega robota omogoœajo izvajanje motilnih sun-kov, ki delujejo na medenico hodeœe osebe v smereh: na-prej/nazaj, levo/desno ter v smeri vrtenja medenice v trans-verzalni ravnini. Predstavljena je tudi meritev gibanja teæiøœain poteka reakcijske sile podlage med hojo skupine zdravih

14


oseb v obeh napravah ob razliœnih eksperimentalnih pogojih:hoja naravnost, hoja v zavoju ter hoja ob delovanju motilnihsunkov sil in navorov na medenico. V zakljuœku so predsta-vljene moænosti uporabe obeh naprav za urjenje vzdræevanjadinamiœnega ravnoteæja pri rehabilitaciji gibalno oviranihoseb ter za uœenje sistemov vodenja eksoskeletnih naprav inhumanoidnih robotov.

Tadej Bajd in Alojz Kralj opisujeta øtiritoœkovni vzorechoje pri ohromelih osebah. Tisoœi ohromelih oseb lahko ho-dijo le ob pomoœi bergel. Tako je njihovo hojo bolj primernoobravnavati kot øtiritoœkovni in ne kot bipedalni vzorec. Nav-dih za øtudij prihaja od Eadwearda Muybridga, ki je v drugipolovici devetnajstega stoletja z izvirnimi fotografskimi pri-stopi raziskoval hojo œloveka in æivali. Tako kot je Muybridgazanimalo, pri katerih vzorcih teka konja se pojavijo stanja, koso vse øtiri noge v zraku, tako je avtorja tega poglavja zani-malo, ali lahko v hojo bolnika z berglami vkljuœimo nestabilnastanja, ko je hodeœa oseba oprta samo na eno nogo in kontra-lateralno berglo. Cilj vsakega lokomocijskega sistema je pre-makniti teæiøœe v smeri gibanja. Avtorja sta predpostavila, danajveœji pomik teæiøœa nastopi zaradi vpliva gravi tacije invztrajnosti prav med nestabilnim stanjem. Pri pred laganemvzorcu hoje je uporabljeno naœelo ohranjanja energije. Ker semed nestabilnim stanjem zniæa teæiøœe in s tem zmanjøa po-tencialna energija, mora v naslednji fazi hoje aktiviranje plan-tarnih fleksorjev gleænja ponovno dvigniti teæiøœe telesa. Pred-lagani vzorec hoje je bil preverjen s kinematiœnim modelom,osnovanim na teoriji paralelnih robotov. Pravilnost hipotezepa je bila preverjena øe z merjenjem hoje zdravih oseb po ko-lenih in rokah. Predlagane hoje z izmenjavanjem aktiviranjaplantarnih fleksorjev in nestabilnega stanja ni bilo mogoœeustvariti pri hoji povsem hromih oseb z uporabo veœkanalnefunkcionalne elektriœne stimulacije, je pa predlagani øtiri-toœkovni vzorec uporaben pri hoji z robotskimi eksoskeleti.

15


Ivan Bratko in Dorian Øuc opisujeta kloniranje pod -zavest nih œlovekovih spretnosti. Vzemimo, da imamo dina-miœni sistem, kot sta æerjav ali letalo, in operaterja, ki ob-vlada dinamiœno vodenje tega sistema. Operater vodi sistembrez napora, zanesljivo in blizu optimuma glede na podanikriterij uspeønosti. Pilot, na primer, zanesljivo izvaja mane-vre pristajanja, operater æerjava vodi napravo tako, da se izo-giba moœnega nihanja tovora. V tem prispevku se avtorjaukvarjata z vpraøanjem, kako prenesti operaterjevo spretnostv raœunalniøki program, ki bi pri vodenju sistema nadomestiloperaterja, kar imenujemo kloniranje operaterjeve spretno-sti. Naloga kloniranja je zahtevna posebej zato, ker je opera-terjeva spretnost vodenja v veliki meri podzavestna. Na-vadno se pokaæe, da operater sam ne zmore opisati svojestrategije vodenja dovolj dobro, da bi lahko njegov opis pre-vedli v delujoœ program. Zato si v tem prispevku pri klonira-nju spretnosti pomagamo s strojnim uœenjem. Program zauœenje uporabi zglede operaterjevega vodenja kot primere,iz katerih zgradi sploøna pravila vodenja. Najbolj neposre-den pristop je, da se program nauœi, katera akcija naj se iz-vede v danem stanju sistema. Pokaæe se, da tak pristop na-vadno ni posebej uspeøen. Zato je bolj zanimiv »posrednipristop«. Pri tem se raœunalnik posebej nauœi »posploøenetrajektorije« vodenja in modela dinamike vodenega sistema.Na ta naœin je moæno v vsakem trenutku vodenja doloœiti,kaj je naslednji vmesni cilj vodenja ter izraœunati temu bliæ -njemu cilju ustrezno akcijo. V prispevku se posebej posve-timo izvedbi kloniranja spretnosti z uœenjem in uporabo kva-litativnih modelov.

Roman Kamnik in Tomaæ Œerne opisujeta uœenje tehnikeveslanja s posnemanjem. Veslanje je aktivnost, ki zahtevapravilno tehniko izvedbe zavesljaja. Velike obremenitve te-lesa lahko v primeru nepravilne izvedbe vodijo v poøkodbe.Uœenje tehnike v øportu obiœajno poteka preko trenerja, ki

16


izvedbo spremlja in izvajalcu posreduje navodila. V robotikiuœenje tehnike izvedbe gibalnih vzorcev poteka s posnema-njem gibov demonstratorja. Trajektorije gibov, izmerjene pridemonstraciji, so pretvorjene v matematiœni algoritem za ge-neriranje referenœnih signalov robotskemu krmilniku. Pri iz-vedbi gibanja robotski krmilnik zagotovi sledenje robotskihsklepov referenœnemu signalu. Na ta naœin je zagotovljenprenos ekspertnega znanja œloveka v algoritem za vodenjerobota. V Laboratoriju za robotiko na Fakulteti za elektroteh-niko Univerze v Ljubljani so razvili sistem za urjenje gibalnetehnike pri veslanju. Sistem temelji na instrumentaliziranemsimulatorju veslanja in principih uœenja s posnemanjem izrobotike. Ekspertno znanje izvedbe zavesljaja je bilo zajetopri veslanju v razliœnih reæimih skupine izkuøenih veslaœevin opisano v obliki referenœnega modela. Med vadbo na si-mulatorju so bile referenœne vrednosti sil in kinematiœnihparametrov gibanja primerjane s sprotno izmerjenimi. Naosnovi primerjave so uporabniku posredovana navodila zaprilagoditev tehnike v obliki vizualnega prikaza. Hoteno pri-laganje gibanja referenœnemu pa postopoma vodi do iz-boljøanja tehnike veslanja. Razviti sistem je bil preizkuøenv primerjalni øtudiji uœenja tehnike treh skupin neizkuøenihveslaœev. Prva skupina je vadila samostojno, druga s trener-jem, tretja pa z razvitim sistemom. Rezultati kaæejo, da sa-mostojna vadba ni uœinkovita, medtem ko je vadba z razvi-tim sistemom enakovredna vadbi s trenerjem.

Prispevek Bojana Nemca opisuje uporabo robotskih teh-nologij na podroœju alpskega smuœanja in smuœarskega teka.Sodobne robotske tehnologije omogoœajo uœinkovite reøitvena podroœju najrazliœnejøih testiranj opreme za alpskosmuœanje in smuœarski tek. V ta namen je bilo razvitih karnekaj naprav, ki so se s pridom uporabljale pri razvoju smu -œarske opreme: sistem za testiranje alpskih smuœarskih œev -ljev, robot za testiranje tekaøkih smuœarskih œevljev in tre-

17


king obutve ter robot za testiranje alpskih smuœi. Da bi bilipogoji testiranja kar najbolj podobni tistim na terenu, je bilarazvita merilna oprema za zajemanje kinematiœnih in dina-miœnih podatkov med alpskim smuœanjem in smuœarskimtekom. Mednje sodi sistem za zajemanje reakcijskih sil pod-lage pri smuœanju, sistem za zajem gibanja s kalibriranimivideo-kamerami, sistem za zajem trajektorij smuœanja prekosatelitskega navigacijskega sistema (GPS) in sistem za merje-nje gibanja z inercijskimi senzorji. Izmerjeni podatki so biliuporabljeni tudi v biomehanski analizi alpskega smuœanja,kjer lahko preuœujemo vplive razliœnih parametrov na samoizvedbo øportne storitve kot tudi na varnost in prepreœevanjeøportnih poøkodb zaradi preobremenitev. Pri meritvah naterenu pa je pogosto zelo teæko izolirati vplive posameznihparametrov, zato so bile razvite in izdelane naprave, ki omo-goœajo simulacijo alpskega smuœanja v laboratoriju. Mednjesodi Stewartova platforma, ki omogoœa simulacijo reakcij-skih sil podlage ter sistem za merjenje vpliva øirine smuœi navarnost pri alpskem smuœanju. Vsa ta dognanja so strnjena vrobotu, ki je sposoben avtonomno smuœati po smuœiøœu medvratci in je prva tovrstna aplikacija robotske tehnologije vsvetu.

Tadej Bajd in Ivan Bratko

18


19

* Slovenska akademija znanosti in umetnostiFakulteta za elektrotehniko, Univerza v Ljubljani

Poglavje 1

Zaœetki in mejniki razvoja biorobotike v Sloveniji

Alojz Kralj*

Biorobotika je kot del robotike lahko nastajala in se zaœelarazvijati le v okolju uspeøne robotike. Velja pa tudi, da je bio-robotika nastajala v okoljih, kjer so bila uspeøna raziskovalnapodroœja, ki tvorijo in prinaøajo nova znanja v robotiko iz svetabiokibernetiœnih, bioloøkih in biomedicinsko tehniøkih razi-skav, pa tudi drugih podroœij, kot so mehanika, teorija vode-nja, umetna inteligenca in raœunalniøki vid ter razpoznavanje.

V tem kratkem opisu æelimo prikazati specifiœnosti, za-metke, zaœetke in mejnike razvoja robotike in biorobotike vSloveniji. V Sloveniji se je robotika zaœela razvijati v okoljih,kjer so potekale raziskave na podroœju avtomatike in kiber-netike. Podobno se je biorobotika razvijala predvsem v oko-ljih, kjer so raziskovalci uporabljali biokibernetiœne pristope,kot, na primer, v raziskavah in razvoju biomedicinske teh-nike, rehabilitacijskih gibalnih pripomoœkov, protez in ortoz,ki naj pacientu nadomestijo izgubljeno roko ali nogo in kinaj ohromeli okonœini obnovijo œim veœ izgubljenih funkcij.Sprva so bile proteze in ortoze zgolj pasivni pripomoœki,toda kibernetiœna dognanja in razprave o upravljanju in ko-


municiranju med stroji in æivalmi [1] so omogoœile razvojaktivnih protez in ortoz. Slednje je bilo olajøano tudi zaradirazvoja elektrotehnike, elektronike, raœunalniøtva in umetneinteligence. Zaœetki robotike so se øe posebej ugodno raz vijaliv okoljih, kjer so potekale raziskave na podroœju avtomatike,kibernetike, razvoja protez in ortoz, biomehanike in biomedi-cinske tehnike v institucionalno povezanih interdisciplinarnihtimih. Opisane povezave so pogojevale us peøen razvoj robo-tike in biorobotike v Sloveniji. Pri tem je bila znaœilna odliœnapovezanost in sodelovanje raziskovalnih skupin na podroœjihfizike, elektrotehnike, elektronike, avtomatike in kibernetike zraziskavami na podroœju bio me hanike, gibanja in gibalne re-habilitacije. To sodelovanje je nastalo tudi kot posledica pri-dobitve veœjih ter znatno financiranih raziskovalnih projektoviz ZDA. Predstavljene in opisane znaœilnosti o zametkih inzaœetkih robotike in bioro botike v Sloveniji bodo osnova, nakateri bomo prikazali najpomembnejøe mejnike in razvojnoodloœujoœe dogodke.

Prikaz razvoja je vezan na zaporedje dogodkov oziromamejnikov, ki so spodbudno ali posredno podporno delovali.Veœino teh dogodkov bomo dokumentirali in podprli z na-vedbo virov in v pomoœ bralcem, ki bi æeleli podrobneje ra-ziskovati, ali se le seznaniti z dogajanji v obdobju od zaœetka60-let do sredine 90-let. Dodatno so navedeni tudi nekaterisubjektivni pogledi, vezani na potek in razliœne dogodke inposledice slednjih ter vpliv tedanjih razmer na potek razvoja.Mnogo teh dogajanj je vzpostavilo razmere in moænosti zazgoden, svojstven in relativno hiter razvoj, sprva robotike inkasneje biorobotike. V podporo tako zasnovanemu prikazunavajamo, da bo opis zaœetkov in razvoja robotike vezan indelno podan za obdobje od izida knjige Norberta Wienerja,Cybernetics or Control and Communication in the Animaland the Machine, 1948. leta [1], do okoli sredine 90-let prej -ø njega stoletja. Raziskave v podporo razvoja robotike v Slo-

20

ALOJZ KRALJ


veniji so bile v 60-, 70- in 80-letih prejønjega stoletja zani-mive pa tudi specifiœne ter podprte z vplivom druæbenegarazvoja v svetu in posebej v Sloveniji. V 80-letih so se za -œenjale druæbene spremembe in diferenciacije na poti iz do -kaj unitarno urejenih druæbenih razmer v demokratiœni druæ -beni pluralizem. Slednje je pogojevalo tudi industrijski inekonomski razvoj kot tudi zahteve za raziskovalno podporopri posodobitvah proizvodnih procesov.

Specifiœnosti tistega œasa, stremljenje za gospodarsko kon-kurenœnostjo in demokratiœnim spreminjanjem je botrovalotudi poveœani druæbeni podpori raziskovalne dejavnosti.Vzpostavljale so se ugodne danosti posebej na podroœju tistihdejavnosti, ki so obetale industrijski razvoj in ekonomski na-predek. V tem kontekstu so bile raziskave na podroœju robo-tike, øe posebej ob koncu 70-let, v akademskem okolju de-leæne razliœnih pogledov ali celo nasprotovanj. V industriji sobili naklonjeni robotiki, ker so iskali izhod iz finanœnih teæavin tehnoloøkega zaostajanja (pomanjkanje deviz, slab izvoz).Tu gre poudariti, da sta na podroœju raziskav biomedicinskein rehabilitacijske tehnike ob koncu 70-let delovali dve sku-pini v Ljubljani, veœja na Fakulteti za elektrotehniko, FE indruga na Inøtitutu Joæef Stefan, IJS. Obe sta raziskovali in so-delovali na podroœju biorobotike, to je restavraciji gibanjaprizadetih oseb s funkcionalno elektriœno stimulacijo (FES).Izdatno dolgoletno financiranje iz ZDA [2–5] je omogoœilodelovanje raziskovalcev, odliœno opremljenost in med narod -no povezanost pa tudi mobilnost raziskovalcev. Naøteto jeugodno vplivalo, da sta se obe skupini ob zmanj øevanju fi-nanciranja iz ZDA po 1985. letu usmerili v industrijsko zani-mive raziskave avtomatizacije in industrijske robotike in vkasnejøih letih tudi biorobotike. Izkuønje s podroœja raziskavrehabilitacije gibanja invalidnih oseb (biomehanika, uprav-ljanje, merjenje in analiza kinematiœnih in kinetiœnih zna-œilnosti hoje in gibanja rok pri œloveku) so ob znanju, ki je v

21

ZAŒETKI IN MEJNIKI RAZVOJA BIOROBOTIKE V SLOVENIJI


80- in 90- letih na podroœju robotike hitro napredovalo, omo-goœale hiter in uspeøen prehod na biorobotiko. Tedaj je indu-strijska robotika æe prehajala v rutinsko uporabo. Biorobotikase je zaradi specifiœnosti bioloøkih sistemov razvijala poœas-neje, postajala pa je izredno obetavno in tudi z ekonomskihvidikov zelo perspektivno podroœje. Biorobotika temelji naideji zajemanja delovanja in razumevanja, ustroja ter posne-manja bioloøkih naravnih reøitev. Na tej osnovi gradi bioro-botske sisteme in prispeva znanje za boljøe robote. Tako na-stale reøitve robotov in biorobotov naj olajøajo delovanjeœloveka in prispevajo k dvigu æivljenjske kakovosti v naj øir -øem moænem pomenu.

1.1 Razmejitev podroœja biorobotike

Biorobotika je na zaœetku svojega razvoja in pridobiva-nja na pomenu. Ime biorobotika ohlapno zdruæuje velikopodroœij:

• robotiko, bioniko in biomehaniko• kibernetiko in umetno inteligenco• medicinsko robotiko• rehabilitacijsko robotiko• nevrokibernetiko in avtonomne sisteme, bioloøko za -

snovane mehanizme• bivalno in nosljivo robotiko• sintezno biologijo• bionanorobotiko• genetski inæeniring.

Navedli smo veœino podroœij, ki jih zdruæuje biorobotika.Razvoj bo po priœakovanjih dodal øe nova podroœja. Raznoli-kost naøtetih podroœij je velika. Skupno vsem so gibanje, robot-

22

ALOJZ KRALJ


ski in kibernetiœni pristopi, umetna inteligenca in besedica bio,ki opredeljuje bioloøko videnje, to je posnemanje ustroja in de-lovanja bioloøkih sistemov. Z vidikov razvoja so opazna tudidelna prekrivanja med podroœji biorobotike. Biorobotika ned-vomno obravnava inteligentno gibanje, to je opisovanje, simu-lacijo in umetno posnemanje gibanja, uporablja principe delo-vanja bioloøkih sistemov, organizmov, in to z mehanskimi,kemijskimi in bioloøkimi pristopi. Vse to vodi do boljøih robo-tov in biorobotskih sistemov. Velja tudi, da podroœje umet nonarejenih bioloøkih sistemov, ki so lahko zunanje uprav ljani aliavtonomni (na primer veœagentni sistemi, sistemi sledenja nekistrategiji ali cilju) ter delujejo in se gibljejo podobno kot roboti,sodijo na podroœje biorobotike. Sem spadajo tudi samoorgani-zirajoœi in avtonomno adaptivni stroji ter podroœje ustvarjanjanovega æiv ljenja iz neæive snovi. Zadnje navedeno podroœjebiorobotike je øele v povojih in je del sintezne biologije.

Pomemben del biorobotike predstavljata rehabilitacijskarobotike za obnavljanje gibanja pri œloveku (protetika in orto-tika) ter humanoidna robotika. V novejøem œasu je pomembendel rehabilitacijske robotike nosljiva robotika, ki pred stavlja ro-botske sisteme, ki jih obleœemo oziroma nosimo [6]. Navedi -mo najprej nekaj sploønih definicij, ki opredeljujejo robotiko.Povzemamo definicijo za robotski manipulator po ISO 8373standardu, ki navaja, da je robotski manipulator veœnamenskisistem, povratnozanœno voden in reprogramibilen. MichaelHil man [7] definira robot kot reprogramibilni veœfunkcijskimanipulator, zasnovan z namenom premikati razliœne snovi,se stavne dele, orodja ali sesta ve po spremenljivih programira-nih poteh in s sposobnostjo izvajati mnogovrstna opravila.Torej je bistvo robotike inteligentno gibanje. Na tej osnovi lah -ko izdelamo zelo posplo øeno definicijo robotike kot podroœja,ki povezuje in je vmes nik med informacijskim okoljem in giba-njem v fiziœnem svetu. Definicija biorobotike izhaja iz dejstva,da je del robotike, ki raziskuje z namenom, da bi izboljøala ka-

23



kovost æivljenja ljudi in izdelala prijazne in zmogljivejøe ro-bote, ki bi uporabljali znanja iz æivega sveta ali simulirali bio-loøke sisteme (uœenje, razpoznavanje, odloœanje, inteligenca)z mehanskimi, elektronskimi, kemijskimi in genetskimi moæ -nostmi. Toda biorobotika raziskuje tudi v obratni smeri: kakonarediti bioloøke organizme ali njihove dele manipulativne,programibilne in funkcionalne (na primer FES hibridni sistemi[8]) oziroma doseœi, da bi bili bioloøki organizmi kom po nenterealnih biorobotov. Ugotavljamo, da bioloøko zasnovani roboti– bioroboti sledijo ideji uporabe bioloøkih reøitev za izbolj -øanje tehnoloøkih reøitev in delovanja robotov. V osnovi lo œi -mo v biorobotiki dva pristopa. Prvi si prizadeva graditi ro -botske sisteme z uporabo posnemanja bioloøkih principov inre øitev, torej graditi zmogljivejøe robote. Drugi pristop pa skuøaz modeliranjem bioloøkih sistemov in njihovega obnaøanja,ustroja in delovanja najti nova znanja za razumevanje bio-loøkih sistemov, pa tudi za dosego novih in izboljøanih siste-mov, ki bi se lahko uporabila v biorobotiki in na drugih po-droœjih. Navedena pristopa dajeta trdno osnovo za delitev invrednotenje doseækov biorobotskih raziskav ob vpraøanju, vkateri pristop lahko razporedimo izbrano raziskavo in ali je inkako bo izpolnila priœakovanja (novi biorobotski sistem, na-prava ali novo temeljno znanje in razumevanje ustroja ter de-lovanja bioloø kega sistema). Na podlagi povedanega lah komnogo raziskav, ki so potekale v preteklosti pa tudi danes poddrugim imenom, uvrstimo tudi v enega od podroœij biorobo-tike.

Za biorobotiko novejøe dobe je znaœilno, da je dobilamoœne spodbude, razøirjene pristope in znanja v obdobjuod sredine 80- do 90-let prejønjega stoletja [9–14]. Tako sose od druge polovice 90-let biorobotske raziskave razmah-nile in ustanavljali so se biorobotski laboratoriji, ali so se la-boratoriji na velikih univerzah in inøtitutih v svetu preime-novali, da bi poudarili biorobotski znaœaj njihovih raziskav.

24

ALOJZ KRALJ


Norbert Wiener je v svoji knjigi [1] podal teoretiœneopredelitve in predloge za kibernetiœne sisteme in prikazalvpliv teh razmiøljanj na podroœja robotike kot tudi bio-robotike. Wienerjeva knjiga je opredelila tudi vodenje ve-likih sistemov (dræave, ekonomija, politiœne znanosti,druæboslovne znanosti). Na sliki 1 je levo prikazana na-slovnica prve izdaje Wienerjeve knjige iz leta 1948, nasliki 1 desno pa kazalo druge izdaje iz 1961. leta [15], kjer

25


Slika 1: Naslovnica in kazalo znamenite Wienerjeve Kibernetike

razberemo, da je avtor dodal dve pomembni poglavji: IX.O uœenju in samoreproduktivnih strojih in X. Moæganskivalovi in samoorganizirajoœi sistemi. V tem œasu nastanenov revolucionaren in vpliven pojem: miselno brezkon-taktno upravljanje in zaznavanje – œutenje, kar se je mno-gim tedaj zdelo kot znanstvena fantastika. Zanimivo je, daso nekatere raziskovalne skupine zaœele raziskovati v na-kazani smeri [16–18].


Lepo opredeljena podroœja in ugotovitve v knjigi NorbertaWienerja so moœna znanstvena podlaga, na kateri se je razvi-jala robotika, biorobotika pa tudi mnoge znanstve ne disci-pline, kot so biokibernetika in biomedicinska tehnika.

Za obdobje od konca 40- do 60-let prejønjega stoletja jebilo znaœilno, da so se ekonomske razmere po drugi sveto-vni vojni zaœele hitro izboljøevati. V ekonomsko razvitejøih,napred nejøih dræavah, so zaœeli vlagati znatna sredstva vraz i ska ve in razvoj novih tehnologij; tudi za odpravo posle-dic globalne ruøilne vojne. V nadaljevanju navajamo vzrokein po sle dice za povezanost financiranja obnove druæbenihpodsistemov, potreb in øe posebej odprave z vojnami nasta-lih problemov v gospodarstvu, zdravstvu in rehabilitaciji vletih od 1950 do 1980:

• druga svetovna vojna 1940–45, obnova, zdravstvo, in-validi

• pospeøeno gradbeniøtvo• vojna v Koreji 1950–53• talidomidni ob rojstvu ohromljeni otroci od leta 1957• vietnamska vojna 1964–75• razvoj tehnologij (elektronika, raœunalniøtvo, novi mate-

riali)• uspehi industrijske robotike podprejo hiter razvoj bio-

robotike• DARPA (Defence Advanced Research Projects Agency)

po letu 1980 poveœuje vlaganja v vojaøko in civilno bio -robotiko.

Hitra obnova, dvigovanje produktivnosti, nedoreœena var - nost v prometu, farmaciji in pri delu so botrovali øte vilnimnesreœam. Nove vojne so prispevale k poveœanju øtevila in -va li dov. Tako so druæbene zahteve in potrebe ljudi vo dile ne - posredno do poveœevanja financiranja in razvoja tehnologij za

26

ALOJZ KRALJ


gibalno rehabilitacijo invalidov. Pospeøen razvoj vseh teh -no logij, øe posebej v 60-letih po odkritju tranzistorja, je po -spe øevalno vplivalo na razvoj proizvodnih tehnologij, robo -tizacijo pa tudi na razvoj rehabilitac ijskih sistemov (osebnirobotski manipulatorji, proteze in ortoze rok in nog, ekso-skeleti, kot tudi raziskav za obnovo gibanja paraplegiœnihoseb). V tem kontekstu sta bila funkcionalna elektriœna sti-mulacija in rehabilitacijska robotika zaradi pred nosti, ki jihizkazujeta, deleæni posebne podpore. Znatno se je poveœalofinanciranje po 70-letih zara di spoznanja, da lahko robotikaveliko prispeva k razvoju vesoljske tehnologije, vojne indu-strije, pa tudi k øi roki druæ beni in sploøni uporabi. AgencijaDARPA (Defence Advanced Research Projects Agency) jeod tedaj znatno so fi nan cirala raziskave na podroœju robo-tike, øe posebej obetav ne biorobotike za sploøne vesoljskein vojne namene. V mnogih dræavah, tudi v Jugoslaviji inSloveniji, so bile dr æavne spodbude usmerjene v tehnoloøkirazvoj, izbolj øevanje socialne politike in øe posebej v razvojzdravstva.

1.2 Dogodki in mejniki razvoja robotike in biorobotike v Sloveniji v obdobju 1963–1980

V nadaljnjem bomo nanizali vrsto zgodovinskih dogod-kov, ki so odloœilno vplivali na zaœetke in razvoj robotike ins tem tudi biorobotike v Sloveniji. Opis bo sledil zaporedjunaslednjih dogodkov:

• 1963–1990 prva konferenca External Control of HumanExtremities (ECHE) v Opatiji. Na konferenci je bil priso-ten tudi Norbert Wiener. Udeleæenci iz ZDA so pred-stavili moænosti financiranja raziskav. L. Vodovnik spo-zna J. B. Reswicka in R. Tomoviåa.

27



• 1964–1965 L. Vodovnik odpotuje na Case Institute ofTechnology v Cleveland, ZDA na specializacijo ob pod -pori Sklada Borisa Kidriœa in kasneje do leta 1969 iz-menoma predava v Ljubljani in Clevelandu

• 1968–1971 Agencija Social and Rehabilitation Servi-ces, SRS, Washington, ZDA prviœ financira projekt spodroœja FES v Ljubljani (predlagatelja projekta L. Vo-dovnik in A. Kralj)

• 1972–1993 National Institute of Disability and Rehabi-litation Research, NIDRR, Washington, ZDA financiraRehabilitation Engineering Center REC Ljubljana, ki gasestavljajo Fakulteta za elektrotehniko Univerze v Lju-bljani (FE,UL), Inøtitut Joæef Stefan (IJS) in Zavod za re-habilitacijo invalidov (danaønji Inøtitut RS za rehabilita-cijo Soœa). Med leti 1987 in 1993 so financirani samoposamezni inovativni projekti.

• 1978 Ustanovljena je raziskovalna skupina za robo-tiko na IJS v okviru Odseka za biokibernetiko in robo-tiko

• 1982 Slovenska akademija znanosti in umetnosti(SAZU) organizira posvet Gibanje pri œloveku in strojuz znamenitimi udeleæenci R. McGhee, M. Vukobrato-viå, R. Paul, B. Roth, D. Orin, S. Jacobsen.

• 1988 prva konferenca Advances in Robot KinematicsARK, ki jo v Ljubljani organizira J. Lenarœiœ.

Tu je podrobneje prikazano financiranje raziskav rehabi-litacijske robotike in podroœja funkcionalne elektriœne stimu-lacije. V œasovnem zaporedju so nanizani dogodki, ki so vsajposredno vplivali na razvoj biorobotike. Burne in odmevnerazprave ob drugi izdaji knjige Norberta Wienerja [1, 15] sose odraæale tudi v Jugoslaviji. Kmalu so se v Beogradu zaœeleraziskave in razvoj znamenite beograjske roke [19], ki je æetedaj imela artikulirane skoraj vse prste.

28

ALOJZ KRALJ


Leta 1963 je bila v Opatiji organizirana prva iz serije kon-ferenc o zunanjem krmiljenju œlovekovih ekstremitet (ECHE –External Control of Human Extremities). Prva konferenca jeimela naslov International Symposium on the Application ofAutomatic Control in Prosthetic Design [20]. Iz ZDA so sesimpozija udeleæile pomembne osebnosti, predvsem NorbertWiener z MIT, Cambridge in James B. Reswick iz EngineeringDesign Centre, Case Institute of Technology, Cleveland, Ohio.Na simpoziju so udeleæenci iz ZDA predstavili tudi moænosti

29


in naœine financiranja raziskav na podroœju kibernetike in re-habilitacije, kar je bilo odloœujoœe in mejnik za nadaljnji raz-voj v Ljubljani. L. Vodovnik se je udeleæil simpozija in spo-znal J. Reswicka in R. Tomoviåa s Fakultete za elektrotehnikoUniverze v Beogradu. Z Reswickom se je dogovoril za gosto-vanje v ZDA na Case Institute of Technology, Engineering

Slika 2: Vodenje gibanja elektriœno stimulirane noge psa preko elektromigrafskih signalov iz Vodovnikovih ramenskih miøic


Design Centre. V letu 1964 je ob podpori Sklada Borisa Ki-driœa odpotoval v Cleveland in z Reswickom zaœel z raziska-vami na podroœju FES, ki so opredelile skoraj celotno po-droœje obnove gibanja s funkcionalno elektriœno stimulacijo[17,18]. Na sliki 2 je prikazan eksperiment, kjer Vodovnikpreko elektromiografskih signalov miøic ramena upravlja nadaljavo (radijsko) dvig noge psa preko implantiranega stimu-lacijskega sistema.

30

ALOJZ KRALJ

Slika 3: Zajemanje krmilnih signalov iz Reswickove podlakti in prenos na protezo roke

Na sliki 3 je prikazano zajemanje kontrolnih signalov izmiøic Reswickove podlakti s ciljem krmiljenja umetne roke.Po vrnitvi v Ljubljano 1965. leta je Vodovnik na Fakulteti zaelektrotehniko v Ljubljani ustanovil Laboratorij za raziskavena podroœju biokibernetike in medicinske elektronike. Tedajje zaœel z novimi raziskavami, ki so zadevale podroœja giba-nja in biorobotike. Leta 1966 je na povabilo ponovno odpo-


toval v Cleveland, kjer je do 1969. leta deloval na podroœjubiokibernetiœnih raziskav in gibalnih funkcij.

V ZDA je Vodovnik podrobneje spoznal ameriøko finan-ciranje raziskav. Slednje je bil mejnik na poti odloœitve, dabi pridobili financiranje iz ZDA za raziskave FES v Ljubljani.Ob koncu 1967. leta so se na FE, UL zaœele priprave in pisa-nje predloga za projekt FES in mioelektriœno upravljanje gi-banja ohromelih udov. Projekt je sledil ideji uporabe elek-triœne stimulacije miøic ohromelih okonœin œloveka [2] inponovne vzpostavitve oziroma vsaj izboljøanja funkcijeohro melega uda [17,18]. Periferna poøkodba æivca vodi dopropada mi øice. Poøkodba na nivoju centralnega æivœnegasistema (po økodba glave, moæganska kap) in poøkodbe nanivoju hrbtenjaœe povzroœijo ohromelost. V zadnjem pri-meru je ohromelost bilateralna, na primer ohromelost obehnog (paraplegija). Moæganske poøkodbe (hemiplegija) se od -ra æajo z delno ali s popolno enostransko ohromelostjo rokein noge. V obeh primerih ostanejo miøice ohromele, brez mo-toriœnega upravljanja, toda funkcionalno uporabne za zuna-nje elektriœno upravljanje. Oseba FES sistem upravlja s signalizdravih miøic – mioelktriœno upravljanje, lahko pa ga upra-vlja tudi preko raznih senzorjev. Pristop s FES je na podroœjuaktivnih ortoz roke ali noge prinesel veliko prednosti. Od-padle so zunanje mehanske opore – pritrditve ortoz na telopacienta, teæki mehanski sklepi z motorji (elektriœni, hidrav-liœni, pnevmatiœni) pa tudi zahteven in neroden energijskiizvor. Pri FES sistemu veœino energije za pogon dajejo miøice(metaboliœna energija). Uporabljeni so naravni nosilci, kostiin sklepi ohromelega uda. To vodi do veœje kozmetiœnosti,manjøega in priroœnejøega sistema. Vsi ostali elementi tegapristopa, to je kinematiœni in kinetiœni ter upravljanje po voljiœloveka, so enaki kot v biorobotiki. Zaradi tega in zaradi pri-kazanih prednosti pred mehanskimi protezami in ortozami soFES sistemi del podroœja biorobotike. Dokaz za to so razi-

31



skave Miodraga Vukobratoviåa [21,22], ki so imele cilj obno-viti hojo paraplegiœne osebe z mehanskimi pristopi – ekso-skeleti. Ni razloga, da podoben pristop s FES ne bi razumelikot doprinos k znanju na podroœju biorobotike. Oba pristopasta vodila do novih znanj, ki jih æe, ali se bodo lahko v pri-hodnosti uporabljala v robotiki in biorobotiki (hodeœi in hu-manoidni roboti). Priœakujemo, da bodo z uporabo novihmaterialov za stimulacijske elektrode in z razvojem celiœne insintezne biologije postale moænosti za daljinsko moæganskoupravljanje stimuliranih miøic, zajemanje krmilnih signalovin posredovanje œutenja znatno boljøe, kar bo vodilo do zmo-gljivejøih FES in biorobotskih sistemov [23]. Tu naj omenimoøe zanimiv predlog iz 1973. leta [8] o hibridnih sistemih, kjerbi hkrati uporabili zunanje motorje in FES pristope za iz-boljøano restavracijo gibanja pri œloveku. Torej FES, ki upora-blja bioloøke motorje, zdruæujemo z biorobotskim pristopomzunanje aktivne opornice, kar je blizu bioniœnemu pristopu,kjer sodeluje zavestno miøiœno gibanje z robotskim. Spoz -namo, da so zaœetki FES v Sloveniji veliko doprinesli k zgod-njim in uspeønim zaœetkom robotike in biorobotike.

K sodelovanju na FES projektu v Sloveniji, ki so ga financi-rale ZDA od 1968. leta, je bilo povabljenih veœ institucij. Pri-stopile so naslednje: Univerzitetni inøtitut Republike Slove-nije za rehabilitacijo invalidov – Soœa, Inøtitut Joæef Stefan,Iskra – Inøtitut za avtomatiko in Kirurøka klinika Kli niœ negacentra v Ljubljani. Projekt je bil v ameriøkem kon kurenœnemokolju sprejet in potrjen za triletno financiranje (obdobje 31.5. 1968 do 31. 5. 1971) pri agenciji Social and RehabilitationServices, Washington DC, ZDA. S tem so se razmere za razi-skave v Ljubljani znatno izboljøale, s tem pa tudi moænosti zanabavo najsodobnejøe raziskovalne opreme. Prednosti sode-lovanja raziskovalcev z razliœnih podroœij so bile od lo œujo -œe za nadaljnje uspehe raziskovalne dejavnosti v Ljub ljani.Projekt je bil pomemben mejnik, ker so se vzpostavile dobre

32

ALOJZ KRALJ


razmere in moænosti tudi za sodelovanje v mednarodnemprostoru. Uspeøno delo je skoraj dve desetletji omogoœalouspeøno kandidiranje v ZDA za financiranje raziskav v Ljub -ljani.

V svetu razvoja kibernetike, biokibernetike in umetne in-teligence so bile tedaj mednarodno odmevne tudi raziskaveLudvika Gyergyeka in sodelavcev [24, 25]. Gyergyek je ned-vomno zaœetnik vrste raziskovalnih podroœij v Ljubljani, kiso se v naslednjih desetletjih uspeøno razvijala in brez kate-rih si danes ne moremo predstavljati razvoja robotike in øeposebej ne doseækov biorobotike. Gyergyek je vzgojil pro-dorne raziskovalce, med drugim tudi Ivana Bratka, ki je med-narodno priznan, odmeven in cenjen znanstvenik na po-droœju umetne inteligence [26]. Bratko je objavil svetovnoedinstveno in uspeøno monografijo, ki je bila prevedena vøtevilne jezike (slika 9). Ludvik Gyergyek je æe 1976. leta nadodiplomskem øtudiju vpeljal predmet Umetna inteligen cain desetletja predaval izbrana poglavja s podroœja kiberne-tike. Uspeøno je raziskoval na podroœjih uœenja, siste m sketeorije v nevroznanosti, razpoznavanja vzorcev (slovenskije zik, pisava, prstni odtisi) in strojne raœunalniøke analize,diagnostike in uœenja v refleksnih mehanizmih pri œloveku[24, 25]. Te uspehe, skupaj z drugimi prispevki in doseækidok torandov, lahko priøtevamo k zaœetkom biorobotike napodroœju uœenja, razpoznavanja in umetne inteligence.

Gyergyek in Vodovnik sta dolga desetletja uspeøno sode-lovala. Lep primer je skupno mentorstvo na podroœju pionir-skih raziskav biokibernetskih, kinematiœnih in dinamiœnih,znaœilnosti gibanja roke varilca [27]. Te raziskave so odlo -œilno vplivale na uœenje in ocenjevanje veøœine roœnega var-jenja v Sloveniji in tudi v mednarodnem okolju ter spodbu-dile poglobljeno raziskovanje na tem podroœju [28]. Vodileso do razvoja danes uporabljanih simulatorjev za uœenje inocenjevanje usposobljenosti varilca. Sodelovanje Vodovnika

33



in Gyergyeka je odloœilno vplivalo na razvoj robotike in kas-neje biorobotike v Sloveniji.

Tri srediøœa (FE,UL, IJS in Soœa), kjer se danes izvajajomednarodno odmevne in uspeøne raziskave na podroœju ro-botike in biorobotike v Ljubljani, imajo svoje zametke in raz-vojno pot v ameriøkem projektu in v njegovem nadaljevanjuv naslednjih petnajstih letih [3–5]. Mednarodno uspeøne ra-ziskave v Ljubljani so omogoœile mnogim raziskovalcem, øeposebej mlajøim kolegom, øtudijska potovanja, najpogostejev ZDA, in sodelovanje na pomembnih konferencah v svetu.Mnogi tuji raziskovalci so prihajali v Ljubljano in so imelipregledna ter druga predavanja o delu in raziskavah na nji-hovih ustanovah (ZDA, Japonska, Evropa). V Ljubljani so

34

ALOJZ KRALJ

Slika 4: Beograjska roka iz leta 1964 (levo) in leta 1972 (desno) avtorjevR. Tomoviåa in M. Rakiåa razvita na Fakulteti za elektrotehniko

Univerze v Beogradu in na Inøtitutu Mihajlo Pupin (Sliki je ljubeznivoposredoval Inøtitut Mihajlo Pupin iz Beograda)

imeli øtudentje, diplomanti kot tudi doktorski raziskovalcineposreden vpogled v mednarodna dogajanja in doseæke napodroœju zunanje kontrole œlovekovih ekstremitet, na me-rilne doseæke na podroœju kinematike gibanja, kinetike in nahitro razvijajoœe upravljanje gibanja rok, manipulatorjev,aktivnih eksoskeletov in hoje. Tako smo lahko spremljali raz-voj in uporabo manipulatorjev, eksoskeletov in najsodob-


nejøo merilno opremo za merjenje in analizo gibanja. V 60-in 70-letih je bila svetovno znana »beograjska roka« [19], kije prikazana na sliki 4. To je bila edina roka s skoraj vsemiartikuliranimi prsti. To roko je NASA uporabila pri razvojuprijemala za vesoljska plovila. Prav tako je bil v 70-letihedinstven eksoskelet za zgornjo ekstremiteto s sedmimi pro-stostnimi stopnjami znan kot Rancho Golden Arm, ki je pri-kazan na sliki 5 [29].

35


Slika 5: Rancho Golden Arm« s sedmimi prostostnimi stopnjami razvitana Rancho Los Amigos Hospital, Downey, ZDA

Vodenje eksoskeletne roke je bilo sekvenœno po sklepih spomoœjo stikal, ki jih je pacient lahko upravljal z jezikom.To poœasno in nerodno upravljanje, skupaj s teæavami upra-vljanja beograjske roke (redundantnost), je sproæilo obseæneraziskave upravljanja redundantnih sistemov roke in vodilodo sinergijskih krmilnih pristopov. Za ilustracijo, kako so v70- in 80-letih izgledale raziskave na podroœju biorobotike,predstavljamo sliko 6, kjer je desno predstavljen prvi hodeœi


robotski sistem in levo prvi eksoskelet iz 1970. leta. Oba ro-botska sistema sta bila razvita na Inøtitutu Mihajlo Pupin vBeogradu. Na sliki 7 je prikazan znameniti eksoskelet iz1974. leta, ki ga je zasnovala skupina M. Vukobratoviåa naInøtitutu Mihajlo Pupin v Beogradu. Raziskave dvonoænehoje ob pomoœi eksoskeletov so vodile do vidnih znanstve-nih doseækov in objave knjige in nato do serije sedmih knjig

36

ALOJZ KRALJ

Slika 6: Prvi hodeœi robotski sistem (desno) in prvi eksoskelet (levo) razvita na Inøtitutu Mihajlo Pupin v Beogradu (sliki je ljubeznivo

posredoval Inøtitut Mihajlo Pupin iz Beograda)

izdanih pri zaloæbi Springer z naslovom Scientific Funda-mentals of Robotics [30–37]. Knjige zadevajo znanstvene inteoretiœne osnove o robotskem upravljanju in ravnoteæjudvonoæne hoje. Ta znanja so øe danes aktualna za podroœjahodeœih robotov.

Naøtete razmere so vodile do ugodnih moænosti za ra-ziskovalno delovanje v Ljubljani. Ob dobrih moænostih za


nabavo najsodobnejøe merilne opreme je bila dana osnova,na kateri se je zlahka zgodil prehod iz raziskav FES in biome-hanike na podroœje raziskav in razvoja industrijske robotikein kasneje biorobotike. Prvi projekt financiran iz ZDA [2] jebil pomemben mejnik in osnova, na kateri je bil v 1970. letuustanovljen Ljubljanski rehabilitacijski inæeniring center (REC)[3–5]. To je bil interdisciplinaren center, v katerem so bile

37


Slika 7: Eksoskelet, ki ga je zasnovala skupina M. Vukobratoviåana Inøtitutu Mihajlo Pupin v Beogradu (sliko je ljubeznivo posredoval

Inøtitut Mihajlo Pupin iz Beograda)

zdruæene øtevilne raziskovalne ustanove na podroœju teh-nike, medicine in rehabilitacije.

Øiroko zasnovane interdisciplinarne raziskave v Ljubljani vokviru REC Ljubljana so vodilni v agenciji National Institutefor Disability and Rehabilitation Research, NIDRR, WashintonDC, ZDA prepoznali kot pomemben model organiziranjaraziskav. Ljubljana je kandidirala in uspela s finan ciranjem


Rehabilitation Enginering Center Ljubljana sprva za obdobje1972–1977 [2] in nato øe za dve obdobji: 1978–1983 in1983–1985 [3–5]. Po tem obdobju razpisi v ZDA za razisko-valno financiranje ustanovam iz tujine niso bili veœ dostopni.Bile pa so odprte moænosti za konkuriranje za tako imeno-vane inovativne projekte. Po tem naœinu financiranja so naFE potekale raziskave restavracije hoje s FES do marca 1993.leta [38], tedaj æe vzporedno z raziskavami na podroœju uva-janja robotov v elektronsko industrijo. Financiranje iz ZDAje zaradi odmevnih doseækov nekaterim raziskovalcem izLjubljane omogoœilo skoraj redno sodelovanje in udeleæbona DARPA in na NATO sponzoriranih znanstvenih dogodkih[39]. Tu gre izpostaviti dubrovniøke External Control ofHuman Extremities (ECHE) konference, bilo jih je deset [20],ki so postale prestiæne v svetovnem merilu po kakovosti inudeleæbi raziskovalcev z vseh celin, vkljuœno iz Japonske,Juæne Koreje, Sovjetske zveze, Avstralije, ZDA, Kanade, dræavJuæne Amerike in Evrope. V triletnih obdobjih so udeleæenci(okoli 100 na posamezni konferenci) v Dubrovniku prikazalinajnovejøe doseæke, med drugim aktivne eksoskelete, FES si-steme, robotske sisteme za upravljanje dve- in øtirinoænehoje, ravnoteæja, aktivne proteze roke in noge, upravljanjerobotske roke z 18 stopenj prostosti, bimanualne protezerok, sistema upravljanja in razvoja manipulatorjev za moœnoohromele osebe. V 60- do 80-letih poimenovanje robot alibiorobot ni bilo obiœajno. Toda æe v drugi polovici 70-let sobili industrijski manipulatorji cenejøi od rehabilitacijskih inpriølo je do predloga, da bi v rehabilitaciji uporabljali indu-strijske manipulatorje [40]. Razlika med enimi in drugimi jebila oœitna, saj so bili nekateri industrijski manipulatorji ra -œunalniøko upravljani v nasprotju z rehabilitacijskimi, kjer jeupravljanje z velikimi teæavami izvajal pacient. To je znatnopospeøilo razvoj rehabilitacijske robotike in privedlo do ra-zliœnih naprednih pristopov za laæje upravljanje ortoz in pro-

38

ALOJZ KRALJ


tez. Mnogo teh znanj se danes uporablja v biorobotiki. Zani-miva so imena udeleæencev ECHE konferenc. Naøtejmo tisteraziskovalce, ki so prepoznani kot pionirji na razliœnih po-droœjih temeljnih raziskav in dognanj, pomembnih za razvojbiorobotike: R. B. Mc Ghee OSU, Columbus, ZDA, M. Vuk-obratoviå, Inøtitut Mihajlo Pupin, Beograd, Srbija, I. Kato,Waseda University, Tokio, Japonska, G. Beckey, USC, LosAngeles, ZDA, R. Tomoviå, Univerza v Beogradu, Srbija inøe mnogi drugi.

1.3 Dogodki in mejniki razvoja robotike in biorobotike v Sloveniji v obdobju 1980–1995

Metodologija raziskav aktivnih umetnih rok, nog, manipu -latorjev, eksoskeletov, ravnoteæja, hoje, upravljanja v bioro-botiki se prekriva s tistimi v robotiki; razlike so le v bio-loøkem pristopu in temu prirejenih reøitvah. Vzporedno zmanjøanjem obsega financiranja iz ZDA, posebej v 80-letih,so se skupine na IJS, Inøtitutu Mihajlo Pupin v Beogradu inFE,UL zaœele logiœno usmerjati v tedaj vedno bolj obetavneraziskave na podroœju robotike in industrijske robotike. Pre-hod na raziskave v robotiki in kasneje biorobotiki lahko vLjubljani dodatno ilustriramo s spreminjanjem izobraæeval-nih programov pa tudi z drugimi dogodki, ki so pripomogli kuvajanju robotike. Ta razvojna dogajanja so kronoloøko po-tekala takole:

1963 Tehniøka kibernetika, dodiplomski øtudij, FE, L. Vo-dovnik

1966 Poglavja iz avtomatike in kibernetike, podiplom-ski øtudij, FE, L. Gyergyek

1967 Teorija nelinearnih dinamiœnih sistemov, podi-plomski øtudij, FE, R. Tomoviå

39



1976 Umetna inteligenca in teorija o sistemih, dodi-plomski øtudij, FE, L. Gyergyek

1976 Industrijska robotika, podiplomski øtudij, FE, M.Vukobratoviå

1978 Industrijska robotika, dodiplomski øtudij, FE, A.Kralj

1979 Umetna inteligenca, dodiplomski øtudij, FE, I.Bratko

1980 Skripta »Industrijska robotika«, 135 strani, FE, A.Kralj in T. Bajd

1981 Ustanovljen Laboratorij za industrijsko robotiko,FE

1985 Ustanovljen Laboratorij za umetno inteligenco, FE1986 Uœbenik »Prolog Programming for Artificial intel-

ligence«, Addison-Wesley, 423 strani, veœ ponati-sov, FE, I. Bratko

1986 Prva øtudijska usmeritev Robotika, dodiplomskiøtudij, FE

1986 Predavanja iz Robotike II in Robotike III, dodi-plomski øtudij, FE, T. Bajd

1986 Zaznavanje in umetna inteligenca, dodiplomskiøtudij, FE, F. Solina

1991 Ustanovljen Laboratorij za raœunalniøki vid, FER

Pomemben mejnik na poti razvoja biorobotike v Slovenijije nedvomno ustanovitev skupine za raziskave v robotiki naIJS v okviru Odseka za avtomatiko in kibernetiko æe 1977.leta. V razvoju biorobotike moramo kot zelo pomemben do-godek izpostaviti v organizaciji SAZU izvedeni posvet »Gi-banje pri œloveku in stroju«, ki je potekal od 23. do 28. maja1982 v Portoroæu. Posveta so se udeleæili najuglednejøi razi-skovalci s podroœja robotike, kar je povzdignilo to sreœanjemed vidnejøe dogodke na tem podroœju v svetu. Portoroæ jebil tiste dni kraj, kjer so potekale razprave o raziskavah giba-

40

ALOJZ KRALJ


nja pri ljudeh z namenom izboljøanja gibanja ohromljenihljudi pa tudi razprave o uporabi kinematike, dinamike, vode-nja in modeliranja z namenom izboljøati industrijske robote.Zgodovinsko gledano je gibanje pri œloveku in pri æivali za-nimalo raziskovalce iz razliœnih ved æe stoletja. Posvet je iz-polnil priœakovanja. Navzoœi so bili udeleæenci z razliœnihpodroœij, ki so pomembna za biorobotiko. Naøtejmo neka-tera: biokibernetika, umetna inteligenca, vodenje v robotiki,programski jeziki in kinematika. V nadaljnjem izpostavimopredavanji dveh udeleæencev, ki sta nedvomno odloœujoœevplivali na dogajanje v svetu in tudi na razvoj v Ljubljani.Prvo je bilo predavanje Richarda Paula o singularnostih in-verznih robotskih modelov in o hierarhiji visokih program-skih jezikov, ki omogoœajo prikladnejøe programiranje ro-botskih mehanizmov. Odmevna in zelo znana je knjigaRicharda Paula, ki je postala na mnogih univerzah v svetupomemben uœbenik [41]. Tudi v Ljubljani je tedaj odlo œujo -œe vplivala na zasnovo pouœevanja robotike.

Z vidikov mednarodnega uveljavljanja Slovenije na po-droœju raziskav kinematike robotskih mehanizmov je pose-bno pomembna udeleæba in predavanje znamenitega ame -riø kega robotika Bernarda Rotha. V predavanju je prikazalprob leme opisa in upravljanja robotskih rok, prstov, in nog.Bernard Roth je odloœujoœe prispeval k razvoju »standfordskeroke« s tremi prsti, ki je tedaj veljala za najbolj funkcionalnoprijemalo v biorobotiki. Svoje raziskovalne doseæke in pri-spevke je objavil s soavtorjem v knjigi »Theorethical Kinema-tics« [42]. Bernard Roth se je na povabilo Jadrana Lenar œiœa vkasnejøih letih øe velikokrat vrnil v Ljubljano. Lenarœiœ je poprvi konferenci v Ljubljani leta 1988 podal pobudo za serijoodmevnih simpozijev z naslovom ARK – Advances in RobotKinematics, ki so z leti postali osrednji znanstveni dogodki spodroœja raziskav robotske kinematike v svetu. Do sedaj jebilo 14 simpozijev, od tega veœ v Sloveniji. Na sliki 8 je levo

41



predstavljena naslovnica prvega simpozija ARK v Ljub ljani1988. leta in desno naslovnica 14. zbornika iz 2014. leta.Opisane in predstavljene dogodke lahko uvrstimo med mej-nike razvoja, kajti brez teh dogodkov tudi dokaj zgodnjegain mednarodno uspeønega razvoja biorobotike v Sloveniji nebi bilo. Navedimo øe, da je bil æe 1991. leta pri mednarodnizaloæbi Springer prviœ natisnjen zbornik ARK prispevkov in

42

ALOJZ KRALJ

Slika 8: Naslovnici knjig, ki sta izøli ob prvi in øtirinajsti konferenci Advances in Robot Kinematics

do 2014. leta je bilo natisnjenih 12 knjig pri zaloæbah Klu-wer in Springer. Uveljavljen je pristop, da je po izdaji knjigevselej organiziran simpozij, kjer udeleæenci lahko izmenjajopoglede, znanja in izkuønje. Od 1992. leta so simpoziji ARKorganizirani pod pokroviteljstvom IFToMMa – InternationalFederation for the Promotion of Mechanisms and MachineScience, kar je lep doseæek. Tako je bil ob pomoœi ARK sim-pozijev vsem v Sloveniji, ki jih zanima podroœje robotike in


biorobotike, neposredno dosegljiv vpogled v najnovejøe med -narodne doseæke.

V podporo opisa zaœetkov in kasnejøega razvoja raziskavbiorobotike navedimo nekaj prvih doseækov. Veœina je bilapredstavljena tudi na ECHE – External Control of Human Ex-tremities konferencah v Dubrovniku [20]. Mnogi od teh do-seækov so vplivali na razvoj robotike in biorobotike v Slove-niji. Navajamo nekatere doseæke glede na zanimivost inpomen za nadaljnji razvoj. Da bi bil obseg krajøi, podajamosamo imena avtorjev, naslov prispevka, in letnico: M. Vuk-obratoviå, M. Ma riå, M. Gavriloviå, On Stability of Locomo-tion Automata, 1967; R. B. McGhee, Finite State Control ofLocomotion Automata, 1967; B. V. Seliœ, M. Gavriloviå, ASynergystic Control for Bilateral Rehabilitation Manipulators,1975; R. Tomoviå, Control of Assistive Systems by Means ofExternal Reflexes, 1984; E. H. Furnee, Intelligent MovementMeasurement Devices, 1984; A. Kralj, T. Bajd, R. Turk, M.Munih, Mathematical Synthesis of FES Sequences, 1987; D.Popoviå, L. Schwirthlich, S. Radosavljeviå, Powered HybridAssistive Systems, 1990.

Med zelo odmevne raziskave, ki jih je financirala tudiDARPA, moramo navesti doseæke M.A. Reiberta, ki jih jeobjavil v knjigi »Legged Robots that Balance« [10]. Reiber-tovi enonoæni in dvonoæni roboti so lahko tekli in naredilisalto in nato tekli naprej, øtirinoæni roboti so v galop teku poodrivu ostali brez opore v zraku in po pristanku z nez-manjøano hitrostjo nadaljevali tek. Mnogi øtudenti robotikena FE, UL so lahko videli to demonstracijo. Odloœujoœe pri-spevke k razvoju biorobotike je naredil S. Hirose. Objav lje -ni so bili 1993. leta v knjigi »Biologically Inspired Robotcs:Snake – Like Locomotors and Manipulators« [11]. Iz postavitivelja tudi delo z naslovom »Dextrous Robot Hands« [12] izleta 1990, ki je izølo pri zaloæbi Springer in øe vrsto drugih[9, 13, 14]. Posebej moramo omeniti znamenito in svetovno

43



uspeøno knjigo Ivana Bratka o programskem jeziku na po-droœju umetne inteligence iz leta 1986 [26]. Takøne raz-mere so nedvomno odloœujoœe vplivale na razvoj biorobo-tike v Sloveniji. Raziskave v obdobju 1980–1995 sodosegale odmevne doseæke. Med zanimivejøimi doseæki jetudi 6-kanalno FES upravljanje faze opore in zamaha pri he-miplegiœnem bolniku [43, 44]. Nato je bila dokazana

44

ALOJZ KRALJ

Slika 9: Naslovnica knjige Ivana Bratka

moænost doseœi vstajanje, stojo in preprosto hojo paraple-giœne osebe z najmanjøim moænim vzorcem stimulacije s 4-kanalno stimulacijo, in to v œasu, ko je bila moœno izposta-vljena medicinska doktrina, da paraplegiœni pacienti popoøkodbi ne bodo mogli stati ali hoditi ob pomoœi lastnihmiøic [45, 46]. Tedaj je bilo tudi dokazano, da z metodopreklapljanja dræ med stojo lahko paraplegiœne osebe dalj


œasa stojijo, celo veœ ur [47]. Ob koncu 80-let in v 90-letihso FES raziskave prehajale v fazo temeljnih biomehanskih inkrmilnih pristopov za reøevanje in razumevanje problemovsinteze hoje. To je bilo razumljivo, saj so raziskave obetaleveœkanalne vsadke/implante (vzbujevalnike za hojo). Razi-skave so se usmerjale v moænosti, kako izboljøati vzorechoje z dodajanjem potrebnih stimuliranih miøic za generira-nje hitrejøe in energijsko uœinkovitejøe hoje.

Za razmere v Ljubljani je bilo pomembno sodelovanje zMiomirjem.Vukobratoviåem æe od ustanovitve REC-a [3], sajje æe v zgodnjih 70-letih izpostavljal pomen raziskav robo-tike. Tako je tudi prihajalo do sodelovanja Vukobratoviåa zraziskovalci IJS, kjer je sodeloval pri razvoju robotskih mani-pulatorjev, in tudi na FE, UL, kjer je sodeloval na pedagoøkempodroœju. Na FE, UL so æe od leta 1963 potekala predavanjaiz kibernetike, avtomatike, biokibernetike in 1976. leta øe izumetne inteligence. Tu gre izpostaviti znamenito knjigo IvanaBratka iz 1986. leta na podroœju umetne inteligence, ki je po-stala uœbenik na desetinah univerz v svetu in je bila preve-dena v øtevilne jezike. Na sliki 9 je reproducirana naslovnicaprve izdaje te znamenite knjige.

Razumljiva in umestna je trditev, da so bile raziskave napodroœju robotike in kasneje biorobotike v Sloveniji v mno-gih ozirih spodbujene in so se zaœele razvijati kot nadaljeva-nje raziskav na podroœju FES in danosti, ki so nastajale v sko-raj 20-letnem delovanju REC Ljubljana. Vodilni skupini napodroœju raziskav robotike in posebej biorobotike v Slovenijina IJS in na FE sta nedvomno zrasli iz podroœja FES. K zgod-njemu in pospeøenemu razvoju robotike in biorobotike vSloveniji je prispeval tudi zgoden zaœetek predavanj iz indu-strijske robotike na dodiplomskem øtudiju v øtudijskem letu1978/79. Tedaj so mnogi dvomili ali celo nasprotovali temuin menili, da robotika pri nas nima prihodnosti in da je nepri-merno øtudente izobraæevati v tej smeri. Tedaj na mnogih

45



nju ro botov. Druga, manjøa skupina, ki je delovala v na FE,UL v Laboratoriju za robotiko (ustanovljenem 1981. leta) jezagovarjala œim øirøe zasnovano dopolnilno izobraæevanjepredvsem inæenirjev v industriji in œim hitrejøe uvajanjekup ljenih robotov (Japonska, ZDA, Evropa). Osnova takøne -ga razmiø ljanja obeh pogledov je bila æelja, da industrija

univerzah v Evropi predavanj iz robotike øe ni bilo. Zgodnjizaœetki raziskav na podroœju robotike na IJS in FE, UL ter pe-dagoøki razvoj na tem podroœju so ugodno vplivali na za -œetke in razvoj biorobotike pa tudi pomembno spodbudilizgodnje uvajanje robotike v slovensko industrijo.

Ob koncu 70-let in na zaœetku 80-let sta bila v Slovenijiprisotna dva pristopa, kako uvajati robotiko. Tisti, ki so sle-dili programu IJS, so zagovarjali, da mora Slovenija razvitisvoje robote in jih øele nato uvajati v industrijo in zaœetiizo bra æevati strokovnjake iz industrije o uporabi in uvaja-

46

ALOJZ KRALJ

Slika 10: Robotski manipulator, ki ga je Veterans Administration Prosthetic Center, New York, NY, ZDA podaril Laboratoriju

za robotika na FE, UL


47


postane konkurenœnejøa, poveœa dobiœke in nato zaœne po-veœano vlagati v raziskave robotike in izobraæevanje ka-drov. Danes lahko ugotavljamo, da je tedanje razhajanjepogledov in pristopov delovalo tekmovalno pozitivno inpospeøevalno. Tako je na FE, UL æe 1979. leta potekalaprva serija predavanj iz industrijske robotike v okviru stro-

Slika 11: Elektrohidravliœni sistem za evalvacijo in terapijo spastiœnostigleæenjskga sklepa

kovnega izpopolnjevanja in dopolnilnega izobraæevanja izmerilne procesne tehnike. Æe junija 1980 so na FE izøla skrip taza strokovno izpopolnjevanje in dopolnilno izobraæevanjez naslovom Industrijska robotika na 135 straneh [48]. Neglede na pozitivna razvojna prizadevanja je bilo tedaj nekajnasprotovanj temu izobraæevanju, saj v robotiko mnogi splohniso verjeli.


Leta 1987 je Laboratorij za robotiko dobil v dar robotskimanipulator (slika 10), ki so ga teæje ohromljeni bolniki v ZDAdobili kot dodani manipulator na invalidskem voziœku (do-nacija Veterans Administration Prosthetic Center, New York,NY, ZDA). To je bil prvi manipulator v Laboratoriju za robo-tiko, s katerim je bilo mogoœe izvajati razliœne preprostejøeraziskave pozicioniranja in pristope upravljanja.

Tesnejøe sodelovanje s podjetji, ki so æelela uvajati robo-tiko, je vodilo v Laboratoriju za robotiko FE, UL kmalu do na-kupa Seiko robota model RT 200. S tem so bile dane moæ nosti

48

ALOJZ KRALJ

Slika 12: Preklapljane elektriœno stimuliranih miøic znatno podaljøa stojopovsem hromih paraplegiœnih oseb

za prve gospodarsko zanimive reøitve uvajanja robotov v elek-tronsko industrijo. V nadaljevanju bomo na kratko predstavilinekatere izbrane doseæke, ki so bili v obdobju 1980–1995 po-sebej zanimivi iz biorobotskih vidikov.


1.4 Prikaz izbranih doseækov biorobotike v Sloveniji v obdobju 1980–1995

Med zgodnjimi doseæki lahko izpostavimo elektrohidrav-liœni sistem za evalvacijo in terapijo spastiœnosti gleæenjskgasklepa. Sistem je omogoœal razgibavanje gleænja in odprav -ljanje kontraktur, øtudij in merjenje spastiœnosti, in vpliv FESna antagonistiœni par miøic [49] (slika 11).

49


Slika 13: Naslovnica prve knjige s podroœja funkcionalne elektriœne stimulacije ohromljenih okonœin

Z biorobotskega vidika je bil zanimiv pristop, ki je omogo -œil tudi do desetkrat in veœ daljøi œas FES stoje paraplegiœneosebe. V ta namen je bil uporabljen princip preklapljanja dræeob stimulaciji ene skupine ali dveh skupin miøic. Bolnik jelahko izbiral med moænimi naœini stoje. Na sliki 12 so prika-zane razliœne dræe [47]. Ob prehodu v novo dræo se razbre-


menijo miøice, ki so do tedaj ohranjale stojo in poœivajo. S tometodo so lahko pacienti ohranjali stojo do 60 minut, nekatericelo do nekaj ur. V 1989. letu je v ZDA izøla knjiga A. Kraljain T. Bajda o FES stoji in hoji paraplegiœnih oseb [45]. Taknjiga prviœ pregledno povzema celotno metodologijo, znanjain pristope za obnovo stoje in hoje ob uporabi FES (slika 13).

Inovativni raziskovalni projekt na FE v letu 1991/92 je bilusmerjen v merjenje in kinematiœno modeliranje FES hoje z

50

ALOJZ KRALJ

Slika 14: Demonstracija slovenskega pristopa FES hoje na Capitol Hillu v Wasgingtonu

berglami, to je 4-toœkovno podprto hojo. V ospredju je bilovpraøanje o moænostih razliœnih krmilnih algoritmov za hojo(vzorci hoje), ki bi vodili do boljøega razumevanja 4-toœko-vne hoje ali morda celo do vzorcev, ki bi omogoœali veœjohitrost hoje. Zakljuœki teh raziskav so podrobneje opisani vpoglavju Øtiritoœkovni vzorci hoje v tej knjigi.


Za bralca bo morda zanimiv dogodek iz 1986. leta, ko jepotekala razprava o tem, kje je bila prviœ doseæena FES hojaparaplegiœne osebe in s tem podan dokaz, da so bile trditve,da paraplegiœne osebe ne bodo nikoli mogle hoditi z lastnimimiøicami, preseæene in ovræene. Ostalo pa je nedoreœeno,kdaj bo doseæena FES hoja z vsadkom/implantom [50] (vzbu -jevalnikom hoje) in bo preøla v øiroko uporabo. Tedanje raz-prave so celo vodile do ustanovitve preiskovalne komisijeAmeriøkega kongresa in zasliøanja mnogih povabljenih vodil-nih raziskovalcev in razliœnih ekspertov. Ljubljani je bil pri-znan primat [51]. V tej zvezi je bilo posredovano vabilo, danaj REC Ljubljana pripravi demonstracijo FES hoje pa ra ple -giœne osebe v Washingtonu. Demonstracija je bila izvedenana Capitol Hillu za zainteresirano javnost in kongresnike. Nasliki 14 sta fotografiji, ki prikazujeta demonstracijo hoje inœestitke predsednika preiskovalne komisije pacientu.

Za razvoj biorobotike v Sloveniji so zanimivi tudi doseækiraziskav momentnih miøiœnih roœic ter spreminjanje dolæinemiøic v odvisnosti od kota sklepa za veœino miøic okolœja,kolena in gleænja [46]. V tej zvezi so zanimivi tudi normali-zirani upogibni momenti, ki jih povzroœajo miøice na stegne-nico in golenico [52]. Prav tako so z vidika razumevanja po-javov med vstajanjem in vsedanjem zanimive definicije,kriteriji in normativni podatki [53]. Vseh zadnje naøtetih do-seækov zaradi omejenosti prostora ne predstavljamo podrob-neje.

1.4 Zakljuœek

Zaœetki in mejniki razvoja robotike in biorobotike v Slo-veniji so bili prikazani v povezavi s svetovnimi razvojnimidogajanji. Pri tem je bilo vodilo orisati in logiœno slediti raz-vojnim mejnikom ter vzroœno-poslediœno prikazati razvoj v

51



luœi odloœujoœih vplivov in dogodkov. Nekateri mejniki indogodki so tudi slikovno ilustrirani. Podrobneje opisani sotisti doseæki, ki so bili razvojno odloœujoœi, odmevni in zani-mivi tudi v mednarodnem pomenu in so se potrdili kot vpli-vni za nadaljnji razvoj robotike in biorobotike. Zanimivi sodoseæki, ki so prispevali pomembna razvojna, teoretiœna, patudi tehnoloøka znanja. Niœ manj niso pomembni doseæki, kiso presegli napaœne poglede in odpravili zastarelo, zaviralnorazumevanje danosti. Prikazan je zgodovinski razvoj bioro-botike v Sloveniji za obdobje od leta 1963 do okoli leta1995. V obdobju ob koncu prejønjega stoletja so se teæiøœaraziskovalnega financiranja iz ameriøkega okolja œedalje boljprenaøala v okolje Evropske unije. V tem obdobju je naraøœa -lo tudi slovensko znanstveno financiranje in postajalo stano-vitno ter je spodbujalo evropsko sodelovanje, kandidiranjena razpisih za znanstveno delo in povezovanje. Opisano jeprinaøalo skupaj z uspehi na podroœju industrijske robotike vSloveniji nove spodbude na podroœju biorobotike. Zaœelo seje novo obdobje razvoja in napredka tega zelo obetavnegain zanimivega podroœja. Razvoj v prvih petnajstih letih jevodil do vidnih doseækov. Nekateri izmed teh doseækov soopisani v priœujoœi knjigi.

Literatura

1. Norbert Wiener, Cybernetics or Control and Communication in theAnimal and the Machine, The Technology Press and John Willey&Sons, and Herman&Cie Editours, Paris, 1948.

2. Final report, Development of Orthotic Systems Using Functional Ele-tricial Stimulation and Myoelectric Control, Project No. 19P-58391-F-01, Social and Rehabilitation Service Department of Health, Educa-tion and Welfare, Washington, D. C. ZDA, Ljubljana, 1971.

52

ALOJZ KRALJ


3. Final report, REC-Rehabilitation Engineering Center Ljubljana,1972–1977, Zavod za rehabilitacijo invalidov-Soœa, Ljubljana, po-sredovano NIDRR, Department of Education, Washington, D. C.20202, ZDA.

4. Final Report, REC-Rehabilitation Engineering Center Ljubljana,1978–1983, Zavod za rehabilitacijo invalidov-Soœa, Ljubljana, po-sredovano NIDRR, Department of Education, Washington, D. C.20202, ZDA.

5. Final Report, REC-Rehabilitation Engineering Center Ljubljana,1983–1988, Zavod za rehabilitacijo invalidov-Soœa, Ljubljana, po-sredovano NIDRR, Department of Education, Washington, D. C.20202, ZDA.

6. Jose L. Pons, ur., Wearable Robots, Biomehatronic Exoskeletons,John Wiley&Sons, 2008.

7. Michael Hilman, Rehabilitation robotics from past to present, A Hi-storical, Perspective, V Advances of Rehabilitation Robotics, Z. Z.Bien in D. Stefanov, ur., Springer Verlag, 2004.

8. Rajko Tomoviå, Miodrag Vukobratoviå, Lojze Vodovnik, Hybrid ac-tuators for orthotic systems – hybrid assistive systems, Proc. of Exter-nal Control of Human Extremities, Dubrovnik, str. 73–80, 1973.

9. Rodney A. Brooks, New approaches to robotics, Science, 253:1227–1232, 1991.

10. Mark A. Reibert, Legged Robots that Balance, MIT Press, 1986.

11. Shigeo Hirose, Biologically Inspired Robots: Snake-like Locomotorsand Manipulators, Oxford University Press, 1993.

12. S. Vankataraman, T. Iberal, ur, Dextrous Robot Hands, Springer,1990.

13. George A. Beckey, Autonomous Robots, MIT Press, 2005.

14. M. H. Diskinson, F. O. Lehmann, S. P. Sane, Wing rotation and theaerodynamics basis of insect flight, Science, 284: 1954–1960, 1999.

15. Norbert Wiener, Cybernetics or Control and Communication in theAnimal and the Machine, The M. I. T. Press in John Willey&Sons,Inc. 1961.

53



16. Egidija Roøkar, Lojze Vodovnik, Marjan Pajntar, Martin Øtefanœiœ,Drago Rudel, Tatjana Zrimec, The influence of hypnotic suggestionon motor excitation, V Proc. of the 2nd European Congress of Hypo-nisis, Dubrovnik, str. 119–126, 1980.

17. Lojze Vodovnik, V. D. Mc Leod, Electronic detours of broken nervepaths, Electronics, 20:110–118, 1965.

18. Lojze Vodovnik, James B. Reswick, A. Lippay, D. Starbuck, Myo-electric control of paralysed muscles, IEEE Trans. on Biomedical En-gineering, 12:169–172, 1965.

19. Miodrag Rakiå, Report on the further development of »BelgradeHand Prosthesis«, Proc. of External Control of Human Extremities,Dubrovnik, str. 90-96, 1967

20. Advances in External Control of Human Extremities, Proceedings I–X, Dubrovnik, 1963–1990, ur., D. Popoviå, Yugoslav Committeefor ETAN Belgrade, ISBN: 8676210012, The Center for Sensory-Motor Interaction, SMI, Aalborg University, Denmark, 2002.

21. Miomir Vukobratoviå, A. Frank, D. Juriœiå, On the stability of bipedlocomotion, IEEE Transactions on Biomedical Engineering, 17:25–36,1970

22. Miomir Vukobratoviå, Dragan Ristiå, Zoran Stojilkoviå, Legged loco-motion development of active anthropomorphic exoskeletons, Proc.External Control of Human Extremities, Dubrovnik, str. 337–349,1973.

23. M. A. Lebedev, M. A. L. Nicolelis, Brain-machine interface: past,present and future, Trends in Neurosciences, 29:539–546, 2006.

24. Ludvik Gyergyek, Milan Dimitrijeviå, Joæe Trontelj, Stohastic stimula-tion used to study spinal interneuronal system in man, V Progress ofcybernetics, str. 353–357 Gordon and Breach Science Publ., 1970.

25. Ludvik Gyergyek, Joæe Trontelj, Janez Trontelj, Milan Dimitrijeviå, Islearning involved in habituation of simple spinal reflexes, V Progressin cybernetics and systems research, str. 330-333, Hemisphere Pu-blishing Corporation,1975.

26. Ivan Bratko, Prolog Programming for Artificial Intelligence, Addison-Wesley, 1986

54

ALOJZ KRALJ


27. Viljem Kralj, Raziskava biokibernetskih in dinamiœnih lastnosti œlo-veka-varilca pri roœnem varjenju z oplaøœeno elektrodo, Varilna teh-nika, 18: 45–49, 1969.

27. Viljem Kralj, Physics of the arc and other energy heat sources usedfor welding, Welding in the World, 15:107–111, 1977.

29. Larry Leifer, Rehabilitative robotics, Robotics Age, May/June, str.4–15, 1981.

30. Miomir Vukobratoviå, Legged Locomotion Robots and Anthropo-morphic Mechanisms, Mihailo Pupin Institute, Beograd, 1975, objav -ljeno tudi v japonøœini, Nikkan Shimbum Ltd., Tokyo, 1975, vruøœini, »Mir«, Moskva, 1976 in kitajøœini, Beijing, 1983.

31. Miomir Vukobratoviå, Veljko Potkonjak, Scientific Fundamentals ofRobotics, Vol. 1, Dynamics of Manipulation Robots: Theory and Ap-plication, Springer, 1982.

32. Miomir Vukobratoviå, D. Stokiå, Scientific Fundamentals of Robo-tics, Vol. 2, Control of Manipulation Robots: Theory and Applica-tion, Springer, 1982.

33. Miomir Vukobratoviå, N. Kirœanski, Scientific Fundamentals of Ro-botics, Vol. 3, Kinematics and Trajectories Synthesis of ManipulationRobots, Springer, 1985.

34. Miomir Vukobratoviå, N. Kirœanski, Scientific Fundamentals of Ro-botics, Vol. 4, Real-Time Dynamics of Manipulation Robots, Sprin-ger Verlag, 1985.

35. Miomir Vukobratoviå, D. Stokiå, N. Kirœanski, Scientific Fundamen-tals of Rrobotics, Vol. 5, Non-Adaptive and Adaptive Control of Ma-nipulation Rrobots, Springer, 1985.

36. Miomir Vukobratoviå, Veljko Potkonjak, Scientific Fundamdentalsof Robotics, Vol. 6, Applied Dynamics and CAD of ManipulationRobots, Springer, 1985.

37. Miomir Vukobratoviå, B. Borovac, D. Surla, D. Stokiå, ScientificFundamentals of Robotics, Vol. 7, Biped Locomotion: Dynamics, Sta-bility, Control and Application, Springer, 1989.

55



38. Field Initiated Research Project, Novel FES System improving Lo-comotion Integration and External Sensory Perception, 1990–1993, Fakulteta za elektrotehniko, Univerza v Ljubljani, posredo-vano NIDRR, Department of Education, Washington, D. C. 20202,ZDA.

39. Alojz Kralj, Electrical stimulation of lower extremities in spinalcord injury, V Dhanjoo N. Ghista, Hans L. Frankel, ur., Spinal CordInjury Medical Engineering, str. 439–509, Charles C. Thomas Publ.,1985.

40. Larry Leifer, Bernard Roth, D. Kelley, J. Sachs, Robotic aids for se -verely disabled, Feasibility assessment, Proc. External Control ofHuman Extremities, Dubrovnik, str. 87–93, 1978.

41. Richard P. Paul, Robot Manipulators: Mathematics, Programmingand Control, MIT Press, 1981.

42. Oene Bottema, Bernard Roth, Theoretical Kinematics, Dover Publi-cations, 1979.

43. Alojz Kralj, Amadej Trnkoczy, Ruæa Aœimoviå-Janeæiœ, Improve-ment of locomotion in hemiplegic patients with multichannel elec-trical stimulation, Proc of the Conference on Human Locomotor En-gineering, London, str. 60–68, 1971.

44. Primoæ Strojnik, Alojz Kralj, Ignac Urøiœ, Programirani øestkanalnielektriœni stimulator za kompleksno stimulacijo miøic noge medhojo, Elektrotehniøki vestnik, 42: 115–122, 1975

45. Alojz Kralj, Tadej Bajd, Functional Electrical Stimulation: Standingand Walking after Spinal Cord Injury, CRC Press, 1989.

46. Alojz Kralj, Slobodan Grobelnik, Functional electrical stimulation: Anew hope for paraplegic patients, Bulletin of Prosthetics Research,BPR 10–20, str. 75–102, 1973.

47. Alojz Kralj, Tadej Bajd, Rajko Turk, Helena Benko, Posture switc-hing for prolonging functional electrical stimulation standing in pa-raplegic patients, Paraplegia, 24:221–230, 1986.

48. Alojz Kralj, Tadej Bajd, Industrijska robotika, øtudijsko gradivo za stro-kovno izpopolnjevanje in dopolnilno izobraæevanje, Fakulteta za elek-trotehniko, Univerza Edvarda Kardelja v Ljubljani, Ljubljana, 1980

56

ALOJZ KRALJ


49. Stanislav Reberøek, Lojze Vodovnik, Nuøa Gros, Aneta Stefanov-ska, Electrotherapy of spastic muscles in hemiplegic patients, Proc.External Control of Human Extremities, Dubrovnik, str. 271–228,1981.

50. Herwig Thoma, M. Frey, H. Gruber, J. Holle, H. Kern, E. Reiner, G.Schwanda, H. Stöhr, First implantation of a 16-channel electric sti-mulation device in the human body, Trans. American Society for Ar-tificial Internal Organs, 19:301–305, 1983.

51. Application of Functional Muscular Stimulation: Hearing before theSubcommittee on Oversight and Investigation of the Committee onVeterans Afairs, House of Representatives, Ninety Ninth Congress,Second Session, February 19, 1986: Serial No. 99–42, Washington,D.C, U. S. Government Printing Office, 1986.

52. Marko Munih, Alojz Kralj, Tadej Bajd, Normalized bending mo-ments along the femur and tibia bones in sagittal plane, Basic andAplied Myology, 4:165–171, 1994.

53. A. Kralj, Robert Jaeger, Marko Munih, Analysis of standing up andsitting down in humans: definitions and normative data presentation,J. Biomechanics, 23:1123–1138, 1990.

57



58

* Fakulteta za elektrotehniko, Univerza v Ljubljani

Poglavje 2

Sobivanje in sodelovanje robota s œlovekom

Matjaæ Mihelj*

Roboti niso veœ le industrijske naprave. Vse bolj so priso-tni v vsakdanjih œlovekovih okoljih in pomagajo ljudem privsakodnevnih opravilih. Roboti so prisotni v tovarnah, v klini-kah in tudi v naøih domovih. Ker zavzemajo okolja, ki so bilaprej namenjena predvsem œloveku, je potrebno razmisliti onovih naœinih sodelovanja in sobivanja œloveka z robotom.To odpira nove moænosti za øtevilne aplikacije, ki bodo v pri-hodnosti pomembno vplivale na æivljenjske navade ljudi.

2.1 Robotika danes

Za laæje razumevanje kompleksnosti interakcije œlovekaz robotom, nekoliko osvetlimo pogled na danaønje tipiœneprimere industrijske robotizacije. Danaønji industrijski robotiso primerni za strukturirana okolja z omejeno interakcijo sœlovekom, so uveljavljeni v proizvodnih procesih, ne potre-bujejo visoke stopnje avtonomije, prilagodljivosti in kogni-tivnih sposobnosti. Glavna znaœilnost industrijskih robotov


je, da so programirani za toœno doloœene operacije in odsto-panje od predvidenih nalog ni dovoljeno (slika 1). Stroøkirazvoja robotske celice pa so obiœajno povezani z zahtevamipo zmanjøanju negotovosti leg obdelovancev in orodij v ce-lici, kar je nujno potrebno, œe robot ponavlja vedno enakeoperacije in ni sposoben prilagajanja. Najveœjo fleksibilnostindustrijske robotske celice pravzaprav zagotavlja robotskivid, ki robotu omogoœa, da se deloma prilagodi na nedo-loœenost leg obdelovancev. Dodatno prilagodljivost je mo-goœe doseœi z uporabo senzorjev sil in navorov, ki prispevajopomembne informacije o dotiku robota z okolico.

59

SOBIVANJE IN SODELOVANJE ROBOTA S ŒLOVEKOM

Slika 1: Tipiœna uporaba robotov v industrijskem okolju

Uœinke negotovosti v robotski celici je mogoœe dodatnozmanjøati. To lahko doseæemo z uporabo naprednih senzor-jev, kompleksnimi algoritmi vodenja, avtonomijo odloœanja,z veœjim øtevilom prostostnih stopenj robotskega mehanizmain ne nazadnje s sodelovanjem s œlovekom. Napredni sen-zorji, kot so 3D kamere, omogoœajo natanœnejøe zaznava-nje, kar v povezavi s kompleksnimi algoritmi vodenja omo-goœa veœjo prilagodljivost na spremembe v okolici robota. Zrazpoznavanjem okolice je robotu omogoœena avtonomijaodloœanja, dodatne prostostne stopnje pa predstavljajo veœjoprilagodljivost pri izvajanju naloge in omogoœajo izogibanjemorebitnim oviram. Kljub temu pa je sposobnost robota zakompleksne odloœitve omejena, kar pri zahtevnih nalogah


lahko nadomestimo s sodelovanjem robota s œlovekom. Pritem se zanaøamo na œlovekove sposobnosti logiœnega miø -ljenja in sprejemanja odloœitev na osnovi nepopolnih poda-tkov in izkuøenj, hkrati pa izrabljamo vse prednosti robotov,kot so natanœnost, ponovljivost, neutrudljivost ter stroøkovnauœinkovitost. Z vpeljavo interakcije œloveka in robota pa semorajo spremeniti pogoji delovanja, saj tipiœni robotski ma-nipulator ni prirejen za delo v bliæini oseb, temveœ mora bitivarno zagrajen v robotski kletki.

Kot smo omenili v uvodu, roboti niso veœ omejeni le naindustrijska okolja. Postajajo namreœ vsenavzoœi, saj prodi-rajo v prej za robota preveœ kompleksna okolja, kot so do-movi in bolniønice. Roboti zavzemajo øtevilne forme in sosposobni izvajanja razliœnih funkcij. Slika 2 prikazuje osno-vno delitev robotov, kjer so glavni stebri robotike robotskimanipulatorji, robotska vozila, sistemi œlovek robot in bio-loøko zasnovani roboti (prirejeno po Bajd in Bratko, 2014[1]). Po posameznem stebru je mogoœe robote deliti v øe boljspecifiœne forme in funkcionalnosti, kot so robotska vozilana kopnem, v vodi in v zraku. Vsem tem sistemom pa po-staja vse bolj skupno to, da vedno pogosteje nastopajo v in-terakciji s œlovekom.

Kolikor je interakcija œloveka z robotom v najveœ prime-rih danes øe vedno predvsem prednost oziroma priloænost, jev doloœenih aplikacijah æe postala nuja. Interakcija s œlove-kom tako omogoœa napredno servisno in fleksibilno indu-strijsko robotiko, nepogreøljiva pa je na podroœjih medicin-ske robotike, druæabne robotike in robotov, ki so namenjeniza pomoœ osebam. Slika 3 prikazuje øtiri glavne stebre robo-tov za zdravje, pomoœ in druæbo. Tu najdemo medicinskerobote namenjene kirurøkim posegom in dostavi uœinkovin,rehabilitacijske robote za motoriœno vadbo spodnjih ozi-roma zgornjih okonœin, robote za asistenco, kot so proteze,eksoskeleti in robotski invalidski voziœki, ter robote za samo-

60

MATJAÆ MIHELJ


stojno starost, ki omogoœajo spremljanje stanja oseb, poma-gajo osebam pri vsakodnevnih opravilih, oziroma omogo-œajo socialno interakcijo (robot za druæbo).

61


Slika 2: Osnovna delitev robotov inmoænost interakcije s œlovekom

(prirejeno po Bajd in Bratko, 2014)

Slika 3: Roboti za zdravje, pomoœin druæbo, kjer je interakcija

s œlovekom nujna predpostavka

Predvsem roboti, ki omogoœajo socialno interakcijo, æenakazujejo potrebo po bolj kompleksnem sodelovanju (insobivanju) œloveka z robotom, ki ni omejeno zgolj na fiziœnidotik. Tako lahko interakcijo med œlovekom in robotom boljsploøno razdelimo v tri koncepte:

a) fiziœna interakcija – predstavlja izmenjavo sile oziro -ma moœi preko fiziœnega stika med œlovekom in robo-tom ter usklajeno fiziœno delovanje obeh entitet,

b) socialna interakcija – predpostavlja, da robot sodelu-je in komunicira z ljudmi v skladu z vedenjskimi nor-ma mi, ki jih priœakujemo od ljudi, s katerimi robot so-deluje in


c) kognitivna interakcija – temelji na dvosmerni veœmo-dalni komunikaciji in razumevanju med œlovekom inrobotom.

Fiziœna, kognitivna in socialna interakcija so temelj zanove koncepte uporabe robotov. Veœina danaønjih robotovnamenjenih sodelovanju s œlovekom temelji predvsem na fi-ziœnem stiku. Vse pogostejøe so aplikacije, ki zahtevajo tudisocialno interakcijo, na primer, roboti za druæbo. Najzahtev-nejøi vidik predstavlja kognitivna interakcija, ki temelji na si-stemu umetne inteligence in zato zahteva najbolj komplek-sne algoritme za delovanje.

2.2 Robot prihodnosti

Za robote lahko trdimo, da so kompleksna integracijaraznolikih tehnologij, ki predstavlja bistveno veœjo funkcio-nalnost, kot je preprosta vsota funkcionalnosti posameznihkomponent. Prav ta kompleksnost je tista, ki omogoœa zgorajomenjene koncepte sodelovanja oziroma interakcije s œlove-kom. S poveœevanjem zahtevnosti interakcije se poveœujejotudi zahteve za robotske sisteme v smislu njihovih funkcij inposlediœne kompleksnosti (slika 4).

Na podlagi potreb in priœakovanj glede interakcije s œlo-vekom lahko definiramo sledeœe zahteve za robota, ki sode-luje in sobiva s œlovekom. To je robot (prihodnosti), ki

• varno in zanesljivo sodeluje s œlovekom, • si s œlovekom deli naloge in okolje, • se uœi in prilagaja novim nalogam in okoljskim pogojem, • pomaga in sodeluje z razliœnimi skupinami ljudi (otro -

ci, odrasli, starostniki, bolniki) pri opravljanju vsako-dnevnih aktivnosti ter

62

MATJAÆ MIHELJ


• deluje v urbanem okolju, hiøah, tovarnah in bolniøni-cah.

Robota, ki bi izpolnjeval zgornje pogoje, s trenutnim sta-njem tehnike øe ni mogoœe izdelati, saj so okolja, v katerihdeluje tak robot, in naloge, ki jih opravlja, preveœ raznolike.Danaønji roboti so omejeni na bolj strukturirana okolja in soprirejeni za specifiœne naloge. Sistem, ki bi omogoœal øirøo

63


Slika 4: Robot iz filma Jaz, robot

uporabo, pa bi moral slediti bolj zahtevnim specifikacijam,ki jih lahko strnemo v sledeœe alineje:

• mehanizem, senzorji, pogoni in vodenje za doseganjeœlovekovih sposobnosti v smislu dinamike, mehanskepodajnosti, spretnosti, natanœnosti in ponovljivosti, ro-bustnosti in stabilnosti, prilagodljivosti ter kognitivnihsposobnosti;

• intuitiven in transparenten vmesnik œlovek-robot z uœe -njem brez programiranja;

• dinamiœno prilagodljiva interakcija s œlovekom;


• sposobnost komunikacije z ljudmi, roboti, storitvami voblaku in internetom stvari;

• sposobnost dolgotrajnega delovanja brez zunanjegavira energije;

• novi materiali za senzorje, laæje mehanske strukture inuœinkovitejøi pogoni.

Pri razvoju kompleksnih robotskih sistemov se moramozavedati tudi omejitev, ki iz tega izhajajo. Nekatere najpo-membnejøe omejitve so posledica dejstva, da so roboti moœnointegrirani modularni sistemi in nove funkcionalnosti pome-nijo poveœanje kompleksnosti v smislu

• øtevila in oblik prostostnih stopenj, vkljuœno s preno-som moœi od motorjev do sklepov,

• senzorjev, ki omogoœajo zaznavanje notranjih stanj ro-bota (propriocepcija), in senzorjev, ki robotu omogo -œa jo zaznavanje okolice (eksterocepcija),

• raœunske zahtevnosti, ki je posledica øtevilnih in razno-likih senzorskih vhodov (procesiranje senzornih signa-lov), algoritmov odloœanja (umetna inteligenca) in vo-denja posameznih pogonskih sklopov,

• komunikacij, ki robotu omogoœajo povezavo s storitva -mi v oblaku ter internetom stvari in interakcijo s œlove-kom,

• potreb po energiji za zagotavljanje avtonomije, • vodenja na razliœnih nivojih, kar zajema visokonivoj-

ske odloœitve v smislu strategije izvajanja nalog in niz-konivojskega vodenja posameznih pogonov, ter

• vmesnikov œlovek-robot, kar omogoœa fiziœno, social -no in kognitivno interakcijo robota s œlovekom.

Razvoj novih funkcionalnosti torej prispeva k poveœeva-nju kompleksnosti in hkratnemu zmanjøevanju robustnosti,

64

MATJAÆ MIHELJ


uœinkovitosti in varnosti sistema, saj je v bolj kompleksnih si-stemih z veœ podsistemi veœja moænost napak in okvar.

2.3 Œesa se lahko nauœimo od œloveka?

Razvijalci robotskih sistemov se pogosto zgledujejo poprimerih iz narave. V uvodu smo omenili kategorijo bioloøkozasnovanih robotov, ki temeljijo na posnemanju œloveka(humanoidni roboti), oziroma na zgledih iz æivalskega sveta.Ker nas tokrat zanima sodelovanje in sobivanje œloveka in

65


Slika 5: Primer kompleksnosti interakcije med dvema osebama, ki vkljuœuje tako fiziœno, socialno kot tudi kognitivno komponento

robota, bomo iskali zglede na primerih interakcije med ose-bami. Slika 5 prikazuje kompleksnost interakcije med dvemaosebama. Ta vkljuœuje precej veœ kot le fiziœni kontakt. Po-memben je kognitivni vidik interakcije, interakcija pa bi bilazelo osiromaøena, œe ne bi bilo tudi socialne komponente.


Ko opazujemo œloveka, ne moremo spregledati øtevilnihsposobnosti, med katerimi so nekatere edinstvene v biolo -økem svetu. Najpomembnejøe sposobnosti lahko povzame -mo v sledeœih alinejah:

• zaznavne sposobnosti temeljijo na øtevilnih in raznoli-kih œutilih, ki omogoœajo tako propriocepcijo (obœutekza medsebojni poloæaj in gibanje segmentov telesa terravnoteæje) kot tudi eksterocepcijo (zaznavanje draæ -ljajev, ki izhajajo iz okolja),

• sposobnost gibanja omogoœa œloveku premikanje v tri-dimenzionalnem prostoru, izvajanje nalog v tem pro-storu in pozicioniranje œutil za pridobivanje informacijo okolju,

• sposobnost manipulacije je povezana s sposobnostjogibanja in omogoœa manipulacijo objektov ter s temtudi pridobivanje informacij o manipuliranih objek-tih,

• vgrajena podajnost je lastnost motoriœnega sistema œlo-veka, ki je izjemnega pomena za gibanje in fiziœno in-terakcijo z okolico; podajnost omogoœa absorpcijo inshranjevanje energije (v miøice in tetive), kar poveœauœinkovitost delovanja,

• sposobnost interakcije omogoœa interakcijo z biolo -økimi in nebioloøkimi sistemi,

• prilagodljivost je veœplastna, saj omogoœa tako prilaga-janje lastnosti motoriœnega sistema (impedanca mehan-izma), kot tudi prilagajanja odzivov na draæljaje, ozi-roma prilagodljivost delovanja glede na okolje,

• izjemna zanesljivost glede na kompleksnost sistema, • socialne sposobnosti omogoœajo navezavo in vzdr æe -

vanje stikov z drugimi osebami, • porazdeljeno procesiranje pomeni, da niso le moægani

odgovorni za delovanje sistema, ampak se procesiranje

66

MATJAÆ MIHELJ


informacij dogaja tudi na niæjih nivojih, vkljuœno s fi-ziœnim nivojem,

• kognitivne sposobnosti omogoœajo pridobivanje znanjain razumevanje s pomoœjo miøljenja, izkuøenj in œutil;zajemajo procese, kot so pozornost, spomin, sposob-nost presoje, reøevanje problemov, razumevanje in rabajezika, avtonomno odloœanje in øe mnoge druge; kogni-tivni procesi so lahko zavestni, podzavestni, abstraktniali celo intuitivni.

Poenostavljeni model œlovekovih sposobnosti, ki zdru -æuje zaznavanje, kognicijo in motoriko, prikazuje slika 6(prirejeno po Verschure, 2012 [2]). Model temelji na øtirihmed seboj povezanih horizontalnih nivojih: fiziœni, reakti-vni, adaptivni in kontekstualni. V vertikalni smeri pa lahkoloœimo med seboj tri osnovne stebre: zaznavanje sveta, za-znavanje sebe in vmesnik do sveta, ki vkljuœuje motoriko.Na viøjih nivojih so strukture bolj zapletene in preslikavemed zaznavami ter odzivi so odvisne od spomina in notra-njega stanja osebe. Na kontekstualnem nivoju so trije verti-kalni stebri med seboj prepleteni.

Fiziœni nivo oznaœuje telo v povezavi s œutili, potrebami inmotoriko. Reaktivni nivo je skupek vnaprej doloœenih refleks-nih odzivov. Aktivacija refleksov doloœa bistvene lastnosti in-terakcije œloveka z okoljem in predstavlja osnovni regulirni si-gnal za viøje nivoje. Adaptivni nivo doloœa model stanj zainterakcijo osebe z okoljem preko adaptivne klasifikacije sen-zornih dogodkov in prilagoditve odzivov na osnovi mehaniz-mov uœenja. Kontekstualni nivo tvori predstavitev razliœnihstanj v spominu v odvisnosti od ciljev osebe in njenih vred-nostnih funkcij. Ta predstavitev predstavlja naœrte za aktivno-sti, ki se izvedejo glede na ujemanje med stanji zaznav in sta-nji v spominu. Najviøjo strukturo predstavlja avtobiografskispomin, ki omogoœa razumevanje in odkrivanje novih vsebin.

67



Vzroki in hkrati posledice zasnove, kot je prikazana nasliki 6, so:

• moœna sklopitev med sistemom vodenja (moægani) invodenim sistemom (telo), ki sta se razvijala soœasno obvplivih okolja,

68

MATJAÆ MIHELJ

Slika 6: Model œlovekovih sposobnosti (prirejeno po Verschure, 2012)


• porazdelitev dela med moægane, telo in okolje,• integracija zaznav, kognicije in motorike v kontekst za

interpretacijo, predvidevanje, naœrtovanje, generiranjein komuniciranje aktivnosti,

• kompenzacija zakasnitev s predvidevanjem senzornihposledic aktivnosti na osnovi modela,

• uœenje na osnovi primerjave predvidenih posledic akcijz dejanskimi posledicami,

• modularnost moæganov v smislu porazdeljenega pro-cesiranja signalov in uœinkovite izmenjave informacijmed moduli ter

• aktivno raziskovanje okolja s premikanjem œutil.

Œlovek je kompleksen sistem, ki ga ni mogoœe preprostopoustvariti v obliki robota. Vsekakor pa so nekateri koncepti,ki so lastni œloveku, primerni za implementacijo tudi na ro-botu.

2.4 Interakcija med œlovekom in robotom

V nadaljevanju se bomo omejili predvsem na fiziœno in-terakcijo med œlovekom in robotom, pri tem pa bomo upo -øtevali dejstvo, da mora tudi v tem primeru biti robot prilag-odljiv na razliœne odzive in poslediœno sposoben ustreznegaodloœanja. Analizirali bomo torej tudi kognitivne sposobno-sti robotov iz vidika uœenja in odloœanja.

Koncept interakcije robota s œlovekom je prikazan na sli ki7. V prikazanem konceptu œlovek upravlja robota v realnemœasu preko razliœnih senzornih modalnosti, robot izvaja na-logo in operaterju posreduje nazaj informacije preko kogniti-vne povratne zanke. Osrednja komponenta v sistemu je torejœlovek – operater. Za poenostavitev prikaza koncepta upo -rabimo primer, ko œlovek nadzoruje robotsko protezo, robot

69



izvaja nalogo v dotiku z okoljem in operaterjem ter opera-terju posreduje povratne informacije o silah prijema. Signali,ki jih operater generira za upravljanje proteze, so lahko v ra-zliœnih oblikah, na primer, elektriœna aktivnost miøic, moæ -ganska ak tivnost in razliœne druge modalnosti. Procesirani si-gnali omogoœajo vodenje proteze, torej premikanje robotske

70

MATJAÆ MIHELJ

Slika 7: Koncept interakcije med œlovekom in robotom s poudarkom na fiziœni interakciji

roke in od piranje ter zapiranje prstov. Robotska proteza de-luje v stiku z okolico, kar osebi omogoœa manipulacijo ob-jektov. Sile, ki nastopajo pri interakciji z objekti, se preko pro-teze neposredno prenesejo na operaterja. Dodatno pa lahkouporabniku proteze posredujemo øe informacije, kot je silaprijema. Kognitivna povratna zanka vkljuœuje razliœne mo-dalnosti, kot so elektro-taktilna stimulacija, zvoœni signali ali


neposredna stimulacija æivcev. S tem smo dobili zakljuœenozanko, ki œloveku omogoœa upravljanje robotske proteze terpreko proteze tudi pridobivanje informacij o okolju.

V nadaljevanju bomo zakljuœeno zanko med œlovekom inrobotom bolj podrobno analizirali s pomoœjo slike 8. Osred-nji element zanke je œlovek. Poleg œloveka lahko v sistemu

71


Slika 8: Pri interakciji z robotom je œlovek del kompleksne zaprte zanke

identificiramo øe dva sklopa fiziœnih elementov. To so na enistrani senzorji, ki omogoœajo zaznavanje aktivnosti œlovekain niso nujno nameøœeni na robota ali œloveka, ter na drugistrani robotska naprava, ki je v fiziœnem stiku s œlovekom.Robot se predvsem odziva na œlovekove aktivnosti s prilago-ditvijo delovanja. Sistem je lahko obogaten z dodatnimi mo-dalnostmi za posredovanje povratnih informacij operaterju.


Robotski mehanizem vkljuœuje senzorje in pogone, ki so po-trebni za delovanje, vendar niso eksplicitno prikazani na sli -ki. Poleg fiziœnih komponent so za nadzorovano interakcijomed œlovekom in robotom potrebni tudi ustrezni algoritmi, kipredstavljajo sklop vodenja. Algoritmi omogoœajo procesira-nje senzornih signalov in senzorno integracijo, prepoznava-nje stanja in hotene aktivnosti œloveka, izvedbo avtonomnegaodloœanja robota, posredovanje ustreznih informacij œlovekupreko kognitivne povratne zanke ter vodenje robotske na-prave. Za inteligentno interakcijo œloveka z robotom pa semora robot prilagajati na nove situacije, se uœiti novih kon-ceptov ter pomniti ustrezne odloœitve.

V nadaljevanju bomo posamezne elemente zaprte zankeprikazane na sliki 8 podrobneje obravnavali. Smer pretokainformacij v zanki je prikazana s puøœicami. Œe za izhodiøœevzamemo œloveka, lahko en obhod zanke predstavimo v sle-deœih korakih:

a) Interakcije med œlovekom in robotom so raznolike intemeljijo na fiziœni, socialni in kognitivni modalnosti.Ne glede na naœin interakcije pa lahko privzamemo,da se robot prilagaja œloveku.

b) Œe naj se robot ustrezno odziva na aktivnosti œloveka,mora biti sposoben ustreznih zaznav, kar mu omogo -œajo raznoliki senzorji. Ti, na primer, merijo lego in gi -banje osebe, fizioloøke parametre, zaznavanje, go vorin druge veliœine.

c) Signali posameznih senzorjev obiœajno ne omogoœajoanalize stanja in aktivnosti œloveka. Tako, na primer,en senzor nameøœen na roko ne more podati celoviteinformacije o gibanju osebe. Z zdruæevanjem signalovveœ enakih ali razliœnih senzorjev pa dobimo dovoljinformacij, ki so osnova za razpoznavanje aktivnostiosebe in v daljøem œasovnem obdobju tudi vedenjskih

72

MATJAÆ MIHELJ


vzorcev. Zdruæevanje informacij iz veœ razliœnih sen-zorjev predstavlja senzorno integracijo. Œe kot primervzamemo hojo œloveka, lahko z namestitvijo veœ sen-zorjev na nogo, doloœimo kote v kolku, kolenu in gleæ -nju.

d) Rezultat senzorne integracije je kvalitetnejøa in boljbogata informacija, ki pa øe ne definira aktivnosti ose -be. Œe zopet uporabimo primer hoje, so lahko koti vsklepih povsem koristna informacija za vodenje ro-bota, vendar pa je pogosto potrebna tudi interpretacijaoziroma klasifikacija meritev. Med hojo ugotavljamofaze zamaha noge oziroma trenutke, ko je noga v opo -ri. Taka informacija pa je lahko tudi osnova za predvi-devanje nadaljnjih aktivnosti œloveka. Klasifikacijo sta - nja oziroma aktivnosti, vkljuœno s predvidevanjemnadaljnjih aktivnosti, zdruæujemo pod pojmom detek-cija stanja in hotenja.

e) Poznavanje stanja in hotenih aktivnosti œloveka omo-goœa robotu odloœanje o lastnih aktivnosti kot odzivuna delovanje œloveka. S tem je robotu omogoœena av-tonomija odloœanja. V primeru hoje lahko predposta-vimo robotsko protezo, ki se ustrezno odziva na æeljoœloveka po hoji. Proteza mora omogoœiti ustrezno opo -ro, ko je noga na tleh, silo odriva ob zaœetku zamaha,ustrezne kote v sklepih med zamahom, absorpcijo silpri kontaktu noge s tlemi ter ponovno oporo.

f) Robot na podlagi senzorjev in razliœnih metod procesira-nja podatkov zbira informacije o œloveku in okolju ter senanje odziva z ustrezno aktivnostjo. Pri tem mora bititudi œlovek seznanjen z delovanjem robota in stanjemokolja, kar lahko aktivno spremlja s œutili. Za bolj uœin-kovito interakcijo pa je smiselno, da robot nekatere infor-macije neposredno posreduje œloveku, s œi mer se zmanj -øa potreba œloveka po zavestnem spremljanju dogajanja.

73



Robot œloveku posreduje informacije preko kognitivnepovratne zanke. V primeru robotske proteze je mogoœeposredovati informacije o kotih v sklepih oziroma kon-taktu s tlemi.

g) Vodenje mehanizma omogoœa natanœno gibanje ro-botskih pogonov in segmentov skladno s cilji naloge.Lokalni regulacijski sistemi skrbijo za gibanje posa-meznih sklepov robota na podlagi zahtev naloge ozi-roma visokonivojskih odloœitev robota.

h) Zadnji element v zanki je robotski mehanizem v inte-rakciji s œlovekom, ki se odziva na ukaze sistema vo-denja. Del robotskega mehanizma je tudi zakljuœitevkognitivne povratne zanke preko razliœnih modalno-sti, ki stimulirajo œlovekova œutila.

i) Med interakcijo s œlovekom robot razpoznava stanje inaktivnosti osebe, na podlagi œesar dopolnjuje bazo in-formacij in znanja o œloveku. Z ustreznimi algoritmi serobot uœi in prilagaja svoje delovanje. Tako dopolnjeneinformacije vplivajo na vse vidike vodenja, od senzorneintegracije, odloœanja do kognitivne povratne zanke.Uœenje in prilagajanje sta torej osrednja elementa si-stema, ki omogoœata uœinkovito interakcijo.

V naslednjih poglavjih bodo podrobneje predstavljeni po -samezni elementi povratne zanke, ki omogoœa interakcijo ro -bota s œlovekom.

2.5 Senzorji

Senzorji so kljuœnega pomena, saj robotu omogoœajo pri-dobivanje informacij o okolju in s tem tudi o osebah, s kate-rimi robot sodeluje oziroma sobiva. Senzorni signali so os-nova za øtevilne naloge povezane z aktivnostmi robota:

74

MATJAÆ MIHELJ


• najosnovnejøa uporaba senzorjev je povezana z vode-njem samega robota in nadzorom izvajanja naloge, karlahko pomeni æe nadzor gibanja posameznih segmen-tov robotskega mehanizma,

• varnost je kljuœnega pomena tako za robota kot tudi zarobotovo okolico, ki vkljuœuje tudi osebe v primeru in-terakcije œloveka z robotom,

• lokalizacija in kartiranje predstavljata osnovo za us peø -no navigacijo robota v tridimenzionalnem prostoru,

• razpoznavanje objektov omogoœa robotu, da identifi-cira objekte, s katerimi je v stiku,

• poznavanje lege in premika objektov je nujni pogoj zaizvedbo uspeøne manipulacije,

• z razpoznavanjem vzorcev v œasu in prostoru se robotuœi dinamike okolja, v katerem deluje,

• interpretacija gibov œloveka omogoœa osnovno interak-cijo med œlovekov in robotom, ki jo je mogoœe nadgra-diti z upoøtevanjem fiziœnega, fizioloøkega in psiholoø -kega stanja œloveka in detekcijo (ne)hotene aktivnostiœloveka ter

• interakcijo s œlovekom in aktivnosti operaterja je mo-goœe uporabiti za uœenje z demonstracijo, kjer se robotuœi veøœin neposredno od œloveka.

Raznolike naloge zahtevajo øtevilne in raznolike sen-zorje, ki so nameøœeni na razliœnih mestih. Senzorji na ro-botu so proprioceptivni ali eksteroceptivni. Proprioceptivnisenzorji so osnova za merjenje poloæaja in gibanja robotskihsegmentov vkljuœno z navori v posameznih sklepih. Ekstero-ceptivni senzorji so namenjeni pridobivanju informacij ookolju in vkljuœujejo senzorje sil in navorov, taktilne senzorjeter robotski vid. Poleg senzorjev na robotu so pomembni tudisenzorji v okolici, ki dopolnjujejo informacijo iz prej ome-njenih senzorjev. Ti omogoœajo opazovanje delovnega pro-

75



stora robota. Skupaj s senzorji na robotu predstavljajo os-novo za doloœanje lege robota in opazovanje œloveka zanamen prepoznavanja aktivnosti in kretenj, analizo govorater mimike in ostalih informacij potrebnih za interakcijo.Senzorji v okolju omogoœajo tudi merjenje okoljskih para-metrov, ki so pomembni za delovanje sistema. Ko obravna-vamo interakcijo s œlovekom, je potrebno imeti na voljo œimveœ informacij o osebi, zato lahko senzorje namestimo tudina œloveka. To so nosljivi senzorji in pametna oblaœila, kiomogoœajo merjenje lege in gibanja osebe, fizioloøkih odzi-vov (srœni utrip, dihanje), lahko pa merijo tudi bolj komplek-sne lastnosti, kot so kemijske reakcije (laboratorij na œipu).

2.6 Senzorna integracija

Za izvedbo naloge je potrebno senzorne meritve interpre-tirati v pravem kontekstu. Na ta naœin pridemo do osnovnihinformacij, kot so lega robota, stanje izvajanja naloge ozi-roma detekcija morebitnih napak v sistemu. Seveda pa so priinterakciji s œlovekom te interpretacije precej bolj zahtevnein bogate z informacijami. Med zahtevnejøimi nalogami sodoloœanje dinamiœnih relacij med objekti, analiza stanja inhotene aktivnosti œloveka. Na osnovi dolgoroœnih meritev paje mogoœe izvajati, na primer, diagnostiko in zgodnje zazna-vanje bolezni.

Z interpretacijo meritev doloœimo trenutno stanje sistema,na podlagi œesar robot sprejema hipne odloœitve kot odziv nato stanje. Za izvajanje dolgoroœnejøih strategij pa je potrebnoupoøtevati tok dogodkov skozi daljøi œas, kar omogoœa sklepa-nje o dinamiki sistema. V ta namen trenutne meritve in vsepretekle informacije uporabimo za prilagajanje modela siste -ma, ki v prihodnosti v sploønem omogoœa pravilnejøe odziverobota. Na ta naœin lahko robot ustrezno prilagaja gibanje, iz-

76

MATJAÆ MIHELJ


vede ponastavitev po napaki, se uœi spretnosti od operaterja(uœenje z demonstracijo), izdela naœrt prostora, po katerem segiblje, spoznava dinamiko okolja in se nanjo prilagaja, zgradimodel uporabnika, s katerim interaktivno sodeluje, razpo-znava uporabnikove potrebe in celo spremlja spremembe bo-lezenskih stanj.

V kompleksnih robotskih sistemih se pojavljajo øtevilni inraznoliki senzorji, ki smo jih predstavili v prejønjem poglav ju.Izhodi posameznih senzorjev so obiœajno podvræeni øumu,zato iz njih pridobljene informacije niso zanesljive. Ker paimamo pogosto na voljo veœ senzornih modalnosti, lahko sen -zorne informacije razliœnih modalnosti zdru æu je mo z name-nom pridobivanja bolj zanesljivih podatkov. Blokovna shemaosnovnega koncepta senzorne integracije je pri kazana nasliki 9 (prirejeno po Roggen et al., 2011 [3]).

Surovi senzorni signali prihajajo iz razliœnih senzorjevenakih ali razliœnih modalnosti. V prvem koraku se iz senzor-jev odstrani øum (predprocesiranje). V naslednjem koraku sle -di segmentacija signalov v œasovna oziroma prostorska ok na,ki vsebujejo koristno informacijo, ter iskanje zna œilk v seg-mentiranem signalu. Ker je øtevilo znaœilk, najdenih v posa-meznem signalu, lahko veliko, je smiselno izbrati samo po -membne znaœilke, kar doseæemo z zmanj øevanjem dimenzijsignala. Nadaljnji korak predstavlja klasifikacija izmerjenihveliœin v ustrezne razrede. Zadnji korak œasovno-zveznegaprocesiranja pa je odloœitvena fuzija, ki na podlagi meritevrazliœnih modalnosti doloœi posamezne gradnike aktivnosti.V nadaljevanju procesa so posamezni gradniki aktivnostivhod v dogodkovno procesiranje, kjer na podlagi zdruæevanjagrad nikov aktivnosti sklepamo na kontekst, aktivnost oziro mavedenje merjenega sistema.

Kot primer senzorne integracije lahko navedemo spremlja-nje in razpoznavanje faz hoje skozi daljøe œasovno obdobje.Za merjenje aktivnosti moremo uporabiti raznolike senzorje,

77



kot so inercialne merilne enote, senzorji sil oziroma pritiska vpodplatih, senzorji aktivnosti miøic nog. Surove senzorne si-gnale filtriramo s filtri za odstranjevanje øuma, nato jih seg-mentiramo, s œimer ugotavljamo periode aktivnosti (na pri-mer, loœimo faze hoje od mirne stoje ali sedenja). Iz signalov vnadaljevanju doloœimo znaœilke, kot so poloæaji in hitrostisklepov, miøiœna aktivnost in sile interakcije v stiku s tlemi. Z

78

MATJAÆ MIHELJ

Slika 9: Koncept senzorne integracije (prirejeno po Roggen et al., 2011)

zmanjøevanjem dimenzij izloœimo manj pomembne informa-cije glede na cilje naloge, na primer, podatke o mi øiœ ni aktiv-nosti. S klasifikacijo doloœimo, na primer, fazo opore (na os-novi sile dotika) ter aktivnosti v posameznih sklepih na osnovikotov ali kotnih hitrosti. S fuzijo informacij iz razliœnih modal-nosti pa moremo prepoznati posamezne aktivnosti sko zi ce-lotno sekvenco koraka (trenutek dotika stopala s tlemi, fazoopore, fazo odriva, fazo zamaha ter ponovni dotik s tle mi). Z


zdruæevanjem gradnikov aktivnosti skozi daljøe œasovno ob-dobje pa je mogoœe sklepati na kvaliteto in simetrijo hoje, do-loœiti faze sedenja, mirne stoje, usedanja oziroma vsta janja, vøe daljøem œasovnem oknu pa je moœ razbrati dnevne aktivno-sti povezane s hojo, kar predstavlja kontekst delovanja in ve-denja operaterja.

Senzorna integracija torej predstavlja zbiranje informacijiz razliœnih modalnosti ter analizo zbranih informacij, karomogoœa opis obnaøanja opazovanega sistema. Œe je robottisti, ki zbira te informacije, se lahko dolgoroœno prilagajaaktivnostim in vedenju œloveka, s katerim sodeluje.

2.7 Detekcija stanja in hotenja

Œe naj se robot pravilno odziva v interakciji s œlovekom,mora prepoznavati aktivnosti œloveka in jih tudi predvideti.Œe za izhodiøœe zopet privzamemo primer hoje, mora robot,na primer, predvideti, kdaj bo œlovek zaœel hoditi, predvidetimora zaœetek in konec koraka ter zaustavitev gibanja. To sohotene aktivnosti œloveka. Hkrati pa je pomembno, da se jerobot sposoben odzivati tudi na nehotene aktivnosti, na pri-mer, ustrezno se mora odzvati, ko zazna nevarnost padcaosebe.

Robot mora torej samodejno zaznati in klasificirati vede-nje osebe, razpoznavati aktivnosti in hotenja ter prepoznavatimotnje in napake. Vse to pa sluæi naœrtovanju varnih trajekto-rij gibanja robota ob upoøtevanju biomehanskih last nosti œlo-veka.

Prej omenjene funkcionalnosti robota so moœno pove-zane z njegovimi zaznavnimi sposobnostmi, torej raznolikimisenzorji za opazovanje œloveka. Kako kompleksen je lahkosistem zaznavanja in prepoznavanja œlovekove aktivnosti,prikazuje slika 10 na primeru brcanja æoge. Predpostavimo,

79



da je cilj naloge prepoznati namen osebe, da brcne æogo inosebi pri tem asistirati, na primer, z robotsko protezo. Brc æogeni samo trajektorija gibanja sklepov œloveøke noge, am pak jedaljøe zaporedje aktivnosti v razliœnih predelih œloveø kega te-lesa. Œe smo sposobni te aktivnosti meriti in interpretirati, imarobot na voljo dovolj informacij za ustrezno odloœanje.

80

MATJAÆ MIHELJ

Slika 10: Prepoznavanje aktivnosti œloveka na osnovi raznolikih senzornih signalov

Na konkretnem primeru s slike 10 moremo opazovati ra-zliœne dogodke, ki si sledijo v natanœno doloœenem vrstnemredu in s pribliæno znanimi œasovnimi okviri. Najbolj sploø -no informacijo lahko dobimo iz opazovanja okolja. Na pri-mer, nogometno igriøœe in æoga nas postavita v kontekst no-gometa. Pomemben trenutek predstavlja usmeritev pogledav æogo, kar nakazuje na hoteno aktivnost. Nadaljnji dogodkipa so povezani s samo motoriœno aktivnostjo, to je brcanjemæoge. Najprej se pojavi aktivnost na nivoju moæganov, ki sepreko æivcev posreduje miøicam. Miøice se ustrezno aktivi-rajo in s tem generirajo silo oziroma navor. Posledica navora


pa je gibanje noge. Kot je razvidno s slike 10, moremo posa-mezne faze v tem zaporedju meriti z razliœnimi senzorji (ka-mere, elektrode, senzorji sil in navorov, senzorji gibanja). Ssenzorno integracijo zdruæimo informacije iz uporabljenihsenzorjev, kar omogoœa klasifikacijo stanja in aktivnosti ose -be. Za namen klasifikacije moremo uporabiti razliœne me-tode strojnega uœenja, kot so nevronske mreæe, odloœitvenadrevesa, skriti modeli Markova in podobne metode.

Zaznano stanje in hotenje osebe predstavlja osnovo zaodloœanje robota o nadaljnjih aktivnostih ter za naœrtovanjetrajektorij gibanja.

2.8 Kognitivne sposobnosti – avtonomno odloœanje, prilagajanje, uœenje in spomin

Robot naj bi bil sposoben avtonomnega odloœanja o las-tnih aktivnostih na podlagi ustreznih senzornih informacij inciljev naloge. Avtonomno odloœanje je lahko zelo preprostoin vnaprej definirano, kjer programer predvidi vse moænedogodke in ustrezne odzive na te dogodke. V nadaljevanjupa bomo upoøtevali bolj sploøen primer, ki omogoœa robotu,da se na podlagi izkuøenj uœi in nova znanja uporabi pri na-daljnjih odloœitvah. Piramida avtonomnega odloœanja je pri-kazana na sliki 11.

Najniæji nivo v piramidi predstavljajo vzbujanje, zaznava-nje in delovanje. Vzbujanje predstavlja vhod v sistem, ki sku-paj z opazovanimi odzivi omogoœa identifikacijo lastnosti si-stema. Tako si pod terminom vzbujanje lahko predstavljamovzbujanje robotskega gibanja, fiziœnih odzivov œloveka, fizio-loøkih sprememb na œloveku, socialnih odzivov in øtevilnihdrugih reakcij. Vzbujanje predstavlja dobro definirane signa -le, ki skupaj z izmerjenim odzivom omogoœajo doloœanje last -nosti sistema. Nadaljnjo funkcionalnost predstavlja sposob-

81



nost zaznavanja. Z raznolikimi senzorji zaznavamo lastnostiokolja, opazujemo aktivnosti œloveka (gibanje, kretnje), me-rimo gibanje robota, omogoœimo naravno komunikacijo s œlo -vekom preko procesiranja govora ali prepoznavamo œustveneizraze. Delovanje pa je bistvo robota, ki omogoœa interakcijoz okolico in œlovekom. Delovanje predstavlja gibanje, mani-pulacijo, prijemanje in podobne aktivnosti.

82

MATJAÆ MIHELJ

Slika 11: Piramida avtonomnega odloœanja; niæji nivoji predstavljajo osnovo za viøje nivoje

Vzbujanje, zaznavanje in delovanje so tesno povezani zinterpretacijo in adaptacijo. Interpretacija povezuje vzbuja-nje in zaznave. Z znanimi vzbujalnimi signali ter izmer -jenimi odzivi na te signale je mogoœe razpoznati lastnostiokolja, œloveka in robota, identificirati parametre sistema terzaznavati aktivnosti œloveka. Interpretirati je torej potrebno


œlovekove aktivnosti in ukaze, nalogo in okolje za potrebedelovanja v negotovih pogojih ter funkcije in relacije medobjekti v okolju. Za razliko od interpretacije, predstavljaadaptacija predvsem povezavo med zaznavanjem in delova-njem. Ta omogoœa robotu, da optimira delovanja glede napredefinirane kriterije oziroma se prilagodi na okolje, pogojedelovanja in zahteve dela. Adaptacija je povezana z defini-ranimi kriterijskimi funkcijami, ki doloœajo pogoje za najboljuœinkovito in ustrezno delovanje sistema.

Za spodnji nivo v piramidi je znaœilno delovanje v relati-vno kratkih œasovnih oknih. Vzbujanje, zaznavanje in delo-vanje potekajo v realnem œasu. Interpretacija in adaptacijaimata nekoliko daljøi œasovni konstanti, vendar sta øe vednopovezani s trenutnim delovanjem sistema. Drugi nivo v pira-midi pa temelji na daljøih opazovanjih. Predpogoj je ustre-zna koliœina zbranih informacij. Razumevanje in sklepanjeomogoœata iskanje vzorcev v opazovanih signalih, sklepanjena relacije med dogodki oziroma objekti, prepoznavanje na-mena in uporabe objektov ter identifikacijo napak in motenjv sistemu. Tesno povezano z razumevanjem in sklepanjemje uœenje oziroma akumulacija znanja (na primer, o œloveku,okolju in nalogi). Uœenje predstavlja ustvarjanje relacij medpodatki, gradnjo modelov in doloœanje njihovih parametrov,povezano pa je tudi z optimizacijo delovanja sistema skozidaljøe œasovno obdobje.

Razumevanje, sklepanje in uœenje so temelji sposobnostipredvidevanja. S predvidevanjem dogodkov, œlovekove ak -tiv nosti ter dinamiœnih relacij med objekti postane robot spo-soben hitrih odzivov in delovanja v nestrukturiranem okolju.

Najviøji nivo v piramidi predstavlja sposobnost robota zaavtonomno odloœanje, ki je potrebno za delovanje v nestruk-turiranem okolju, naœrtovanje aktivnosti v smislu doseganjacilja, naœrtovanje poti in navigacijo, interakcijo s œlovekom tervarno in zanesljivo delovanje. Sposobnost robota za povsem

83



avtonomno delovanje je zahteven cilj. Zato so za robote pred-videni razliœnimi nivoji sposobnosti glede odlo œanja:

• predprogramiran robot, kjer operater predvidi vse mo-goœe odzive za vse pogoje delovanja,

• teleoperacijski sistem, ki omogoœa operaterju nepo-sredno upravljanje robota in s tem zdruæuje najboljøelastnosti œloveka in robota,

• nadzorovano delovanje, kjer robot deluje avtonomnoznotraj posameznih aktivnosti, pri œemer aktivnosti do-loœi operater,

• sodelovanje z operaterjem, ki omogoœa robotu avto-nomne odloœitve pod nadzorom operaterja in

• avtonomno delovanje, kjer ni interakcije z operaterjemin je robot povsem avtonomen glede sprejemanja odlo -œitev v skladu s cilji naloge.

Kognitivne sposobnosti robota so najkompleksnejøi vidikrobotskega sistema in vkljuœujejo vse nivoje, od fiziœnega ni-voja do sprejemanja samostojnih odloœitev.

2. 9 Kognitivna povratna zanka

Do sedaj smo se osredotoœali predvsem na vidik interak-cije robota s œlovekom, ki je namenjen opazovanju œlovekain sprejemanju odloœitev na podlagi opazovanih dogodkov.Pri interakciji pa je pomembno tudi posredovanje povratnihinformacij od robota k operaterju. To je namen kognitivnepovratne zanke, ki œloveka informira o lastnem stanju, stanjurobota, lastnostih okolja, interakciji, zaznanih dogodkih innevarnostih.

Na primeru robotske proteze lahko pojasnimo smisel inpomen take informacije za operaterja. Œe œlovek uporablja

84

MATJAÆ MIHELJ


robotsko protezo namesto roke za prijemanje in manipula-cijo objektov, se pri izvajanju nalog lahko zanaøa le na vi-zualno povratno informacijo. Manipulacija brez informacij odotiku in silah interakcije je zahtevna in nenatanœna, zato jesmiselno razmiøljati o moænostih posredovanja povratnih in-formacij o dotiku nazaj œloveku preko razliœnih modalnosti.

Slika 12 prikazuje nabor razliœnih modalnosti, ki omo-goœajo posredovanje informacij od robota k œloveku. Naje-nostavnejøe posredovanje informacij omogoœata vizualna inzvoœna stimulacija, kar pomeni, da æelene informacije zako-diramo v vizualni oziroma zvoœni obliki ter jih prikaæemo nazaslonu oziroma predvajamo preko zvoœnikov ali sluøalk.Tako bi lahko jakost prijema pretvorili v frekvenco ali ampli-tudo predvajanega zvoka. Tako vizualna kot zvoœna povratnainformacija sta v tem primeru nenaravni in lahko problema-tiœni iz vidika interference s signali iz okolja. Primernejøareøitev je taktilna stimulacija, ki jo je mogoœe izvajati s po-moœjo vibracijskih aktuatorjev s spremenljivo frekvenco aliamplitudo vibracij oziroma preko elektriœnih impulzov spre-menljive frekvence in amplitude (elektro-taktilna stimulacija).Taktilno stimulacijo je mogoœe izvajati na kateremkoli oæiv -œe nem delu telesa neposredno na koæi. Elektriœno je mogoœestimulirati tudi neposredno æivec, kar pa zahteva invazivenposeg. Haptiœna stimulacija nasprotno temelji na neposred-nem izvajanju sile na telo uporabnika preko robotskegavmesnika, vendar ta oblika ni najbolj primerna v povezavi zrobotsko protezo. Øe nekoliko manj primerna je uporaba ro-botske mimike in kretenj, ki pa je lahko povsem smiselna priinterakciji œloveka s humanoidnim robotom.

Bistvo kognitivne povratne zanke je torej posredovanjeinformacij od robota do œloveka, ki nastopa v interakciji z ro-botom. Taka informacija pravzaprav omogoœa interaktivnosodelovanje, saj se v tem primeru robot odziva na delovanjeœloveka in œlovek razume in predvidi delovanje robota. S po-

85



manjkanjem kognitivne povratne zanke je interakcija mnogobolj zahtevna, ker operater nima informacij o delovanju ro-botskega mehanizma.

86

MATJAÆ MIHELJ

Slika 12: Razliœne modalnosti za posredovanje povratnih informacij od robota k œloveku: taktilna, zvoœna, vizualna, haptiœna in elektriœna

stimulacija ter mimika in kretnje

2.10 Robotski mehanizem in fiziœni kontakt robota s œlovekom

Œlovek je nepredvidljiv iz robotske perspektive, je del za-prtozanœnega sistema vodenja, z robotom si izmenjuje infor-macije in energijo. Poenostavljen model fiziœne interakcijerobota s œlovekom je prikazan na sliki 13 (prirejeno po Mihelj


in Podobnik, 2012 [4]). Ker obravnavamo le fiziœno interak-cijo, je œlovek tisti, ki doloœa æeleno delovanje sistema prekocentralnega æivœnega sistema (GCNS), ki posreduje informa-cije miøicam za generiranje ustrezne sile potrebne za giba-nje. Zaradi fiziœnega stika robota s œlovekom, aplicirana silane deluje le na segmente œloveka (Zh), temveœ tudi na robota

87


(Zcl). Model robota vkljuœuje tako lastnosti mehanizma kottudi lastnosti sistema vodenja. Izhod sistema je doloœen upo -øtevaje dinamiko robota in dinamiko œloveka. Slednja ni kon -stantna, saj je, na primer, podajnost segmentov telesa mo -goœe aktivno spreminjati z aktivacijo antagonistiœnih mi øic. Izpovedanega izhaja, da je obnaøanje celotnega sistema posle-dica prepletanja delovanja œloveka in robota, ki pa sta obaaktivna elementa in v sistem dovajata energijo.

Slika 13: Zaprtozanœni model fiziœne interakcije œloveka z robotom;GCNS – model prenosa signalov in aktivacije miøic, Zcl – model robota,

Zh – model œloveka, u – signali centralnega æivœnega sistema, Fh* – sila miøic, Fh – sila interakcije in vh – skupna hitrost œloveka in robota

v toœki interakcije (prirejeno po Mihelj in Podobnik, 2012)


Nenadzorovano poveœevanje energije sistema lahko vodido nestabilnega delovanja in poøkodb œloveka ali robota. Var-nost interakcije je mogoœe zagotoviti s pravilnim naœrtova-njem algoritmov vodenja robota. Ti morajo zagotoviti stabilnodelovanje sistema v vseh okoliøœinah, ne glede na spremembedinamike œloveka oziroma znaœilnosti fiziœne interakcije (naprimer, velikost sile dotika med œlovekom in robotom).

Zaradi kompleksnosti sistema in algoritmov vodenja jepogosto nemogoœe zagotoviti popolno varnost interakcije,oziroma stabilnost sistema v vseh mogoœih okoliøœinah. Zato

88

MATJAÆ MIHELJ

Slika 14: Koncept togega robotskega mehanizma (slika levo) ter podajnega mehanizma (desno) v interakciji s œlovekom

je smiselno razmiøljati o ostalih ukrepih, ki neodvisno od al-goritmov vodenja zagotavljajo viøji nivo varnosti za œloveka,ki deluje v stiku z robotom. Ti ukrepi lahko vkljuœujejo za-znavanje kontakta robota z okolico (œlovekom) ter zmanj -øanje mase robota (in poslediœno naletne sile). Eden od pri-stopov za poveœanje varnosti interakcije temelji na izvedbirobotskega mehanizma z mehansko podajnostjo v sklepih.Razliko med togim in podajnim robotskim mehanizmom pri-kazuje slika 14. Pri togem mehanizmu so pogoni in segmentitogo sklopljeni in ob naletu robota s œlovekom se na œlovekaprenaøa celotna gibalna koliœina sistema. Z razklopitvijovztrajnosti pogona in vztrajnosti segmenta z mehansko ela-stiœnostjo se ob trku sunek sile na œloveka zmanjøa. Varnost


interakcije je mogoœe izboljøati z majhno maso segmentovter veliko podajnostjo sklopitve med pogoni in segmenti.

Tak naœin delovanja pa ni uœinkovit v smislu natanœnostigibanja robota, saj podajnost sklepa onemogoœa sledenje ro-bota predpisani trajektoriji. Reøitev predstavlja vpeljava po-gona s spremenljivo podajnostjo oziroma togostjo, pri œemerse lastnost vzmeti med pogonom in segmentom spreminja vodvisnosti od pogojev delovanja. Pri majhni togosti oziromaveliki podajnosti je zagotovljena varna interakcija, pri velikitogosti oziroma majhni podajnosti pa se mehanizem obnaøa

89


Slika 15: Vpliv togosti sklepa na varnost interakcije robota s œlovekom;na sliki levo je prikaza odvisnost med togostjo sklepa in varnostjo

delovanja; na sliki desno je prikazana zahtevana odvisnost med hitrostjoin togostjo sklepa za zagotovitev varnosti

kot toga sklopitev med pogonom in segmentom. S tem je omo -goœeno natanœno delovanje, poveœajo pa se sile ob naletu.Relacija med togostjo sklepa in varnostjo interakcije je prika-zana na sliki 15 (levo).

Sila naleta je odvisna od gibalne koliœine robota, ta pa jeodvisna od hitrosti gibanja. Œeprav ima robot veliko maso, jegibalna koliœina pri nizkih hitrostih majhna, kar omogoœa var -no delovanje, vendar neuœinkovito v smislu hitrosti izvajanjanaloge. Varnost in uœinkovitost je mogoœe zagotoviti ob pra-vilnem vodenju robota s spremenljivo togostjo v sklepih. Kon -cept takega vodenja je prikazan na sliki 15 (desno), kjer je

HIC

Nevarno

Togost sklopitve

Hitrost segmenta

Togost sklepa

Čas trajanja giba

Varno


predstavljena relacija med togostjo sklepa in hitrostjo robota.Pri majhnih hitrostih gibanja je omogoœena velika togostsklepa in poslediœno natanœno vodenje lege robota. Pri dina-miœnih gibih z veliko hitrostjo gibanja pa se togost sklepaustrezno zmanjøa, kar tudi ob naletih s œlovekom zagotavljavarnost interakcije.

Ko naœrtujemo sodelovanje robota in œloveka, torej ni do-volj, da robot ustrezno prepoznava aktivnosti œloveka ter senanje ustrezno odziva na osnovi kognitivnih sposobnosti.Potrebno je tudi zagotoviti varnost interakcije z ustreznimnaœrtovanjem robotskega mehanizma.

2.11 Primer aplikacije

Celoten koncept interakcije med œlovekom in robotom,ki vkljuœuje vse opisane vidike, je predstavljen na sliki 16za primer motoriœne rehabilitacije bolnikov po moæganskikapi. Œlovek je predstavljen z njegovimi zaznavnimi spo-sobnostmi (œutila), motoriœnimi sposobnostmi (miøiœno-ske-letni sistem) ter kognitivnimi sposobnostmi (centralni æivœnisistem). Robot deluje v fiziœnem stiku s œlovekom z name-nom motoriœne vadbe zgornjih okonœin. Kognitivna povrat -na zanka vkljuœuje øe vizualno in zvoœno informacijo, karomogoœa izvedbo naloge za vadbo bolnika (naloga je pri-kazana na zaslonu).

Robot deloma nadomesti vlogo terapevta, zato se moraustrezno odzivati na sposobnosti (motoriœne in kognitivne)in stanje (psihofizioloøko) bolnika. V ta namen so potrebnisenzorji, ki omogoœajo ustrezne meritve.

Zgornji bloki na sliki 16 prikazujejo koncept ocenje -vanja motoriœnih sposobnosti. Za pridobivanje informacij obolniku so na voljo raznoliki senzorji, ki merijo poloæaje inhitrosti okonœine, sile interakcije z robotom, elektriœno ak -

90

MATJAÆ MIHELJ


tivnost miøic, moægansko aktivnost, spremljajo pogled bol-nika ter omogoœajo razpoznavanje govora. Œe te infor -macije poveæemo s kontekstom naloge, ki jo izvaja bolnik,lah ko doloœimo znaœilke, ki opredeljujejo motoriœno aktiv-nost, fizioloøko aktivnost ter okoljske pogoje. Na podlagivrednosti znaœilk sledi prepoznavanje aktivnosti in vede-nja, iz œesar je mogoœe razbrati ali je bolnik sam sposobenizvesti nalogo ali potrebuje pomoœ robota ter kolikøna najbo pomoœ.

Podobno kot ugotavljanje motoriœnih sposobnosti, tudiocenjevanje stanja bolnika zahteva ustrezne vhodne signale(spodnji bloki na sliki 16). Poleg æe prej omenjenih veliœin,so tu pomembne predvsem meritve fizioloøkih odzivov, kotso srœni utrip, prevodnost koæe in dihanje. S senzorno inte-gracijo in doloœitvijo znaœilk v signalih je mogoœe opredelitistanje bolnika v smislu poœutja in fizioloøkih veliœin.

Tako motoriœne sposobnosti kot stanje bolnika so po -memb ne informacije za odloœanje o naœinu interakcije ro-bota s œlovekom ter za izvedbo kognitivne povratne zanke,zato nastopajo kot vhodni signali v proces biokooperativ-nega vodenja in odloœanja. Vodenje fiziœnega kontakta ro-bota s œlovekom je izvedeno na osnovi sprotnih informacijo predvideni aktivnosti osebe in njenih motoriœnih sposob -nostih. Robot torej œloveku delno asistira pri premikanjuzgor nje okonœine glede na trenutne potrebe. V daljøem œa -sovnem obdobju pa se na podlagi analize motoriœnih spos-obnosti in stanja bolnika prilagaja celotna naloga za vadboz namenom poveœanja intenzivnosti vadbe in motivacijebolnika za sodelovanje.

Ker je motoriœna rehabilitacija dolgotrajen proces, robotpreko interakcije z bolnikom pridobiva raznolike informa-cije o bolniku. Na osnovi zbranih informacij se uœi in izpo-polnjuje lastni model bolnika, s œimer postane vadba boljspecifiœna in prilagojena na potrebe posameznika. Interak-

91



cija, analiza zbranih podatkov, interpretacija, akumulacijaznanja in predvidevanje so tako osnova za odloœanje ro-bota o najustreznejøem reæimu vadbe, ki bo za bolnika pri-nesel najveœje koristi v smislu izboljøanih motoriœnih in ko-gnitivnih funkcij.

92

MATJAÆ MIHELJ

Slika 16: Koncept interakcije med œlovekom in robotom za namen motoriœne rehabilitacije


Literatura

1. T. Bajd in I. Bratko (ur.), Robotika in umetna inteligenca, Slovenskamatica, 2014.

2. P. F. M. J. Verschure, Distributed Adaptive Control: A theory of theMind, Brain, Body Nexus, Biologically Inspired Cognitive Architectu-res, 1:55–72, 2012.

3. D. Roggen, S. Magnenat, M. Waibel, G. Troster, Wearable Compu-ting, IEEE Robotics & Automation Magazine, 18: 83–95, 2011.

4. M. Mihelj in J. Podobnik, Haptics for virtual reality and teleoperation,Springer 2012.

93



94

Poglavje 3

Biorobotske znaœilnosti œloveøke roke

Jadran Lenarœiœ*

Œeprav je veœina robotov od prvih korakov v øestdesetihletih prejønjega stoletja naprej namenjena zlasti izvajanjufunkcije manipulacije [1], se morfologija robotov ter njihovekinematiœne znaœilnosti le povrøno pribliæujejo œloveøki ro-ki (s pojmom œloveøka roka bomo v naøem delu oznaœevalizgornjo ekstremiteto pri œloveku od ramenskega sklopa dozapestja brez upoøtevanja dlani). Celo humanoidni roboti,ki jih razvijamo prav s ciljem, da bi imitirali znaœilnosti œlo-veka, øe dandanes ne premorejo niti vseh temeljnih gibalnihznaœilnosti œloveøke roke. Delno je to zaradi tega, ker je s se-danjo tehnologijo, predvsem umetnih miøic, nemogoœe izde-lati natanœne kopije œloveøke roke, delno pa zaradi tega, kerje na podroœju øtudija gibanja œloveøke roke øe mnogo nepo-znanega in neraziskanega.

Naø prispevek podaja pregled pomembnejøih raziskav gi-banja pri œloveku z biorobotskega vidika, ki smo jih izvajali vzadnjih letih na Institutu »Joæef Stefan«. Poudarek je na pre -uœevanju, øe posebej na matematiœnem modeliranju, kine-matike. Pomen teh raziskav je velik øe zlasti v humanoidni

*Institut »Joæef Stefan«, Ljubljana


robotiki in pri razvoju sposobnejøih robotskih manipulator-jev tako v industrijskih kot v neindustrijskih aplikacijah, vsajtoliko pa so ta nova spoznanja odloœilna pri globljem razu-mevanju œloveøke roke in njenih znaœilnosti v rehabilitaciji,ergonomiji in øportu in drugod.

Prvi sklop raziskav, ki jih opisujemo v tem poglavju, ob-sega øtudij dosegljivega delovnega prostora œloveøke roke. Vokviru teh raziskav smo na podlagi zahtevnih optiœnih meri-tev gibanja roke v razliœnih anatomskih ravninah razvili se-rijo preprostejøih in tudi bolj zapletenih kinematiœnih mode-lov mehanizma œloveøke roke, s katerimi je mogoœe sklepatio njenih gibalnih lastnostih. Tako, vzemimo, kinematiœnazgradba œloveøke roke zagotavlja veliko prostornino in veli -ko kompaktnost delovnega prostora pri dejanskem razmerjumed dolæino podlahtnice in nadlahtnice, œesar pa ni mo-goœe doseœi pri mehanizmih robotov, ki jih uporabljajo v in-dustriji. S kinematiœnimi modeli je mogoœe preraœunati de-lovni prostor roke tako, da je pri posamezni osebi potrebnopredhodno izmeriti le hode glavnih gibov ter dolæine seg-mentov. To omogoœa obravnavo pacientov v œasu rehabili-tacije ali øportnikov ter drugih oseb pri izvajanju razliœnihaktivnosti.

Drugi sklop raziskav smo posvetili najbolj zagonetnemudelu œloveøke roke, to je ramenskemu sklopu. Ramenski sklopobsega preko dvesto miøic in razliœne vrste povezanih skle-pov in s tem zagotavlja ustrezno gibljivost in redundanco terpotrebno nosilnost in dinamiko pri gibanju roke in prena -øanju bremen. V okviru teh raziskav smo kot podlago kine-matiœnega modela ramenskega sklopa prvi na svetu uporabiliparalelni mehanizem. Paralelni mehanizem ima v pri merjavis serijskim veliko nosilnost in odliœne dinamiœne lastnosti terizvrstno imitira prepleteno in zapleteno gibanje kljuœnice, lo-patice in nadlahtnice. Zaradi tega je lahko podlaga za razvojnapredne humanoidne robotske rame. Doslej smo izdelali le

95

BIOROBOTSKE ZNAŒILNOSTI ŒLOVEØKE ROKE


pasivne modele œloveøke rame, ki v resnici veliko obetajo, æalpa aktivnega modela doslej øe niso uspeli razviti niti drugodpo svetu.

Zadnji sklop raziskav, ki smo ga opisali, se nanaøa napreuœevanje dinamiœnih in statiœnih lastnosti roke pri opra-vljanju nekaterih delovnih opravil. Zaradi kinematiœne redun-dance, ki jo premore œloveøka roka pri veœini delovnih nalog,se lahko odliœno prilagaja razliœnim zahtevam. Pokazali smo,da lahko roka v nekih kinematiœnih konfiguracijah izvaja iz-redno natanœne premike v izbranih smereh, v drugih kinema-tiœnih konfiguracijah pa se lahko uspeøno upira veliki zunanjisili. Œloveøka roka se uœinkovito prilagaja razliœnim zahte-vam in samodejno teæi k zmanjøevanju napora pri izvajanjunalog, posebej øe, ko je potrebno dvigovati ali prenaøati ve-lika bremena. Ta spoznanja so pomembna pri na œrtovanjudelovanja humanoidnih in tudi drugih robotov ter omogoœajogloblje in øirøe razumevanje biomehanskih znaœilnosti œlo-veka.

Vsi trije sklopi raziskav, ki jih navajamo v priœujoœemdelu, so izrednega pomena v robotiki, zlasti pri razvoju hu-manoidnih robotov in pri preuœevanju œloveka in njegovegamehanskega delovanja. Navkljub temu so raziskovalni pro-blemi, ki smo jih obravnavali v naøih raziskavah æe vsaj tridesetletja, øe dandanes v velikem obsegu neraziskani. Hu-manoidna robotika in biorobotika sta iz tega razloga po-droœji mnogoterih in neizmernih razvojnih in raziskovalnihpriloænosti.

3.1 Delovni prostor œloveøke roke

Prve raziskave, ki so nas pritegnile k preuœevanju œloveøkeroke, segajo v prvo polovico osemdesetih let. Namen ome-njenih raziskav je bil sicer drug, razvijali smo namreœ meto-

96

JADRAN LENARŒIŒ


dologijo optimizacije, tako imenovane sinteze, robotskih me-hanizmov, s ciljem da bi dosegli najbolj ugoden dosegljividelovni prostor. Pri tem smo preuœevali pozicijske dele robot-skih mehanizmov s tremi stopnjami prostosti, ki so pogosti vindustrijski robotiki [2]. Med temi sta tudi antropoidni in an-tropomorfni mehanizem, ki ju navadno ne loœujejo, v naøihraziskavah pa smo pokazali pomembne razlike.

Prostornina in oblika delovnega prostora

Posebno pozornost smo posvetili primerjavi antropoid-nega in antropomorfnega mehanizma, ki imata na prvi po-gled podobno kinematiœno zgradbo, kot prikazuje slika 1.

97


Kakovost delovnega prostora smo ovrednotili z dvema mate-matiœnima kriterijema in sicer s prostornino in s kompakt-nostjo. Upoøtevanje prostornine delovnega prostora kot me-rila optimizacije mehanizma se zdi logiœno, v resnici pa tabrez vrednotenja oblike delovnega prostora nima veœjegasmisla [3]. Veliko prostornino namreœ lahko doseæemo, tudiko je delovni prostor ploøœat. Primer je delovni prostor z ob -liko lupine krogle, ki je dovolj oddaljena od srediøœa. Ploøœatdelovni prostor nima øirøe praktiœne uporabnosti. Lahko tr -

Slika 1: Antropoidni mehanizem (levo), ki ga pogosto uporabljajo pri industrijskih robotih, in antropomorfni mehanizem (desno), ki je med

industrijskimi roboti redkost zaradi teæav z nosilnostjo spodnjega sklepa


dimo, da so uporabni delovni prostori tisti z zaokroæeno pro-stornino, zaradi tega smo v svojih delih vpeljali øe dodatnomerilo, ki smo ga poimenovali kompaktnost. Kompaktnostsmo matematiœno doloœili kot razmerje med disperzijo toœkdelovnega prostora in disperzijo toœk polne krogle enakeprostornine.

Kompaktnost je merilo oblike, opredeljuje namreœ okro-glost delovnega prostora. Kakovost delovnega prostora smov naøih raziskavah matematiœno opredelili kot kombinacijoprostornine in kompaktnosti. Pri tem je pomembno, da jeobe veliœini mogoœe tudi enostavno izraœunavati med itera-tivnim doloœanjem delovnega prostora. Zadnje je pri optimi-zaciji mehanizmov pomembno, saj gre za œasovno zelo po-tratne in ponavljajoœe se numeriœne postopke.

Mehanizma smo primerjali, tako da smo spreminjali raz-merje r = lN/lP med dolæinama podlahtnice lP in nadlahtnicelN ter hode v posameznih sklepih. Pri hodih, ki so podobnihodom v primerljivih sklepih œloveøke roke, tu mislimo na

98

JADRAN LENARŒIŒ

fleksijo in ekstenzijo ramena, abdukcijo in addukcijo ramenater fleksijo in ekstenzijo komolca, samo ugotovili, da se priantropoidnem mehanizmu kompaktnost poveœuje z dalj øa -njem podlahtnice glede na nadlahtnico, to je z veœanjem

Slika 2: Sagitalni prerez delovnega prostora antropoidnega mehanizmapri najveœji prostornini (levo) in pri najveœji kompaktnosti (desno)


vrednosti r, prostornina pa se zmanjøuje. To potrjuje slika 2,ki prikazuje sagitalni prerez delovnega prostora antropoid-nega mehanizma pri vrednostih razmerja r = 0.62, ko je pro-stornina najveœja, in pri razmerju r = 1.42, ko je najveœjakompaktnost.

Nasprotno kot je to videti pri antropoidnem mehanizmu,se pri antropomorfnem mehanizmu kompaktnost in prostor-nina delovnega prostora v odvisnosti od razmerja r spremi-njata bolj usklajeno, tako da doseæeta najveœji vrednosti prirazmeroma podobnem razmerju. Slika 3 prikazuje sagitalniprerez delovnega prostora antropoidnega mehanizma privrednostih razmerja r = 1.89, ko je prostornina najveœja, inpri razmerju r = 1.52, ko je najveœja kompaktnost. V obehprimerih je nadlahtnica obœutno daljøa od podlahtnice, karspominja na dejansko razmerje pri œloveøki roki in to nav-kljub skrajno poenostavljenemu mehanizmu, s katerim smoroko aproksimirali.

99


Slika 3: Sagitalni prerez delovnega prostora antropomorfnegamehanizma pri najveœji prostornini (levo) in pri najveœji

kompaktnosti (desno)

Ta presenetljiva in hkrati pomenljiva lastnost antropo-morfnega mehanizma spodbuja in vabi k nadaljnjim raziska-vam znaœilnosti œloveøke roke in k uporabi humanoidnih ro-botskih manipulatorjev ne le v znanstvenofantastiœnih filmih,temveœ tudi v vsakdanjem æivljenju in tovarni prihodnosti.


Kinematiœni model œloveøke roke

Antropomorfni mehanizem, ki smo ga prikazali na sliki 1,zaradi svoje enostavnosti ne omogoœa obravnave nekaterihtemeljnih gibalnih znaœilnosti œloveøke roke, zato smo se vsvojih raziskavah morali posvetiti razvoju natanœnejøih kine-matiœnih modelov roke. Te smo utemeljili na øtevilnih op-tiœnih meritvah v razliœnih anatomskih ravninah roke [4].Prve meritve segajo v zaœetek devetdesetih let, enega od naj-bolj znaœilnih rezultatov pa prikazuje slika 4.

100

JADRAN LENARŒIŒ

Slika 4: Prikaz gibanja nadlahtnice œloveøke roke pri fleksiji in ekstenziji(levo) ter pri abdukciji in addukciji (desno)

Na levi strani slike 4 je prikazan gib fleksije in ekstenzijeroke, na desni pa abdukcije in addukcije. Debelejøi œrti pri-kazujeta potek gibanja komolca, konkretno toœke epicondy-lus lateralis na nadlahtnici (veœji lok), in potek gibanja vrharamena, konkretno toœke acromion na lopatici ob stiku skljuœnico (manjøi lok). Loka, izrisana s tanjøo œrto, podajatapotek dveh vmesnih markerjev, pritrjenih na koæo lateralnonad nadlahtnico. Vzdolæne œrte pa povezujejo vse øtiri mar-kerje v izbranem œasovnem trenutku. Ker je gibanje marker-jev pri izbranih gibih preteæno ravninsko, smo jih projiciralina sagitalno ravnino pri fleksiji in ekstenziji ter na frontalnoravnino pri abdukciji in addukciji. Tako smo lahko izraœunali


tudi potek srediøœa vrtenja, ki se nanaøa na gibanje epicondi-lusa, krivulji sta prikazani s pikœasto œrto.

Z matematiœno analizo gibanja, ki ga ponazarjajo tirnicemarkerjev na sliki 4, smo ugotovili, da je preteæni del gibanjapri fleksiji in ekstenziji kombinacija rotacije, pravokotne na sa-gitalno ravnino, in vodoravne translacije, pri abdukciji in ad-dukciji pa kombinacija rotacije, pravokotne na frontalno rav-nino, in navpiœne translacije. Oboje je mogoœe kinematiœnoponazoriti z dvema ekscentriœnima rotacijskima sklepoma, kista pri fleksiji in ekstenziji medsebojno pravokotna, pri abduk-

101


Slika 5: Kinematiœna zgradba leve œloveøke roke brez upoøtevanjakrœenja ramena (levo) in z vkljuœenim krœenjem ter supinacijo in

pronacijo komolca (desno)

ciji in adduciji pa vzporedna. To dokazuje, da je gibanje ra-menskega sklopa mogoœe modelirati z dvema ekscentriœnimasklepoma. Poimenovali smo ju notranji ramenski sklep, kivkljuœuje gibalne znaœilnosti sternoklavikularnega in skapulo-torakalnega sklepa, ter zunanji ramenski sklep, ki uprizarja gi-banje glenohumeralnega sklepa. Slednjemu je potrebno dodatitudi rotacijo vzdolæ nadlahtnice. S tem smo ramenski sklopdokaj dobro kinematiœno obdelali, manjka samo øe krœenjeramena, ki pa ga z omenjenimi meritvami ni bilo mogoœe ka-kovostno opredeliti, œeprav smo ga kvalitativno zaznali indeloma tudi ovrednotili. Na sliki 5 (levo) je tako prikazana


kinematiœna zgradba œloveøke roke, pri kateri nismo upoøte-vali krœenja rame ter supinacije in pronacije komolca, ki pazaradi tega, ker leæi v osi podlahtnice, ne vpliva na prostor-sko pozicioniranje zapestja (vrha podlahtnice).

Nadaljnji problem, ki raziskovalcem moœno greni veseljepri doloœanju kinematike œloveøke roke, se nanaøa na sood-visnost med koordinatami ter njihovimi omejitvami, ki so za-jete v mehanizmu na sliki 5. V prvem pribliæku smo te odvis-nosti opazovali le v glavnih anatomskih ravninah, torej vsagitalni in frontalni ravnini. Pri tem smo privzeli, da sta flek-sija in ekstenzija komolca neodvisni, enako smo privzeli tudiza rotacijo vzdolæ nadlahtnice, soodvisnost pa smo upoøte-vali pri abdukciji in addukciji v notranjem in zunanjem ra-menskem sklepu ter pri fleksiji in ekstenziji v notranjem inzunanjem ramenskem sklepu. Na podlagi serije optiœnih me-ritev pri razliœnih pogojih gibanja smo omejitve in dosegezunanjega ramenskega sklepa formulirali kot linearne in kva-dratiœne funkcije vrednosti koordinat notranjega ramenskegasklepa, medtem ko smo dosege koordinat notranjega ramen-skega sklepa privzeli kot konstante.

Kot parametre v teh enaœbah smo uporabili izmerjene do-sege posameznih koordinat v frontalni in sagitalni ravnini privsakem posamezniku, kar pomeni, da na ta naœin dejanskozajamemo njegove kinematiœne posebnosti. Kinematiœni mo -del œloveøke roke, ki temelji na mehanizmu, predstavljenemna sliki 5 in ki upoøteva tudi soodvisnosti ter izmerjeni dosegkoordinat pri posamezniku, omogoœa izraœun dosegljivegadelovnega prostora posamezne osebe. Tako natanœnega pri-kaza dosegljivosti œloveøke roke do objave naøih raziskav øeni bilo. In kasneje tudi ne.

Velja øe omeniti, da je meritev dosegljivega delovnegaprostora œloveøke roke vsaj toliko ali celo øe bolj zahtevna kotrazvoj kinematiœnega modela, ki omogoœa njegov izra œun. Vokviru svojih raziskav smo razvili mehansko aparaturo za

102

JADRAN LENARŒIŒ


meritev dosegljivosti œloveøke roke. Slika 6 prikazuje dose-gljivi delovni prostor leve œloveøke roke (pogled z desne), kismo ga izraœunali z opisanim kinematiœnim modelom, ter iz-merjeni delovni prostor iste osebe. Pri izraœunu smo upoøte-vali tudi moæne trke roke s telesom in glavo, ki smo ju geo-metriœno opisali z valjem in kroglo ustrezne velikosti. Nasliki je viden zapleten zadnji del delovnega prostora in vot-lina, v kateri je telo. Prekrivanje med izraœunanim in izmer-jenim delovnim prostorom je presenetljivo dobro.

103


Slika 6: Grafiœni prikaz dosegljivega delovnega prostora leve œloveøkeroke. Leva slika podaja izraœunani delovni prostor, desna pa izmerjeni

delovni prostor iste osebe

Pomanjkljivosti kinematiœnega modela, ki smo ga upora-bili, so predvsem v tem, da ne vkljuœuje krœenja ramenskegasklopa in da so soodvisnosti med koordinatami v modelu innjihovimi dosegi utemeljene le na meritvah v frontalni in sa-gitalni ravnini.

Naøe nadaljnje raziskave smo posvetili prav cilju, da bi iz-raœunali œim bolj natanœen model dosegljivosti œloveøke roke,ki bo omogoœal ocenjevanje funkcionalnosti roke pri rehabili-taciji pacientov z razliœnimi, tudi hudimi, poøkodbami ramen-skega obroœa. Svoje øtudije smo utemeljili na matematiœnemumodelu kinematike, ki je prikazan desno na sliki 5, podrob-neje pa je kinematiœna analiza roke opisana v œlanku [5].


Pri tem modelu smo privzeli, da so selektivni premiki no-tranjega ramenskega sklepa, ki ponazarja funkcijo ramen-skega obroœa, odvisni od premikov zunanjega ramenskegasklepa, ki ponazarja funkcijo glenohumeralnega sklepa. Me-ritve depresije in elevacije, retrakcije in protrakcije notra-njega ramenskega sklepa ter krœenja in raztezanja ramenasmo izvedli v odvisnosti od lege podlahtnice v sagitalni infrontalni ravnini in v ravninah med njima in to pri veœ æen-skih in moøkih osebah. Na osnovi mnoæice zelo kompleks-nih optiœnih meritev smo izpeljali matematiœne izraze, ki do-loœajo odvisnost posameznih gibov in dosegov posameznihkoordinat notranjega ramenskega sklepa ter velikost ramenaod absolutnega naklona nadlahtnice.

104

JADRAN LENARŒIŒ

Slika 7: Relativna razdalja med notranjim in zunanjim ramenskimsklepom v odvisnosti od unilateralne elevacije nadlahtnice (levo) in

bilateralne elevacije nadlahtnice (desno)

Na sliki 7 je prikazan primer krœenja in raztezanja ramen-skega sklopa v odvisnosti od elevacije nadlahtnice. Razdaljamed notranjim in zunanjim ramenskim sklepom je podanakot razmerje med trenutno in zaœetno dolæino, elevacija paje podana v stopinjah. Leva slika prikazuje odvisnost razda-lje med sklepoma, ko se dviguje le ena roka, desna slika pa,ko se dvigujeta obe roki hkrati. Obœutne kvalitativne razlike


med meritvama ni videti, lahko pa ugotovimo, da se ramaskrœi celo na 60% prvotne velikosti, kar bistveno vpliva nadelovanje œloveøke roke pri izogibanju telesu, nosilnosti inna mnoge druge funkcionalnosti.

Uporabnost predlaganega kinematiœnega modela je velikapri doloœanju dosegljivega delovnega prostora pri pacientih spatologijo ramenskega sklopa. Kot pomoœ smo razvili raœunal-niøki program s prijaznim grafiœnim vmesnikom, ki zajema ki-nematiœni model roke ter omogoœa ocenjevanje pacientov inprimerjavo v razliœnih stadijih zdravljenja. Primer zamrznjenerame prikazuje slika 8. Na levi je podana dosegljivost rokepred rehabilitacijo, desno pa po njej. Poleg grafiœnega prikazalahko z modelom preraœunavamo in vred notimo posameznegeometriœne znaœilnosti delovnega prostora, ki pomagajo takopacientu kot terapevtu med rehabilitacijo.

105


Slika 8: Grafiœni prikaz dosegljivega delovnega prostora pri pacientu z zamrznjeno ramo pred terapijo (levo) in po terapiji (desno)

3.2 Humanoidni ramenski sklop

Ramenski sklop je mehansko najbolj zapleten del œloveø -kega telesa, vsebuje okrog dvesto petdeset miøic, ki povezu-jejo lopatico, kljuœnico in nadlahtnico v mehanizem, ki tvorinekakøno hibridno strukturo miøiœja in kosti. Ramenski sklop


ima dve glavni funkciji, da vpenja roko ob telo, za kar je po-trebna velika nosilnost, ter izogibanje roke telesu (in glavi). Øte -vilo prostostnih stopenj je brez poenostavljanja izredno teækooprediliti, saj so miøice vpete preko veœ sklepov, posebej pa tovelja za lopatico, ki ob telo ni pripeta s standardnim sklepom,temveœ je objeta v snopu hrbtnih miøic. Kljub temu predstavljakljuœno oporo roki in ji daje primerno proænost pri gibanju.

Œloveøko ramo smo v svojih delih modelirali tako, kot pri-kazuje slika 9, kjer smo vsakemu izmed sklepov med ramen-skimi kostmi ter med kostmi in telesom priredili najbolj osno-vne premike v sternoklavikularnem sklepu S, ki vsebuje dvepravokotni rotaciji, v akromioklavikularnem sklepu A, ki kot

106

JADRAN LENARŒIŒ

Slika 9: Osnovne anatomske stopnje prostosti ramenskega sklopa leve roke pri œloveku, prikazane s translacijami, rotacijami in

s sferiœnimi sklepi

sferiœni sklep zajema tri pravokotne rotacije, ter v skapulotora-kalnem sklepu T, ki zajema dve nelinearni translaciji in rota-cijo. Slednji je najteæje opredeljiv in bi mu mogli dodati øe ro-tacijo ali translacijo. Sklepi S, A in T tvorijo tako imenovaninotranji ramenski sklep, ki smo ga kinematiœno opredelili æe vprejønjem poglavju. Glenohumeralni sklep G je sferiœen in za-torej vkljuœuje tri pravokotne rotacije. Ta pa predstavlja takoimenovani zunanji ramenski sklep.


Ramenski sklop je v naøem modelu torej prepletena kom -binacija notranjega in zunanjega ramenskega sklepa. Pritem ne gre pozabiti, da je njuno premikanje soodvisno. Pridandanaønjih humanoidnih robotih se pri modeliranju ra -me uporablja le zunanji ramenski sklep z nekoliko veœjimdosegom, kot je v resnici, saj pokriva tako doseg zunanjegakot notranjega ramenskega sklepa. Prepriœani pa smo, karsmo nedvomno dokazali z naøimi raziskavami, da so glav -ne gibalne znaœilnosti œloveøke rame rezultat delovanjanot ranjega in zunanjega ramenskega sklepa in njune dislo-kacije [6].

Ramenski sklop, kot ga prikazuje slika 9, je hibridni me-hanizem. Tvorita ga paralelni del, to je notranji ramenski sklep(S, A, T), na katerega ploøœad pa je serijsko pritrjen øe zuna-nji ramenski sklep G. Øtevila stopenj prostosti takega sistema

107


Slika 10: Serijski kinematiœni model œloveøke rame, ki povzema lastnostimehanizma na sliki 9; pri tem je translacijska koordinata odvisna od

vrednosti ostalih koordinat mehanizma

ni teæko izraœunati. Z uporabo Grüblerjeve formule dobimo,da ima notranji ramenski sklep tri stopnje prostosti, enakokot zunanji, skupaj torej øest stopenj prostosti. Z vidika funk-cionalnosti je notranji ramenski sklep nekoliko bolj kompli-ciran, saj se ploøœad, na katero je pritrjen sklep G, odklanja


v dveh pravokotnih ravninah, se vrti okoli vzdol æne osi terse v smeri vzdolæne osi tudi krœi ali razteguje. Dejansko po-trebujemo za realizacijo takønega gibanja øtiri stopnje pro-stosti, tri rotacije in eno translacijo, ki pa so medsebojno od-visne.

V svojem delu [7] smo omenjene gibalne znaœilnostiopisali s kinematiœnim modelom, kot ga prikazuje slika 10.Mo del vkljuœuje dva dislocirana sferiœna sklepa, ki imatapo tri pravokotne rotacije in se nanaøata na notranji in nazunanji ramenski sklep, in translacijo med telesom in no-tranjim sferiœnim sklepom. Koordinata translacije omogoœakrœenje ali raztezanje ramenskega sklopa, kot je to pri œlo-veøki roki, in ni neodvisna, paœ pa se spreminja v odvisnostiod odklona notranjega ramenskega sklepa.

108

JADRAN LENARŒIŒ

V nadaljnih raziskavah, o katerih smo poroœali v svojihdelih [6,7], smo namesto serijskega mehanizma notranjegaramenskega sklepa, kot ga podaja slika 10, uporabili para-lelni mehanizem.

Prednosti paralelnega mehanizma pred serijskim so mno-gotere, øe zlasti z vidika nosilnosti, dinamike in mehanske

Slika 11: Paralelni mehanizem na mestu notranjega ramenskega sklepa


konstrukcije. Serijskega mehanizma na mestu notranjegasklepa, ki bi imel podobne lastnosti kot œloveøka rama in bizasedal podoben prostor, s sedanjo tehnologijo niti ni mo-goœe realizirati, zato je paralelni mehanizem v resnici edinarealna moænost. Tako kot shematiœno prikazuje slika 11, smov ta namen uporabili standardni sferiœni paralelni mehani-zem. Delovanje tega humanoidnega mehanizma prikazujetasliki 12 in 13. Na sliki 12 je prikazan premik v frontalni rav-nini glede na analogni premik œloveøkega ramena. Podanista addukcija in abdukcija.

109


Slika 12: Znaœilni legi pri addukciji in abdukciji humanoidnegamehanizma v primerjavi z analognim premikom œloveøkega ramena

v frontalni ravnini

Slika 13 prikazuje premik humanoidnega mehanizma vsagitalni ravnini pri izvajanju fleksije in ekstenzije v primer-javi z analognim premikom œloveøkega ramena. Na sliki jedobro videti tudi zaœetni zasuk humanoidnega mehanizmaokoli glavne osi (medialno-lateralno), ki smo ga vpeljali zato,da bi se ognili kinematiœni singularnosti. Tak mehanizem jenamreœ v singularni legi, ko se ravnine, ki jih tvorijo linije


stranskih nog z linijo srednje noge, sekajo v isti premici. Vdelu [6] smo zato predlagali zaœetni zasuk mehanizma za 60stopinj, ki omogoœa, da v delovnem prostoru mehanizma nisingularnih konfiguracij, ki so pri gibanju paralelnih mehan-izmov ekstremno problematiœne in veœinoma usodne.

110

JADRAN LENARŒIŒ

Slika 13: Znaœilni legi pri fleksiji in ekstenziji humanoidnega mehanizmav primerjavi z analognim premikom œloveøkega ramena v sagitalni

ravnini

Na ameriøki Univerzi Notre Dame so izdelali mehanskimodel naøega humanoidnega ramenskega mehanizma, ki gaprikazuje slika 14. Nosilnost in dinamika takønega mehan-izma sta izredno ugodni, prav tako je ustrezen tudi delovni

Slika 14: Pasivni mehanski model humanoidnega ramenskega sklopa


prostor. Elektriœni motorji, ki jih ta model ne vkljuœuje, bi bilipritrjeni pod spodnjo ploøœadjo in bi pri gibanju mehanizmaskorajda mirovali, torej ne bi vplivali na njegovo nosilnost indinamiko. Prenos je izveden preko vijaœnega vretena, takoda se zasuk motorja pretvori neposredno v dolæino noge.

3.3 Optimizacija gibanja pri œloveku

Zadnji sklop raziskav, ki so opisane v tem poglavju, smopriœeli izvajati v prvi polovici devetdesetih let. Nanaøajo sena preuœevanje gibanja roke z namenom, da bi izboljøali ka-kovost izvajanja razliœnih nalog. Pri tem smo analiziralipredvsem opravila, pri katerih se mora roka upirati veœji zu-nanji sili. Rezultati teh raziskav prispevajo h globljemu razu-mevanju biomehanskih znaœilnosti œloveka ter k razvojuuspeønejøih humanoidnih robotov.

Uporabniki programirajo naloge robotskih manipulator-jev tako, kot œe bi ti ne imeli mehanskih omejitev. Œe jih æeupoøtevajo, potem je to na skrajno poenostavljen naœin, kotje najveœja dovoljena hitrost ali najveœje dovoljeno breme.Pogosto se programerji robotov ne zavedajo bliæine kinema-tiœnih singularnosti mehanizma in usodnih uœinkov, ki jih teimajo na njihovo delovanje.

Kinematiœne singularnosti robotov so kompleksno, ven-dar dokaj dobro raziskano podroœje. Singularnosti serijskihrobotov so raziskovali najbolj v drugi polovici osemdesetihin v devetdesetih letih. Motivacija je bila predvsem v tem,ker se serijski roboti v kinematiœni singularnosti ne gibljejo vskladu s priœakovanji, ko se pri omejeni hitrosti v zunanjihkoordinatah priœnejo hitrosti notranjih koordinat pospeøevatiproti neskonœnosti. Zaradi omejitev v motorjih zaœne v tak -ønih situacijah robota zanaøati iz predvidene trajektorije inlahko pride do hudih udarcev in poøkodb. Dolga leta je za-

111



radi tega veljalo, da se je potrebno pri programiranju robotovizogibati kinematiœnim singularnostim. Raziskovalci so celorazvijali takøne robotske mehanizme, ki niso imeli kinema-tiœih singularnosti znotraj delovnega prostora [8].

V svojem delu [9] pa smo pokazali, da imajo lahko singu-larne lege robota tako slabosti kot prednosti. Medtem ko so vkinematiœni singularnosti teæave vezane predvsem na obno-rele hitrosti v notranjih koordinatah, so z vidika prenaøanjabremen oziroma upiranja zunanjim silam prav singularne legenajbolj ugodne. Teoretiœno se neskonœna zunanja sila, ki de-luje na prijemalo, v singularni legi prenese v niœelni navormotorjev, ki zaradi tega ne obœutijo nikakrønega bremena.To du alnost je videti tudi matematiœno, saj hitrosti notranjih inzunanjih koordinat povezuje Jacobijeva matrika, medtem koje transponirana Jacobijeva matrika povezava med zunanjosilo, ki deluje na prijemalo, in navori v sklepih.

Eden od naœinov obravnave in prikaza znaœilnosti robot-skega mehanizma, ki se nanaøa na odnos med hitrostmi v no-tranjih in zunanjih koordinatah ter na odnos med zunanjosilo in navori v sklepih, je manipulabilnost ali hitrostni elip-soid. Vzemimo, da okoli dane lege mehanizma tega za ma-lenkost premaknemo v poljubni smeri, tako da je inkrement vnotranjih koordinatah omejen znotraj krogle v prostoru notra-njih koordinat. Zlahka dokaæemo, da se ta krogla transformirav elipsoid v prostoru zunanjih koordinat, to je tako imenovanimanipulabilnostni elipsoid. Praktiœni pomen manipulabil-nostnega elipsoida je, da enako velikim ter razliœno usmerje-nim premikom v notranjih koordinatah pripadajo razliœnousmerjeni in tudi razliœno veliki premiki v zunanjih koordina-tah. Najveœji premik v zunanjih koordinatah je v smeri daljøeglavne osi elipsoida in najmanjøi v smeri krajøe glavne osielipsoida. Vsi premiki znotraj krogle v notranjih koordinatahse preslikajo v notranjost manipulabilnostnega elipsoida v zu-nanjih koordinatah.

112

JADRAN LENARŒIŒ


Ti elipsoidi so razliœni od mehanizma do mehanizmaglede na kinematiœno zgradbo ter preko delovnega prostora,lahko pa se spreminjajo tudi pri istem mehanizmu v isti toœkidelovnega prostora, œe lahko spreminjamo konfiguracijo (karje mogoœe pri kinematiœno redundantnih mehanizmih). Slika15 prikazuje tak mehanizem v treh razliœnih konfiguracijahter tem pripadajoœe manipulabilnostne elipsoide. Vidimo, daje v eni konfiguraciji manipulabilnostni elipsoid povsem okro -gel, v drugi pa povsem ploøœat.

113


Slika 15: Manipulabilnostni elipsoid, ki se spreminja glede nakonfiguracijo mehanizma od okroglega do ploøœatega

Manipulabilnostni elipsoid prikazuje, v katero smer se ro -bot lahko premika hitreje in v katero poœasneje. Œe je manipu-labilnostni elipsoid okrogel, lahko robot dosega enako hitrostv vse smeri, œe pa je ploøœat, je hitrost v smeri krajøe osi elip-soida manjøa. Ko je elipsoid povsem ploøœat, pomeni, da v do-loœeni smeri robot ne more izvesti premika. To je kinematiœnasingularnost, v njej robot deluje, kot da bi izgubil stopnjo pro-stosti, Jacobijeva matrika pa je singularna. Takim legam se zvidika premikanja robota æelimo izogibati, saj je gibanje ro-bota omejeno. Pojavljajo se tako na robu kot znotraj delov-nega prostora, odvisno od njegove kinematiœne zgradbe.

V svojem delu [9] smo pokazali, da imajo ploøœati elip-soidi tudi svojo sreœno plat. Videti je mogoœe, da se zunanja


sila, ki deluje na vrh robota v smeri osi elipsoida, kateredolæina je niœ, preslika v niœelne navore v sklepih. Robotlahko v tej smeri teoretiœno prenaøa neskonœno breme (œe nepride do mehanske poruøitve). V situacijah, ko æelimo, da birobot prenaøal velika bremena (seveda z majhnimi hitrost -mi), je bolj ugodno, da so manipulabilnostni elipsoidi œimbolj ploøœati. Kinematiœna singularnost pri serijskih mehaniz-mih torej ni le teæava, temveœ jo lahko vidimo tudi kot pred-nost. Œe si æelimo unimorfnega gibanja z enako hitrostjo v

114

JADRAN LENARŒIŒ

Slika 16: Trajektorija (œrtkano) vrha 2R ravninskega robota, ki se nanaøana dvigovanje bremena od spodnje povsem iztegnjene lege v zgornjo

povsem iztegnjeno lego pri najmanjøih navorih v sklepih

vse smeri, potem nas zanimajo konfiguracije, ko so manipu-labilnostni elipsoidi okrogli. Ko na robota deluje veœja zuna-nja sila, se bo robot bolj upiral, œe bodo manipulabilnostielipsoidi v smeri delovanja sile œim bolj ploøœati.

Raziskave, ki smo jih izvedli, so pokazale, da si æiva bit japri svojem gibanju moœno pomagajo s kinematiœnimi singu-


larnostmi. Prav nasprotno od tega, kar je bilo v robotiki sploø -no prepriœanje, da se je potrebno kinematiœnim singularno-stim izogibati. Vzemimo preprost primer ravninskega robota zdvema rotacijskima stopnjama (2R) prostosti na sliki 16. Na-loga robota je dvigniti breme iz lege, ko je robot povsem izte-gnjen navzdol, do lege, ko je povsem iztegnjen navzgor. Potiod zaœetne do konœne lege je neskonœno mn go, izberimo patisto, pri kateri je vsota kvadratov navorov v sklepih mininalna.

Optimalno trajektorijo robota lahko izraœunamo z me-todo prioritete nalog, kjer je primarna naloga dvig robota,sekundarna pa minimizacija navorov v sklepih. Pri tem ro-botu nastopi kinematiœna singularnost, ko se spodnji in zgor -nji segment prekrivata (ko je torej kot med njima 0 ali 180stopinj). Pri gibanju z optimizacijo navorov v sklepih se ro -bot pomika, tako da se iz zaœetne lege, ki je singularna, po-makne v notranjo singularnost, v kateri se zavrti okoli pr -vega sklepa in nato dvigne v zgornjo singularno lego. Robotse premika iz singularnosti v singularnost in tako zmanjøujenavore v sklepih.

Œe opazujemo gibanje œloveka pri dvigovanju uteæi v sagi-talni ravnini, prepoznamo veliko podobnost z gibanjem 2Rmehanizma na sliki 16. Podobnosti smo prepoznali tudi pridrugih nalogah, ki jih izvaja œlovek, ko na njegovo roko delujesila. Primer je lokostrelec, ki napenja lok. Na podlagi navede-nega moremo zakljuœiti, da je naœin gibanja pri œloveku tak,da minimizira napor v sploønejøem smislu. V primerih dvigo-valca uteæi ali lokostrelca ima kljuœno vlogo minimizacija na-vorov v sklepih, ker gre preteæno za statiœno zunanjo silo, kideluje na mehanizem. Bolj kompleksni so lahko primeri, kjerje potrebno upoøtevati tudi dinamiko gibanja roke in bremena,vendar se princip minimizacije napora v svojem bistvu ohra-nja.

Na koncu prikaæimo øe manipulabilnostna elipsoida œlo-veøke roke, ko je dlan v bliæini ramena. Prikazuje ju slika 17.

115



Œe je komolec ob telesu, je manipulabilnostni elipsoid ploøœatv vodoravni smeri. Dlan se takrat lahko upira veœji navpiœnizunanji sili, œlovek lahko v tej legi prenaøa veœjo uteæ. Ko jekomolec odmaknjen od telesa za 90 stopinj, postane manipu-labilnostni elipsoid okrogel, kar pomeni, da lahko z dlanjo iz-vajamo enake hitrosti v vse smeri. Takøna lega je primernejøa,vzemimo, pri risanju ali umivanju obraza. Oboje lahko opa-zujemo v vsakdanjem æivljenju.

116

JADRAN LENARŒIŒ

Slika 17: Ploøœat in okrogel manipulabilnostni elipsoid pri œloveøki roki,ko je dlan v bliæini ramena, to je v bliæini srediøœa delovnega prostora.Obliko elipsoida lahko spreminjamo s spreminjanjem lege komolca.

3.4 Zakljuœek

V prispevku smo podali pregled nekaterih pomembnejøihraziskav gibanja pri œloveku z biorobotskega vidika. Pouda-rek je na preuœevanju kinematiœnih in statiœnih znaœilnostiroke. Prvi sklop raziskav obsega øtudij dosegljivega delov-nega prostora œloveøke roke in razvoj kinematiœnega mo-dela, ki najbolj ponazarja dosegljivost roke. Najveœja teæavaje doloœiti soodvisnosti notranjih koordinat in zgornjih terspodnjih mej v razliœnih anatomskih ravninah. Drugi sklopraziskav vkljuœuje kinematiœni model œloveøke rame s para-


lelnim mehanizmom. Paralelni mehanizem, ki ima velikonosilnost in odliœno dinamiko v primerjavi s serijskim me-hanizmom, omogoœa roki, da se izogiba trkom s telesom terzaradi tega kljuœno poveœuje delovni prostor. Parelelni me-hanizem je osnova za razvoj napredne humanoidne robot-ske rame. Zadnji sklop raziskav, ki so opisane v tem delu, senanaøa na preuœevanje gibanja roke z vidika zmanjøevanjanapora pri opravljanju razliœnih opravil, pri katerih je trebaizvajati zelo natanœne gibe ali pa gibe, ki omogoœajo mani-pulacijo velike zunanje sile. Omenjene raziskave prispevajok razvoju sodobnih humanoidnih robotov in globljemu razu-mevanju biomehanskih znaœilnosti œloveka.

Literatura

1. Bruno Siciliano, Oussama Khatib (ur.). Handbook of Robotics. Sprin-ger, 2008.

2. Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani. Giuseppe Oriolo,Robotics (Modelling, Planning and Control). Springer, 2009.

3. Jadran Lenarœiœ, Bojan Nemec, Uroø Staniœ, Pavel Oblak. Some kine-matic considerations for the design of robot manipulators. Roboticsand Computer-Integrated Manufacturing, 5:235–241, 1989.

4. Jadran Lenarœiœ, Andreja Umek. Simple model of human arm reacha-ble workspace. IEEE Trans. on Systems, Man and Cybernetics,24:1239–1246, 1994.

5. Nives Klopœar, Jadran Lenarœiœ. Kinematic model for determination ofhuman arm reachable workspace. Meccanica, 40:203–219, 2005.

6. Jadran Lenarœiœ, Michael M. Stanisic, Vincenzo Parenti-Castelli. Kine-matic design of a humanoid robotic shoulder. V Proceedings of the2000 IEEE ICRA, San Francisco, CA, 27–32, 2000.

7. Jadran Lenarœiœ, Michael M. Stanisic. A humanoid shoulder complexand humeral pointing kinematics. IEEE Transaction on Robotics andAutomation, 19:499–507, 2003.

117



8. Michael M. Stanisic, Oprea Duta. Symmectrically actuated doublepointing systems: the basis of singularity-free robot wrist. IEEE Tran-sactions on Robotics and Automation, 5:562–569, 1990.

9. Jon Kieffer, Jadran Lenarœiœ. On the exploitation of mechanical ad-vantage near robot singularities. Informatics, 18:315–323, 1994.

118

JADRAN LENARŒIŒ


119

Poglavje 4

Bipedalna hoja in ravnoteæje

Zlatko Matjaœiå, Matjaæ Zadravec, Andrej Olenøek*

Primarni cilj gibanja œloveka, æivali ali pa hodeœega robotaje premik telesa oziroma premik teæiøœa telesa z ene na drugolokacijo. Sekundarni cilj pa zadeva dinamiœno vzdræe vanjeravnoteæja. Razumevanje vzdræevanja ravnoteæja med hojo priœloveku je pomembno za razvoj novih terapevtskih pristo-pov v rehabilitaciji, za sintezo vodenja hodeœih robotov terkooperativno vodenje eksoskeletnih mehanizmov. Obeh zgo-raj navedenih ciljev ne moremo enostavno loœiti. Dinamiœnovzdræevanje ravnoteæja je imanenten del same hoje. Zlasti po-membno je dinamiœno vzdræevanje ravnoteæja pri bipedalnihorganizmih, kot je œlovek, oziroma pri robotskih humanoidnihmehanizmih. V obeh primerih se teæiøœe telesa oziroma strojanahaja razmeroma visoko nad relativno majh no podpornoploskvijo, ki se skozi cikel gibanja tudi dinamiœno spreminja.

V zadnjih desetletjih so raziskovalci naredili velik korak na-prej tako na podroœju razumevanja biomehanskih in nevrofi-zioloøkih mehanizmov hoje pri œloveku kakor tudi na podroœjusinteze vodenja bipedalnih robotov. Primerjave me hanizmovvzdræevanja ravnoteæja med stojo in hojo so pokazale na neka-tere skupne toœke, ki izhajajo iz najenostavnejøega biomehan-

*Univerzitetni rehabilitacijski inøtitut Republike Slovenije - Soœa


skega modela stoje in hoje, ki ga pred stav lja invertirano nihalo[1]. Œeprav je model invertiranega nihala zaradi enostavnostiin velike skladnosti z eksperimentalnimi ugotovitvami vzdræe -vanja ravnoteæja med stojo in hojo zelo pomembno orodje, paje hkrati tudi fundamentalno nepopoln, saj razmeroma dobropojasni le gibanje teæiøœa, ki je tesno povezano z gibalno ko-liœino organizma oziroma mehanizma, ne omogoœa pa vpo-gleda v mehani zme vodenja posameznih segmentov [2]. Zace lovito obravnavo tako bipedalne stoje kot tudi hoje je zatopotrebno modele analize in sinteze vodenja veœsegmentnih or-ganizmov in mehanizmov razøiriti tudi na obravnavo rotacij-skega gibanja segmentov, kar zahteva vpeljavo obravnave vr -tilne koliœine [3]. Zlasti je to potrebno storiti pri naœrtovanjuvodenja bipedalnih robotov, kjer moramo v realnem œasu do-loœevati navore motorjev v vseh prostostnih stopnjah mehan-izma [4, 5, 6].

Pomemben vpogled v delovanje sistema vodenja vzdræe -vanja ravnoteæja pri œloveku predstavljajo eksperimentalneøtudije odzivov na delovanje motilnih sunkov. Obstajajo raz -liœni naœini izvedbe motilnih sunkov od translacijskega in/alirotacijskega gibanja stojne podlage do aplikacije mehanskihsunkov v razliœnih smereh in na razliœnih delih telesa, vsempa je skupno, da s svojim delovanjem navadno v kratkem œasuvzpostavijo moœno spremenjene dinamiœne razmere med te -æiøœem telesa in vsakokratno oporno podlago, ki zahtevajoakti ven odziv œloveka. Zato so tovrstne eksperimentalne øtu-dije pomembno orodje, ki omogoœa vpogled v mehanizmevzdræevanja dinamiœnega ravnoteæja med stojo in hojo priœloveku. Omenjene øtudije so veœinoma posveœene øtudiju di-namiœnega vzdræevanja ravnoteæja med stojo, relativno malopa je do sedaj bilo øtudij dinamiœnega vzdræevanja ravnoteæjamed hojo [7, 8].

V tem poglavju bomo najprej predstavili planarni tri-segmentni model stoje, kjer je vodenje mehanizma zasno-

120

ZLATKO MATJAŒIÅ, MATJAÆ ZADRAVEC, ANDREJ OLENØEK


vano na regulaciji tako gibalne koliœine celotnega mehan-izma (gibanje teæiøœa) kot tudi na regulaciji vrtilne koliœinecelotnega mehanizma (rotacijsko gibanje vseh treh seg-mentov mehanizma). S tem modelom bomo predstavili vsepomembne biomehanske vidike vzdræevanja dinamiœnegaravnoteæja, ki so sploøni in tako primerni tudi za razume-vanje izzivov vzdr æevanja dinamiœnega ravnoteæja medhojo. Nato bomo pred stavili haptiœni robot, ki je v tesnemstiku z medenico hodeœe osebe in omogoœa aplikacijo mo-tilnih mehanskih sunkov na pribliæni viøini teæiøœa medhojo. Glavni prispevek poglavja pa je v zadnjem delu, kjeropisujemo dinamiœne odzive œloveka na delovanje motil-nih sunkov v øtirih razliœnih smereh med hojo po tekoœemtraku.

4.1 Osnovni pojmi, definicije in biomehanski modelvzdræevanja ravnoteæja med stojo

V zvezi z dinamiœnim vzdræevanjem ravnoteæja lahko vliteraturi zasledimo razliœne termine [1]. Avtorji navajajo takoposturalne odzive (angleøko »postural responses«), ki se na-naøajo na spremembe orientacij posameznih segmentov re-lativno glede na vektor gravitacijskega pospeøka, kakor tudiravnoteæne odzive (angleøko »balance responses«), ki se na-naøajo na dinamiko spreminjanja dræe telesa z namenom pre -preœitve padca. V sploønem pa je teæko opredeliti oziromanatanœno definirati pojem stabilnosti med bipedalno stojo inhojo. Morda je v inæenirskem smislu øe najbliæje energijskividik definicije stabilnosti gibanja mehanskega oziroma bio-mehanskega sistema, kjer je fluktuacija celotne mehanskeener gije biomehanskega sistema omejena.

Najenostavnejøi primer stabilnega stanja telesa ter s sta-bilnostjo povezanih pojmov lahko predstavimo s kvadrom,

121

BIPEDALNA HOJA IN RAVNOTEÆJE


ki leæi na ravni podlagi (slika 1). Kvader ima maso, ki je ho-mogeno razporejena in zato skoncentrirana v geometrijskemsrediøœu telesa, na katero deluje sila teænosti (mg). Teæiøœetelesa (angleøko »centre of mass – CoM«) je toœka (ki jo vsploønem glede na izbrani koordinatni sistem predstavimokot vektor), okrog katere je vsota navorov teæe vseh masnihdelcev telesa enaka niœ in se v naøem primeru nahaja v geo-metrijskem srediøœu. Pri veœsegmentnih mehanizmih se lo-kacija teæiøœa spreminja z lego posameznih segmentov. Ker

122


Slika 1: Stabilnost kvadra na ravni podlagi. Ravnovesje sil in navorov obdelovanju zunanje horizontalne sile naraøœajoœe velikosti.

kvader nepremiœno leæi na ravni podlagi, mora poleg sileteæe delovati na telo øe reakcijska sila podlage (angleøko»ground reaction force – GRF«), tako da je vsota vseh sil, kidelujejo na kvader enaka niœ. Prijemaliøœe GRF leæi natankopod CoM. Œe na kvader apliciramo neko zunanjo silo (pert),ki deluje na vrhu telesa v horizontalni smeri, in je ta zunanjasila zadosti majhna, bo kvader øe naprej nepremiœno leæalna podlagi. Razmere povezane z GRF pa se bodo spreme-nile. Poleg vertikalne komponente GRF, ki uravnoteæi siloteæe, se pojavi øe horizontalna komponenta GRF, ki uravno-teæi zunanjo silo (angleøko »perturbation«, pert). Ker pa zu-nanja sila deluje na kvader na neki oddaljenosti od teæiøœa,povzroœa tudi navor okoli teæiøœa. Zaradi tega se prijema-liøœe GRF premakne po podporni ploskvi (angleøko »base ofsupport – BoS«) na novo lokacijo, tako da je vsota navorov,


ki jih generirajo zunanja sila ter obe komponenti GRF enakaniœ. Obe horizontalni sili, zunanja sila ter horizontalna kom-ponenta GRF izvajata navor v smeri urinega kazalca, med-tem ko vertikalna komponenta GRF izvaja enako velik navorv nasprotni smeri. Prijemaliøœu GRF reœemo tudi toœka priti-ska (angleøko »centre of pressure – CoP«), ki jo v sploønemtako kot CoM predstavimo kot vektor. V naøem primeru eno-stavnega kvadra lahko vidimo, da se z velikostjo zunanje siletudi CoP pomika proti robu BoS. Œe je zunanja sila veœja od

123


Slika 2: Model planarnega humanoidnega mehanizma. Vsota vseh zunanjih sil, ki delujejo na mehanizem je enaka

spremembi gibalne koliœine mehanizma. Vsota vseh zunanjih navorov, ki delujejo okoli teæiøœa mehanizma, je enaka spremembi

vrtilne koliœine mehanizma.

kritiœne vrednosti, se kvader zaœne sukati okoli desnega roba.Posledica tega sukanja je, da se spremeni BoS, ki je sedaj leøe zunanji rob (oziroma toœka spodnjega desnega vogala),hkrati pa se spremeni tudi vrtilna koliœina kvadra, ki postanerazliœna od niœ.


Predstavljene koncepte bomo razøirili na primer planar-nega humanoidnega mehanizma, ki ga prikazuje slika 2. Po-dobno kot pri kvadru s slike 1, ima tudi humanoidni mehani-zem teæiøœe CoM, skozi katero deluje sila gravitacije (mg).Reakcijska sila podlage GRF pa deluje v prijemaliøœu CoP.Podporna ploskev BoS je definirana z dolæino stopala. V zve -zi z modelom prikazanim na sliki 2 lahko zapiøemo dve vek-torski enaœbi in sicer prva enaœba pravi, da je vsota vseh zu-nanjih sil (sila teæe in GRF) enaka spremembi gibalne koliœinemehanizma (L); druga enaœba pa pravi, da je navor, ki gapovzroœa GRF okoli teæiøœa mehanizma, enak spremembivrtilne koliœine mehanizma (H). Œe æelimo, da mehanizemmiruje, morata biti tako gibalna koliœina kot tudi vrtilna koli -œina mehanizma enaki niœ, kar pomeni da morajo biti navoriv sklepih mehanizma izbrani tako, da ne povzroœajo spre-memb gibalne in vrtilne koliœine.

V primeru delovanja motilnega sunka zunanje sile pa seravnoteæje poruøi, teæiøœe se zaœne premikati, posamezni seg -menti se zaœnejo vrteti in dinamiœni odziv vzdræevanja rav-noteæja mehanizma mora biti tak, da se teæiøœe vrne nazaj vizhodiøœno lego, hkrati pa se ponovno vzpostavi orientacijasegmentov, kot je bila pred delovanjem motilnega sun ka, pritem pa je potrebno upoøtevati omejitev BoS. Œe bi bilo sto-palo pritrjeno na tla, bi lahko na motilni sunek enostavno od-govorili z delovanjem enostavnih lokalnih regulatorjev v po-sameznih sklepih, kjer bi bile izbrane referenœne vrednosti,ki bi zagotavljale æeleno lokacijo teæiøœa ter æe leno dræo me-hanizma. S tem pristopom bi bili uspeøni le pri zelo majhnihvrednostih motilnih sunkov, pri veœjih amplitudah pa bi semehanizem prevrnil. Zato potrebujemo tak regulator dinamiœ -nega vzdræevanja ravnoteæja mehanizma med stojo, ki bo prigeneriranju dinamiœnega odziva na motilne sunke upo øtevalomejeno velikost podporne ploskve BoS. V ta namen smorazvili dinamiœni model trisegmentnega invertiranega nihala

124



(œetrti segment je stopalo, ki stoji nepremiœno na podlagi),kateremu smo naœrtali vodenje gibalne in vrtilne koliœine pozgledu Goswamija [2, 3]. Model je podrobno predstavljen vdodatku tega poglavja.

Slika 3 prikazuje odziv modela na majhno motnjo (sila100 N, œas trajanja sunka 500 ms). Prvi graf prikazuje hori-zontalni premik CoM in CoP v smeri naprej. Opazimo lahko,da regulator takoj ob zaœetku delovanja motnje deluje tako,da se CoP hitro premika proti prstom in znatno prehiteva gi-banje CoM (ki je posledica motilnega sunka). Nekje ob koncudelovanja motilnega sunka je gibanje CoM v smeri naprejzaustavljeno in zaœne se gibanje nazaj proti izhodiøœni legi.CoP kmalu »prehiti« CoM in gre v smer nazaj (negativnavrednost CoP, ki se pomika proti peti) , da zopet »zaustavi«gi banje CoM, sedaj v smeri nazaj. Drugi graf kaæe signal ra-zlike CoP in CoM, ki izkazuje skoraj popolno negativno kore-lacijo s krivuljo na tretjem grafu, ki predstavlja horizontalnokomponento GRF. Predstavljeni primer nazorno kaæe na na-ravo dinamiœnega vzdræevanja ravnoteæja med stabilno stojo(kar velja tudi za hojo), kjer so amplitude gibanja CoP vednoveœje od amplitud gibanja CoM. Horizontalna komponentaGRF, ki dejansko pojema in pospeøuje gibanja CoM v hori-zontalni smeri, pa je moœno korelirana z razliko CoP in CoM.Œetrti graf prikazuje vrednosti vrtilne koliœine mehanizma obdinamiœnem odzivu na majhno motnjo. Opazimo lahko, dase vrtilna koliœina med odzivom praktiœno ni spremenila. Vluœi razmisleka o stabilnosti kvadra s slike 1 in humanoidnegamehanizma s slike 2 lahko reœemo, da je regulator lahkouspeøno zadovoljil obe zahtevi, tako glede æelenih spremembgibalne kot tudi glede vrtilne koliœine mehanizma.

Slika 4 prikazuje dinamiœni odziv modela na znatnoveœjo motnjo (sila 300 N, trajanje sunka 500 ms). V tem pri-meru lahko opazimo, da se je CoP med dinamiœnim odzi-vom premaknil vse do meje BoS, vendar te meje ni preko-

125



raœil, zaradi drugega œlena regulatorja spremembe vrtilne ko-liœine (glej dodatek), ki upoøteva pribliæevanje CoP meji BoS.Seveda pa smo na ta raœun dovolili znatno spremembo vrtilnekoliœine med dinamiœnim odzivom, vendar pa je to tudi edininaœin, da lahko model uspeøno odgovori na veœji motilni su -nek, ne da bi pri tem krøil omejitev dolæine stopal. Zelo po -dobno se odziva tudi œlovek, kadar je sunek od zadaj moœan,oseba pa ne æeli ali zaradi zunanjih omejitev ne more nareditikoraka naprej. Podobno kot v primeru øibkejøega sunka, tudiv tem drugem primeru lahko opazimo znatno korelacijo medrazliko CoP in CoM na eni strani ter horizontalno kom ponentoGRF na drugi strani, kar potrjuje naravo dinamiœ nih odzivovvzdræevanja ravnoteæja, katero smo navedli pri primeru delo-vanja øibkejøe motnje. V primeru delovanja moœ nejøega sunkasile lahko tudi vidimo, da kolikor vrtilno koliœino mehanizmareguliramo bolj ohlapno (zaradi spoøto vanja omejitve dolæinestopala), nastopi znatno rotacijsko gibanja segmentov, ki je priœloveku nezaæeleno. Œlovek namreœ v sploønem tako medstojo zlasti pa med gibanjem æeli ohranjati vertikalno orienta-cijo trupa ter glave, zato bi v primeru delovanja moœnejøemotnje œlovek raje izbral odziv, kjer bi vrtilno koliœino regu -liral bolj togo, poslediœno pa bi moral bolj ohlapno reguliratigibalno koliœino, kar bi pomenilo, da bi moral narediti koraknaprej in s tem spremeniti (poveœati) BoS. Eksperimentalneøtu dije spreminjanja vrtilne koliœine pri hoji œloveka so poka-zale, da ljudje dajemo velik poudarek na zelo togo regulacijovrtilne koliœine [9].

Vidimo torej, da pri dinamiœnem vzdræevanju ravnoteæjamed stojo CoP in GRF ter s tem CoM vodimo na naœin, da CoPin CoM ostajata znotraj BoS. Pri tem se moramo zavedati, daæeleno obnaøanje CoP in GRF v resnici doseæemo z ustreznimvodenjem navorov v sklepih mehanizma, pri œloveku pa zustreznim vodenjem miøic. Pri hoji pa mora CoM iti izven BoS(imanentna lastnost hoje), kar pomeni, da moramo eno nogo

126



127


Slika 3: Odziv regulatorja modela trisegmentnega invertiranega nihalana relativno majhen motilni sunek


128


Slika 4: Odziv regulatorja modela trisegmentnega invertiranega nihalana relativno velik motilni sunek


dvigniti v zamah in jo prestaviti na novo lokacijo. Naslednjikorak mora biti pravoœasen in noga postavljena na takomesto, da omogoœa œloveku oziroma sistemu vodenja huma-noidnega robota vodenje CoP na naœin, ki rezultira v limit-nem ciklu gibalne in vrtilne koliœine mehanizma v vseh trehkomponentah. Pri hoji sprednja noga zaradi same geometrijedostopa zavira gibanje CoM, zadnja noga pa pospeøuje giba-nje CoM v ravnini napredovanja. Pri izbrani hitrosti obstajataoptimalna kadenca ter dolæina koraka, ki minimizirata ener-gijsko porabo, ki je v tesni povezavi z zgoraj omenjenim po-speøevanjem odrivne noge in zaviranjem noge v dostopu[10]. Dinamiœno vzdræevanje ravnoteæja med hojo je znatnobolj kompleksna naloga tako za œloveka kot tudi za hodeœegarobota. Za razliko od dinamiœnih odzivov med stojo, je prihoji prisotna moœna sklopitev med dinamiko gibanja v rav-nini napredovanja (sagitalna ravnina) in v ravnini pravokotnismeri napredovanja (frontalna ravnina). Namreœ, postavitevdostopajoœe noge v oporo oziroma v naslednji korak vplivatako na samo dinamiko gibanja mehanizma v obeh ravninahkot tudi na podporno ploskev BoS, ki se v primeru hoje dina-miœno spreminja in s tem tudi spreminja pogoje za gibanjeCoP. Dober vpogled v mehanizme dinamiœnega vzdræevanjaravnoteæja med hojo pri œloveku nudi eksperimentalni pristopizvajanja motilnih sunkov sile, navadno nekje na viøini teæi-øœa, med hojo v razliœnih smereh [11].

4.2 Naprava za izvabljanje in merjenje odzivov vzdræevanja dinamiœnega ravnoteæja med hojo

Slika 5 prikazuje shematski prikaz naprave, ki je sesta-vljena iz dveh mehanskih podsistemov. Osrednji del na-prave je paralelni robot – medeniœni robot, ki je v tesnemstiku s hodeœo osebo v predelu medenice.

129



Medeniœni robot omogoœa gibanje medenice v vseh øestihprostostnih stopnjah, kjer so tri prostostne stopnje: lateralnipremik, sagitalni premik in rotacija okoli vertikalne osi mede-

130


Slika 5: Konceptualni prikaz medeniœnega robota

nice, gnane s øtirimi linearnimi aktuatorji ter regulirane prekoadmitanœne sheme vodenja, ki omogoœa nastavitev æelene me -hanske impedance med napravo in uporabnikom. Preostale triprostostne stopnje so pasivne in omogoœajo nagib medenicenaprej/nazaj, nagib medenice levo/desno, ter translacijski pre-mik medenice v vertikalni smeri (slika 6).

Slika 6: Prostostne stopnje medeniœnega robota. Od leve proti desni:translacijski pomik medenice naprej/nazaj, translacijski pomik medenice

levo/desno, zasuk medenice v transverzalni ravnini, zasuk medenice v sagitalni ravnini, zasuk medenice v frontalni ravnini in translacijski

pomik medenice gor/dol.


Mehansko impedanco treh aktivnih prostostnih stopenjlahko nastavimo na minimalno vrednost (t. i. transparentnovodenje) ali pa jo nastavimo tako, da robot zagotovi æelenovrednost podpornih sil na medenici osebe med hojo. Razvitaadmitanœna shema vodenja robota omogoœa tudi aplikacijomotilnih sunkov na medenico hodeœe osebe v razliœnih sme-

131


Slika 7: Medeniœni robot nameøœen na mobilno platformo, ki omogoœahojo po ravnih tleh (levo); medeniœni robot nameøœen na ogrodje, ki nosi

tekoœi trak (desno). Na obeh fotografijah so prikazani markerji,nameøœeni na stopala hodeœih oseb

reh, kar omogoœa prouœevanje posturalnih odzivov med hojo.Medeniœni robot lahko namestimo na mobilno platformo,kar omogoœa hojo po tleh, lahko pa medeniœni robot name-stimo tudi na platformo tekoœega traku (Slika 7). Podrobenopis mehanizma in vodenja medeniœnega robota je podan v[12].


4.3 Mehanizmi vzdræevanja dinamiœnega ravnoteæja medhojo œloveka

Mehanizme dinamiœnega vzdræevanja ravnoteæja medhojo œloveka bomo podali skozi opis odzivov na motilnesunke, ki jih je na medenico izbrane osebe, ki je hodila po te-koœem traku, izvajal medeniœni robot in sicer v øtirih smereh:naprej, nazaj, levo in desno, kot je prikazano na sliki 8. Pritem smo s sistemom infrardeœih kamer merili poloæaje mar-kerjev, ki so bili nameøœeni na stopala hodeœe osebe (slika 7),

132


Slika 8: Shematski prikaz smeri delovanja motilni sunkov

poloæaj in orientacijo medenice v transverzalni ravnini, inte-rakcijske sile in navor med medeniœnim robotom in mede-nico hodeœe osebe. Z uporabo øtirih enoosnih senzorjev sile,nameøœenih pod tekoœi trak, smo merili CoP in vertikalnokomponento GRF. Oseba je hodila po tekoœem traku s hi-trostjo 0.85 m/s. Velikost motilnih sunkov v vseh øtirih sme-reh je bila nastavljena na 150 N, kar predstavlja 15% teæe iz-brane hodeœe osebe, trajanje motilnega sunka pa je bilo 150ms. Motilni sunek je nastopil vedno ob dotiku leve noge s te-koœim trakom, oziroma ob aktivaciji petnega stikala podlevim stopalom, torej v zaœetku faze dvojne opore.


Normativni odzivi – hoja brez delovanja motilnih sunkov

Slika 9 prikazuje gibanje medenice hodeœe osebe ter in-terakcijske sile oziroma navor med medenico in haptiœnimrobotom v odvisnosti od cikla hoje, kjer se vsak posamezencikel hoje (0%, 100% in 200% cikla) zaœne z dostopom levenoge. Gibanje medenice naprej/nazaj ter levo/desno, kakortudi vrtenje medenice okoli vertikalne osi izkazuje nihanjekarakteristiœno za hojo. Interakcijske sile in navor so razme-roma majhni skozi celoten cikel hoje.

133


Slika 9: Gibanje medenice (leva stran) in interakcijske sile/navor (desna stran) v aktivnih stopnjah prostosti medeniœnega robota med hojo

brez delovanja motilnih sunkov

Slika 10 na levi strani prikazuje gibanje CoP v horizon-talni (CoPx) in sagitalni (CoPy) ravnini skupaj z oceno gibanjaCoM (gibanje medenice v horizontalni in sagitalni ravnini).V obeh ravninah lahko opazimo, da CoP znatno niha okoliCoM, kar je v skladu s samo naravo hoje. V horizontalni


smeri se CoP znatno spreminja ob izmenjavi obeh nog v faziopore, medtem ko ostaja horizontalna komponenta CoPdokaj konstantna med samo fazo enojne opore. V sagitalnismeri pa opazimo, da se CoP razmeroma hitro premakne na-prej ob dostopu noge, nato pa se pomika nazaj zaradi premi-kanja tekoœega traku, vendar je to gibanje nazaj poœasnejøeod gibanja traku, saj se CoP med hojo pomika vzdolæ stopala

134


Slika 10: Potek obeh komponent prijemaliøœa reakcijske sile podlageCOP, skupaj z oceno gibanja teæiøœa COM, ter potek vertikalnih

komponent reakcijske sile podlage GRF za levo in desno nogo med hojobrez delovanja motilnih sunkov (leva stran); grafiœni prikaz zaporednih

korakov – prvi levi korak ustreza 0% cikla hoje (sredina); srednjevrednosti in standardne deviacije dolæine koraka, øirine koraka ter œasa

koraka za zaporedne korake


od pete (ob dostopu) do prstov (ob odrivu). Tretji in œetrti grafna levi strani slike 10 prikazujeta vertikalno komponentoGRF za vsako nogo posebej. Vertikalni komponenti GRF ima -ta karakteristiœno obliko »metuljevega krila«, kar je znaœilnoza hojo. Ob dostopu in odrivu je vertikalna komponenta GRF

135


Slika 11: Gibanje medenice (leva stran) in interakcijske sile/navor(desna stran) v aktivnih stopnjah prostosti medeniœnega robota med

hojo brez delovanja motilnih sunkov in med hojo ob delovanju motilnega sunka v smeri NAPREJ

nekoliko veœja, v srednji fazi opore pa je nekoliko manjøa. Nasredini slike 10 so prikazane zaporedne stopinje glede na rela-tivno dolæino in øirino koraka.

Na desni strani slike 10 pa so prikazane vrednosti za za-poredne dolæine ter øirine korakov ter œase posameznih ko-rakov (œas od prvega dotika ene noge do prvega dotika druge


noge). Opazimo lahko, da pri hoji nevroloøko intaktne osebetako dolæinski kot tudi œasovni parametri hoje izkazujejo re-lativno konstantne vrednosti iz koraka v korak.

Odziv na motilni sunek v smeri NAPREJ

Odzive na motilni sunek sile ob dostopu leve noge na te-koœi trak (0%) v smeri naprej prikazujeta sliki 11 in 12. Naj-veœji vpliv motnje je viden v gibanju medenice v smeri na-

136



komponent reakcijske sile podlage GRF za levo in desno nogo med hojobrez delovanja motilnih sunkov in med hojo ob delovanju motilnega

sunka v smeri NAPREJ (leva stran); grafiœni prikaz zaporednih korakov zaobe hoji – prvi levi korak ustreza 0% cikla hoje (sredina); srednje

vrednosti in standardne deviacije dolæine koraka, øirine koraka ter œasakoraka za zaporedne korake za obe hoji


prej. Ob prvem dostopu desne noge je medenica (oziromaCoMy) premaknjena za skoraj 20 cm naprej v primerjavi znormativnim potekom.

Odziv na motilni sunek se zaœne takoj po dostopu levenoge na tla. Vidimo hiter premik CoPy v smeri proti prstom,kar zagotavlja horizontalno komponento GRF, ki je usmerjenanazaj in zavira od motnje pospeøeno gibanje CoMy v smerinaprej. Vertikalna komponenta GRF leve noge v fazi enojneopore pred dostopom desne noge izkazuje manjøe vrednostiod normativnih zaradi zmanjøanega odriva leve noge. Natosledi dostop desne noge, kjer je v primerjavi z normativomdolæina koraka daljøa (slika 12). Dostop na desno nogo je izra-zito na prste (COMy je v primerjavi z normativom moœno pre-maknjen naprej), vertikalna komponenta GRF ob dostopu paznatno naraste. Pri naslednjem dostopu na levo nogo jedolæina koraka obœutno krajøa, vendar pa je dostop øe vednona prste. V naslednjih korakih se dolæine korakov ter œasi za-mahov postopno bliæajo normativnim vrednostim.

Odziv na motilni sunek v smeri NAZAJ

Odzive na motilni sunek sile ob dostopu leve noge na te-koœi trak (0%) v smeri nazaj kaæeta sliki 13 in 14. Najveœjivpliv motnje je viden v gibanju medenice v smeri nazaj. Obprvem dostopu desne noge je medenica (oziroma CoMy) pre-maknjena za skoraj 15 cm nazaj v primerjavi z normativnimpotekom.

Odziv na motilni sunek se zaœne takoj po dostopu levenoge na tla. Vidimo najprej kratek hiter premik CoPy v smeriproti prstom (najverjetneje refleksni odziv, ki ni v skladu znaravo motnje), nato pa sledi premik nazaj proti peti kar za-gotavlja horizontalno komponento GRF, ki je usmerjena na-prej in zavira od motnje pospeøeno gibanje CoMy v smerinazaj. Veœina odziva na motilni sunek je tako opravljena æe

137



takoj v prvem dostopu leve noge. Nato sledi dostop desnenoge, kjer je v primerjavi z normativom œas koraka daljøi terdolæina koraka krajøa (slika 14). Naslednji dostop na levo

138



brez delovanja motilnih sunkov in med hojo ob delovanju motilnegasunka v smeri NAZAJ

nogo nastopi malo hitreje v primerjavi z normativno vred-nostjo, dolæina koraka pa je obœutno daljøa. V odzivu tudi nizaznati veœjih sprememb v profilih vertikalne komponenteGRF na obeh straneh. V naslednjih korakih se dolæine korakovter œasi zamahov postopno bliæajo normativnim vrednostim.


Odziv na motilni sunek v smeri LEVO

Odzive na motilni sunek sile ob dostopu leve noge na te-koœi trak (0%) v smeri levo kaæeta sliki 15 in 16. Najveœjivpliv motnje je viden v gibanju medenice v smeri levo in v

139


smeri nazaj. Ob drugem dostopu leve noge (100% cikla) jemedenica (oziroma CoMx) premaknjena za skoraj 30 cm vlevo in za pribliæno 10 cm nazaj (CoMy) v primerjavi z nor-



sunka v smeri NAZAJ (leva stran); grafiœni prikaz zaporednih korakov zaobe hoji – prvi levi korak ustreza 0% cikla hoje (sredina); srednje



mativnim potekom. Hkrati lahko opazimo tudi ob prvem do-stopu desne noge (50% cikla) vrtenje medenice v nasprotnismeri urinega kazalca, ki malo pred drugim dostopom levenoge (100% cikla) doseæe zasuk, ki je veœji od normativnevrednosti za okoli 10 stopinj in ki pripomore k hitrejøemuprvemu desnemu koraku.

140



brez delovanja motilnih sunkov in med hojo ob delovanju motilnegasunka v smeri LEVO

Odziv na motilni sunek se zaœne takoj po dostopu levenoge na tla. Œeprav motnja deluje v smeri levo, pa lahko opa-zimo najprej odziv v smeri napredovanja hoje. Vidimo hiter


premik CoPy v smeri proti prstom, kar zagotavlja horizon-talno komponento GRF, ki je usmerjena nazaj in zavira giba-nje CoMy. Vertikalna komponenta GRF pred prvim dostopomdesne noge izkazuje manjøe vrednosti od normativnih zaradizmanjøanega odriva leve noge. Nato sledi dostop desne noge,kjer je v primerjavi z normativom dolæina koraka krajøa,hkrati pa se moœno zmanjøa tudi øirina koraka, oziroma po-stane øirina koraka negativna zaradi kriæanja obeh nog, ki na-stane zaradi potrebe po premiku podporne povrøine v levo(Slika 16). V œasu do prvega dostopa desne noge se je CoMxpraktiœno neovirano gibal v smeri levo, zato øele po prvemdostopu desne noge CoPx preide pred CoMx in zaœne z zavi-ranjem gibanja teæiøœa v levo. Dostop na desno nogo je izra-zito na prste (COMy je v primerjavi z normativom in glede nakrajøi korak moœno premaknjen naprej), vertikalna kompo-nenta GRF pa znatno naraste. Naslednji dostop na levo nogonastopi hitreje, dolæina koraka je øe krajøa, poloæaj levegastopala pa omogoœa premaknitev CoPx znatno bolj v levoglede na poloæaj CoMx in øele v obdobju od 100–150 % ciklaje gibanje CoMx v levo, ki je bilo posledica delovanja mo-tilnega sunka, zaustavljeno in obrnjeno v desno smer. V na-slednjih korakih se dolæine korakov ter œasi zamahov postopnobliæajo normativnim vrednostim. Pri tej smeri delovanjamotilnega sunka sile je lepo razvidno, da dinamiœni odgo-vor ni omejen le na ravnino, v kateri je delovala motnja, paœpa se je odziv zaœel v smeri napredovanja in je bil priprava nauœinkovit odgovor v lateralni ravnini. Ker je moænost premikav smeri CoPx moœno omejena zaradi øirine stopala, je potre-bno za uœinkovit odgovor nogo, ki je v zamahu œim prej pre-nesti na novo lokacijo. Zaradi te zahteve mora biti noga œimmanj œasa v zraku, kar lahko doseæemo s krajøim korakom terz zasukom medenice v nasprotni smeri urinega kazalca. Zatoje pomembno, da preden storimo krajøi korak, zavremo na-predovanje CoMy, sicer bi v naslednjem koraku nastopile

141



razmere kot pri delovanju motilnega sunka naprej. Dinamiœniodziv vzdræevanja ravnoteæja na motnjo v levo kaæe na kom-pleksnost in sklopitev vseh treh ravnin gibanja, kjer sta uskla-jenost in hitrost odziva nujna.

142




sunka v smeri LEVO (leva stran); grafiœni prikaz zaporednih korakov zaobe hoji – prvi levi korak ustreza 0% cikla hoje (sredina); srednje



Odziv na motilni sunek v smeri DESNO

Odzive na motilni sunek sile ob dostopu leve noge na te-koœi trak (0%) v smeri desno kaæeta sliki 17 in 18. Najveœjivpliv motnje je viden v gibanju medenice v smeri desno.Kmalu po prvem dostopu desne noge (70% cikla) je mede-nica (oziroma CoMx) premaknjena za skoraj 20 cm v desno vprimerjavi z normativnim potekom. Opazimo pa tudi zasukmedenice v transverzalni ravnini v smeri urinega kazalca, kipripomore k hitrejøemu prvemu desnemu koraku.

143



brez delovanja motilnih sunkov in med hojo ob delovanju motilnegasunka v smeri DESNO


Odziv na motilni sunek se zaœne takoj po dostopu levenoge na tla. Odziv je veœinoma omejen na CoPx, kjer lahkoopazimo med fazo opore leve noge (od 25% do 50% cikla)rahel premik CoPx v desno. Vertikalna komponenta GRF pred

144




sunka v smeri DESNO (leva stran); grafiœni prikaz zaporednih korakov zaobe hoji – prvi levi korak ustreza 0% cikla hoje (sredina); srednje


prvim dostopom desne noge izkazuje manjøe vrednosti odnormativnih zaradi zmanjøanega odriva leve noge. Nato slediprvi dostop desne noge, kjer je v primerjavi z normativom œaskoraka krajøi ter dolæina koraka krajøa, hkrati pa se moœno


poveœa tudi øirina koraka zaradi potrebe po premiku pod-porne povrøine v desno, moœno tudi naraste vertikalna kom-ponenta GRF ob dostopu desne noge (slika 18). Tu je potre-bno opozoriti na odziv v sagitalni ravnini, kjer lahko opazimopremik CoPy proti prstom takoj po prvem dostopu desnenoge, ki je potreben zaradi skrajøanega koraka, saj na ta naœinœlovek zagotovi primerno velikost zaviralne horizontalnekomponente GRF v sagitalni ravnini, ki bi brez opisanega od-ziva bila nezadostna in bi v naslednjem koraku povzroœilarazmere kot pri sunku v smeri naprej. V fazi prve opore nades ni nogi (med 50% in 100% cikla) je CoPx precej bolj des -no od CoMx, kar ima za posledico horizontalno komponentoGRF, ki pospeøuje gibanje CoMx v levo in predstavlja glav-nino dinamiœnega odziva. V naslednjih korakih se dolæine ko -rakov ter œasi zamahov postopno bliæajo normativnim vred-nostim.

4.4 Zakljuœki

Dinamiœno vzdræevanje ravnoteæja med hojo je kom-pleksna naloga tako za œloveka kot tudi za humanoidnegarobota. V tem poglavju smo skozi uporabo modela in simula-cij vzdræevanja ravnoteæja po delovanju motilnih sunkov natrisegmentno invertirano nihalo med stojo predstavili dina-miœno razmerje med CoM in CoP ob upoøtevanju vpliva dol -æine stopal. Pri tem smo poudarili potrebo po regulaciji takogibalne kot tudi vrtilne koliœine mehanizma. Meritve giba-nja CoP, CoM in dolæinsko-œasovnih parametrov med hojozdrave osebe ob delovanju motilnih sunkov na pribliæni viøiniCoM so razkrile strategijo, ki jo œlovek uporablja pri odzivuna nenadno spremembo v gibanju teæiøœa v razliœnih smerehtransverzalne ravnine. Dinamiœni odziv na motnjo med hojoje sestavljen iz:

145



• Primarnega (hitrejøega) odziva – premik CoP v smeridelovanja motilnega sunka pod stopalom noge v opori

• Sekundarnega (poœasnejøega) odziva – postavitev nogev zamahu na ustrezno novo lokacijo, po potrebi v veœzaporednih korakih

• Oba odziva sta tudi v funkciji regulacije vrtilne ko-liœine

Motilni sunki v frontalni ravnini (smeri levo in desno) pred-stavljajo veœji izziv za œloveka, saj je moænost premika CoP vlateralni smeri pod nogo v opori zelo omejena v primerjavi ssagitalno smerjo zaradi majhne øirine stopala. Hkrati je potre-bno ob delovanju motilnega sunka v lateralni smeri (zlastikadar motnja deluje v lateralni smeri glede na nogo v opori)usklajeno gibanje CoPx in CoPy, ker potreba po zaviranju gi-banja CoM v frontalni ravnini zahteva hiter premik noge v za-mahu na novo lokacijo, pri œemer je korak ustrezno krajøi.Zato je potreben tudi ustrezen odziv v sagitalni ravnini, saj bisicer ob nespremenjenem gibanju CoPy to imelo za posledicopospeøeno gibanje CoM v smeri napredovanja. Ustrezen od -ziv pa opazimo tudi v transverzalni ravnini, kjer zasuk mede-nice v funkciji podaljøanja koraka (pri odzivu na motilni sunekLEVO) oziroma skrajøanja koraka (pri odzivu na motilni sunekDESNO) v obeh primerih nastopi ob skrajøanju œasa trajanjakoraka, kar pripomore k uœinkovitosti odzivov. Odziv na mo-tilne sunke v sagitalni ravnini je veœinoma omejen na spre -mem be v modulaciji CoPy ter na podaljøanje/skrajøanje dol -æine ter œasa naslednjih korakov. V sploønem lahko reœemo,da obstaja z vidika vzdræevanja dinamiœnega ravnoteæja medhojo moœna sklopitev predvsem med sagitalno in frontalnoravnino gibanja, deloma pa je œutiti vpliv tudi na transver-zalno ravnino gibanja. Omenjeno pa ne velja le za hojo, prikateri delujejo motilni sunki, paœ pa to velja povsem sploøno.Zelo verjetno so razmere podobne tudi pri hotenem spremi-

146



njanju smeri med hojo, ko je potrebno postavitev stopal v na-slednjih korakih prilagoditi æeleni smeri gibanja.

Œeprav pri naøem eksperimentalnem delu nismo merili gi-banja vseh segmentov, kar bi ob uporabi ustreznega kinema-tiœnega modela omogoœilo oceno dinamiœnega spreminjanjavrtilne koliœine telesa, lahko iz predstavljenih odzivov skle-pamo, da je regulacija CoP ter s tem povezana izbira lokacijpostavitve stopal v naslednjih korakih po delovanju motnjetudi v funkciji minimizacije sprememb vrtilne koliœine. Premi-kanje trupa, ki predstavlja daleœ najveœjo maso biomehan-skega sistema, je bilo pri vseh dinamiœnih odzivih minimalno.

Literatura

1. David A. Winter. Human balance and posture control during standingand walking. Gait & Posture, 3: 193–214, 1995.

2. Sung-Hee Lee, Ambarish Goswami. Ground reaction force control ateach foot: A momentum-based humanoid balance controller for non-level and non-stationary ground. V Proceedings of the 2010 IEEE/RSJIROS International Conference, str. 3157–3162, Taipei, Taiwan,2010.

3. Muhammad Abdallah, Ambarish Goswami. A biomechanically moti-vated two-phase strategy for biped upright balance control. V Procee-dings of the 2005 IEEE ICRA International Conference, str. 2008–2013,Barcelona, Spain, 2005.

4. Shuuji Kajita, Fumio Kanehiro, Kenji Kaneko, Kiyoshi Fujiwara, Ken-suke Harada, Kazuhizo Yokoi, Hirohisa Hirukawa. Resolved momen-tum control: Humanoid motion planning based on the linear and an-gular momentum. V Proceedings of the IEEE/RSJ IROS InternationalConference, str. 1644-1650, Las Vegas, Nevada, USA, 2003.

5. Miomir Vukobratoviå, Yurij Stepanenko. On the stability of anthropo-morphic systems. Mathematical biosciences, 15: 1–37, 1972.

6. Jerry Pratt, John Carff, Sergey Drakunov, Ambarish Goswami. Capturepoint: A step toward humanoid push recovery. V Proceedings of the

147



6th IEEE-RAS International Conference on Humanoid Robots, str.200–207, Genoa, Italy, 2006.

7. W. E. Ichinose, D. J. Reinkensmeyer, D. Aoyagi, J. T. Lin, K. Ngai, V.Reggie Edgerton, S. J. Harkema, J. E. Bobrow. A robotic device formeasuring and controlling pelvic motion during locomotor rehabili-tation. V Proceedings of the 25th Annual International Conference ofthe IEEE EMBS, str. 1690–1693, Cancun, Mexico, 2003.

8. Laura Hak, Han Houdijk, Frans Steenbrink, Agali Mert, Peter van derWurff, Peter J. Beek, Jaap H. van Dieen. Speeding up or slowingdown?: Gait adaptations to preserve gait stability in response to ba-lance pertrubations. Gait & Posture, 36: 260–264, 2012.

9. Hugh Herr, Marko Popovic. Angular momentum in human walking.The Journal of Experimental Biology, 211: 467–481, 2008.

10. Artur D. Kuo, J. Maxwell Donelan. Dynamic principles of gait andtheir clinical implications. Physical Therapy, 90: 157–174, 2010.

11. At L. Hof, Jaques Duysens. Responses of human hip abductor musc-les to lateral balance pertrubations during walking. ExperimentalBrain Research, 230: 301–310, 2013.

12. Andrej Olenøek, Matjaæ Zadravec, Zlatko Matjaœiå. Mobile platformpelvic robot. V Technically assissted rehabilitation: TAR, 2015, str.1–4, 2015.

148



4.6 Dodatek 1: Trisegmentni model vzdræevanja dinamiœnega ravnoteæja med stojo

149


Slika A1: Model trisegmentnega mehanizma

Slika A2: Bloœni diagram poteka vzdræevanja ravnoteæja trisegmentnega modela

Izhodiøœe koordinatnega sistema je postavljeno v gleæenj-skem sklepu trisegmentnega modela, kinematika vrha mani-pulatorja pa je enaka


Teæiøœe sistema (angl. Center Of Mass – COM) zapiøemo

kjer sta vektor pozicije posameznega segmenta, paskup na masa sistema kot seøtevek masnih prispevkov posa-meznih segmentov

Gibalna koliœina in vrtilna koliœina okoli teæiøœa sistema staenaki

kjer so vektor hitrosti posameznega segmenta, invektorja pozicije in hitrosti teæiøœa sistema, in vztraj-nostni moment in kotna hitrost posameznega segmenta.

Prijemaliøœe reakcijske sile podlage (angl. Center Of Pressure- COP) se izraœuna po naslednji relaciji

kjer je zunanja sila, ki deluje na sistem v toœki .Navore, ki delujejo na posamezne segmente zaradi zunanje

150


��

��

��

��

��

�

��

�

��

��

��

��

�

��

�

"��#$ �� %&'�(��&'�( �� )��$

�* � +&'�(* ��)

�

��

��

.

,

.

��

�

��

�� !��

� � ��

�

��

�

,

,

��


sile, pa preko Jacobijeve matrike trisegmentnega mehan-izma izraœunamo po naslednji relaciji

Referenœne regulacijske veliœine sistema sta odvoda obehkomponent gibalne koliœine in odvod vrtilne koliœine. Enaœberegulatorja doloœimo z naslednjimi enaœbami

kjer so komponente vektorjev , referenœne pozicije in hitrosti gibanja teæiøœa sistema; , in

proporcionalna ojaœanja regulatorjev, ter in diferencialni ojaœanji regulatorjev. Funkcije in

so vpeljani dodatni œleni regulatorja. Funkcijaposkrbi, da v sistemu ne pride do iztegnitve kolenskega skle-pa (t. i. hiperekstenzije), kar bi povzroœilo, da bi se øtevilostopenj prostosti sistema zmanjøalo, trisegmentni sistem papreøel v singularnost; zato naj bo

kjer je proporcionalno ojaœanje tega œlena. Funkcija poskrbi, da se prijemaliøœe reakcijske silepodlage nahaja znotraj æelenega obmoœja

151


�$�'/� 0#1$ "��$�'/

� "��$ 021$ 3��$�'/� 3��$ �

�*�'/� 0#1* "��*�'/

� "��* 021* 3��*�'/� 3��* 4567�

8��'/� �0#98�� ) "��#$ : 6; 6 �

��

��

��

� � �

� ��

4 6 � 0#< ��

,&'�( � -.%&'�(�

3��

��" �

��

,�� !��

.

,

,


zato naj bo

kjer je proporcionalno ojaœanje tega œlena.Funkcija pa je pozicijski œlen regulatorja, ki poskrbi,da se sistem npr. po zunanji motnji vrne v prvotno lego ozi-roma dræo. Pri trisegmentnemu modelu to doseæemo z na-slednjo funkcijo

kjer sta proporcionalno in diferencialno ojaœanjetega œlena.Nadalje, referenœne regulirne veliœine uporabimo za izraœunreferenœnih kotnih pospeøkov sistema. Odvoda obeh kompo-nent gibalne koliœine ter odvod vrtilne koliœine so linearnoodvisni od pospeøkov sistema in jih lahko zapiøemo kot

Za naø primer ( ) zgornje tri enaœbe predstavljajo sistemtreh enaœb s tremi neznankami – referenœnimi kotnimi po-speøki , kjer so koeficienti , , , , , in od -visni le od znanih spremenljivk: kotov v sklepih in kotnih

152


) "��#$ �

0#=>?

"��#$

"��#$@AB

�

C D"��#$ E F

�0#=>?

"��#$

"��#$@GH

�

CD"��#$ I F

�

��#$%�

�� !�

: 6; 6 � 0#J ��KLM� �� 02J ��KLM

� ��

��&� ��&�

��

��

�

� �

�

��

��

�

� �

�

��

�

� �

�

' ( )�

�� *�+� *�,

� �&� *�-�� *�-

��

.

,

,

.


hitrosti . Neznanke sistema nadalje izraœunamo na pod-lagi referenœnih regulirnih veliœin , in , karlahko zapiøemo kot

Tako dobljene referenœne kotne pospeøke vstavimo v enaœbeinverzne dinamike in izraœunamo navore , ki delujejo naposamezen segment:

kjer so , , in vztrajnostna matrika, matrika Corioli-sovih in centrifugalnih prispevkov, matrika viskoznega trenjav sklepih in matrika gravitacijskih prispevkov.

Zunanjo motnjo na sistem dodamo prej izraœunanimnavorom , kot sledi

ter z uporabo enaœb direktne dinamike izraœunamo novekotne pospeøke v sistemu:

153


��

3�

.�/01� 2��/01

�.�/01�

6�'/ � O �$KLM; �*KLM

; 8��KLM�

, � P 6 6�'/ Q 6; 6 6 R6 S567�

��

3 ��3�

,� � , ,&'�(�

6 � PT� 6 ,� � Q 6; 6 6 � R6 � S567 �

.

.


154

Poglavje 5

Øtiritoœkovni vzorec hoje

Tadej Bajd in Alojz Kralj*

Tisoœi ohromelih oseb lahko hodijo le ob pomoœi bergel.Med njimi so tudi povsem hrome paraplegiœne osebe, kilahko hodijo ob uporabi funkcionalne elektriœne stimulacije(FES) [1]. FES je rehabilitacijska metoda, kjer preko povrøin-skih elektrod na koæi posredujemo elektriœne impulze (vnaøem primeru s frekvenco 20Hz, impulzno øirino 0.3ms injakostjo do 100V). Med elektrodama se v tkivu vzpostavielektriœno polje, ki vzburi æivœne celice, ki se nahajajo zno-traj polja. V primeru hoje paraplegiœne osebe postavimo enpar elektrod vzdolæ miøic iztegovalk kolena. Tako vzbudimoeferentne æivce v miøiœnem tkivu in povzroœimo iztegnitev vkolenu in na ta naœin stojo oziroma oporo med hojo. Drugipar elektrod postavimo za kolenom vzdolæ peronealnegaæivca. Tako vzbudimo preteæno aferentne æivœne poti in do-seæemo umaknitveni odziv in s tem fazo zamaha med hojo.Preprosto hojo povsem hrome osebe doseæemo torej le s podvema kanaloma FES na vsaki nogi. Paraplegiœna oseba uprav -lja preprosti vzorec hoje, tako da preko tipk v berglah prekla-plja med stimulacijo iztegovalk kolena in stimulacijo pero-

* Slovenska akademija znanosti in umetnostiFakulteta za elektrotehniko, Univerza v Ljubljani


nealnega æivca, to je med oporo in zamahom. Ni si teækopredstavljati, da je taka hoja poœasna in neuœinkovita. Ciljraziskav, opisanih v tem poglavju, je bil izboljøati opisani na-jenostavnejøi vzorec gibanja.

Paraplegiœne osebe med stojo ali hojo niso sposobnesame vzdræevati ravnoteæja. Poleg FES potrebujejo oporo naberglah. Tako je njihovo hojo bolj primerno obravnavati kotøtiritoœkovni in ne kot bipedalni vzorec. Navdih za øtudijsmo dobili pri Eadweardu Muybridgu, ki je v drugi polovicidevetnajstega stoletja z izvirnimi fotografskimi pristopi razi-skoval hojo œloveka in æivali [2,3]. Muybridge je na pobudo

155

ØTIRITOŒKOVNI VZOREC HOJE

Slika1: Muybridgevi fotografski posnetki hoje konja

svojega sponzorja Lelanda Stanforda najprej raziskoval hojoin tek konj. Za snemanje je uporabil 24 kamer, ki jih je prekoelektriœnih stikal proæil konj, ko je s trupom zadeval ob na-stavljene vrvice. Snemanja so potekala na sponzorjevem po-sestvu, kjer je danes slovita Stanfordska univerza.

Slika 1 prikazuje Muybridgeve posnetke hoje konja. Temje dodal tudi zanimiv grafiœni zapis hoje (slika 2). V tem za-pisu je s puøœico oznaœena smer hoje. Jasno je tudi razvidno,katera noga je v zraku in katera na tleh. Muybridga je pred-vsem zanimalo, pri katerih vzorcih teka konja se pojavijo sta-nja, ko so vse øtiri noge v zraku. Nas pa je zanimalo ali lahko


v hojo bolnika z berglami vkljuœimo nestabilna stanja, ko jehodeœa oseba oprta samo na eno nogo in kontralateralnoberglo. Takøni stanji sta, na primer, stanji 2 in 6 pri hoji konja,prikazani na sliki 2.

156

TADEJ BAJD IN ALOJZ KRALJ

Slika 2: Muybridgev zapis hoje konja

Nestabilno stanje je pasivna faza hoje, kjer je hodeœaoseba oprta samo v dveh toœkah in se teæiøœe telesa giblje vsmeri napredovanja zaradi gravitacije in vztrajnosti. Predpo-stavili smo, da bo vkluœevanje nestabilnih stanj v øtirinoænivzorec hoje pohitrilo hojo paraplegiœne osebe, ki je kar de-setkrat poœasnejøa od normalne hoje zdrave osebe [4].

Slika 3: Zapis hoje paraplegiœne osebe ob uporabi FES in bergel

Grafiœni prikaz hoje paraplegiœne osebe s FES in berglamiprikazuje slika 3. Bergle smo oznaœili s toœkami, noge pa spra vokotniki. V preprostem vzorcu se izmenjujejo øtirotoœ -kovna stanja s tritoœkovnimi.


5.1 Kinematiœni model hoje z berglami

Izboljøani vzorec hoje paraplegiœne osebe s FES in ber-glami smo zgradili z uporabo kinematiœnega modela [5,6].Pri modeliranju smo uporabili teorijo paralelnih robotov.Trup predstavlja zgornjo ploøœo paralelnega manipulatorja,spodnja ploøœa pa ustreza œetverokotniku, ki ga tvorita obenogi in bergli (slika 4). Veœino sklepov, ki povezujejo obe

157


Slika 4: Paralelni kinematiœni model paraplegiœnega bolnika z berglami

ploøœi, smo modelirali kot krogelne sklepe: rame in kolki,gleænji ter oba dotika toœka-ravnina med berglami in tlemi.Komolce in ko le na smo modelirali kot rotacijske sklepe.Aktivnost gleæenjskega sklepa smo upoøtevali tako, da smopredvideli spremenljivo dolæino segmenta, ki ponazarja meœa.Predlagani mehanizem ima vsega 28 prostostnih stopenj.Mobilnost zgornje ploøœe glede na spodnjo je enaka øest.


Cilj vsakega lokomocijskega sistema je premakniti te -æiøœe v smeri gibanja. Predpostavili smo, da najveœji pomikteæiøœa pri predlaganem vzorcu øtirinoæne hoje nastopi za-radi vpliva gravitacije in vztrajnosti prav med nestabilnimstanjem. Pri predlaganem vzorcu hoje smo uporabili naœeloohranjanja energije. Maksimum œasovnega poteka kinetiœne

158


Slika 5: Podporni mnogokotniki in projekcija teæiøœa telesa medobstojeœo hojo s FES in berglami (levo) ter med predlaganim

uœinkovitejøim vzorcem (desno)

energije teæiøœa telesa sovpada z minimumom potencialneenergije in obratno minimum kinetiœne energije nastopi obmaksimumu potencialne energije. Takøno izmenjavanje ener -gije se ponavlja iz koraka v korak. Med nestabilnim stanjemse zniæa te æiøœe in potencialna energija se pretvarja v kine-tiœno. V nasled nji fazi hoje mora aktiviranje plantarnih flek-


sorjev gleænja (aktivni odriv) ponovno dvigniti teæiøœe te-lesa. Vertikalni premik teæiøœa, ki predstavlja vhod v kine-matiœni model hoje, dobimo iz poteka potencialne energije,horizontalno hirost teæiøœa pa iz kinetiœne energije. Teæiøœemodela se tako giblje po sinusoidni trajektoriji.

Model smo najprej testirali s simulacijo obstojeœega øtiri-kanalnega FES vzorca hoje. Kinematiœne parametre smo zoptiœnim merilnim sistemom OPTOTRAK izmerili pri petind-vajsetletnemu povsem hromemu paraplegiœnemu bolniku, kije odliœno obvladal FES hojo. Elektriœno stimulacijo je dne-vno uporabljal æe øtiri leta. Nivo poøkodbe hrbtenjaœe je bilT-10,11. Povpreœna hitrost hoje je bila 0.13m/s, dolæina ko-raka pa 0.18m.

Potem smo model uporabili za kreiranje izboljøanegavzorca hoje, v katerega smo vkljuœili nestabilno stanje in ak -tivni odriv v gleænjih. Hitrost simulirane hoje je bila zviøanana 0.6m/s. Na zaœetku opore ter v fazi enojne opore smovkljuœili dejavnost plantarnih fleksorjev gleænja, ki sedajaktivno dvignejo teæiøœe telesa. Teæiøœe se potem spusti mednestabilnim stanjem, ki se konœa z dotikom bergle s tlemi.Trajanje nestabilnega stanja je 0.2s, dolæina koraka pa 0.3m.

Rezultate modeliranja prikazuje slika 5 v obliki grafiœnepredstavitve projekcije trajektorije teæiøœa na mnogokotnike,ki jih tvorijo noge (pravokotniki) in vrhovi bergel (toœke). Nasliki 5 je levo predstavljen obstojeœi vzorec hoje. Pri temvzorcu hoje opazimo, da je potek trajektorije teæiøœa telesa vvsaki fazi hoje razmeroma kratek. Pomik trupa opravijo rokein ohranjene trupne miøice predvsem med øtiritoœkovnimstanjem. V predlaganem izboljøanem vzorcu hoje, prikaza-nem na sliki 5 desno, nastopi aktivni pomik teæiøœa telesamed øtirotoœkovnim in tritoœkovnim stanjem zaradi delova-nja plantarnih fleksorjev gleænja. Najveœji pomik teæiøœa te-lesa pa nastopi med nestabilnim stanjem. Tu gre za pasivnipomik, ki nastopi zaradi teæe in vztrajnostnih sil.

159



5.2 Hoja po kolenih in rokah

Pravilnost predlaganega øtiritoœkovnega vzorca hoje smopreverili øe z merjenjem hoje zdravih oseb po kolenih in ro -kah. Privzeli smo, da je gibanje po vseh øtirih ekstremitetahmoæen model hoje z berglami. Predpostavili smo, da se po-dobni ritmiœni gibi rok in nog pojavljajo pri obeh oblikahloko mocije. Œloveøko hojo po kolenih je æe leta 1871 foto-grafiral Muybridge [3] (slika 6), mi pa smo za merjenje œlove-kovega gibanja uporabili merilni sistem OPTOTRAK. Merilni

160


Slika 6: Muybridgevi fotografski posnetki hoje po kolenih in rokah

sistem je sestavljen iz dveh vnaprej kalibriranih sistemovkamer, ki omogoœata bilateralno tridimenzionalno merjenjekoordinat markerjev. Ko smo merili hojo po øtirih, smo na-mestili osem markerjev na ocenjena anatomska mesta obehzapestij, kolen, ram in kolkov zdravih poskusnih oseb. Podat -ke smo zbirali s frekvenco vzorœenja 100Hz in natanœnostjo0.35mm [7].


Øtirinoæno hojo sreœamo pri otrocih med 38 in 50 tednistarosti kot naraven naœin gibanja. Smatramo jo kot pripra-vljalno fazo za pokonœno hojo. Gibanje po kolenih in rokahsicer uporabljamo le redko pri nekaterih delovnih opravilih.V naøem primeru smo hojo po kolenih øtudirali pri desetihmladih moøkih s povpreœno starostjo 22 let.

161


Slika 7: Øtirinoæni vzorec hoje predstavljen z usmerjenim grafom

Slika 7 prikazuje polovico periode gibanja po rokah inkolenih predstavljeno z usmerjenim grafom. Razliœna stanjaøtirinoænega vzorca hoje definiramo s øtevilom ekstremit, kiso v dotiku s tlemi. Tako imamo opravka s øtiritoœkovnimi,tritoœkovnimi in dvotoœkovnimi stanji. Na sliki 7 puøœica po-meni smer hoje. Roke, ki so v dotiku s tlemi, so predstavljenes toœkami. Pravokotniki pripadajo kolenom.


Usmerjeni graf daje devet moænih reøitev. Znaœilna zavse vzorce œloveøkega gibanja po øtirih so nestabilna stanja,ko je oseba podprta le na enem kolenu in na kontralateralniroki. Izmed devetih moænih reøitev smo v eksperimentalnihpogojih opazili le øtiri. Razliœni vzorci se pojavljajo v ra-zliœnih obmoœjih hitrosti hoje. Za preverjanje ustreznostivzorca hoje, ki smo ga predlagali na osnovi kinematiœnegamodela hoje, je zanimiv vzorec pri najniæjih hitrostih. Prinizkih hitrostih (0.14-0.28m/s) dobimo naslednji vzorec(slika 7):

4S → 3HP → 2 → 3FW → 4F

To je vzorec, ki smo ga uporabili v kinematiœnem mo-delu. Razlika glede na vzorec prikazan na sliki 3 se pojavi vstanju 2, kjer nastopi pri hoji po øtirih nestabilno stanje. Natem mestu imamo pri obstojeœi hoji s FES in berglami øiri-toœkovno stabilno stanje (slika 3). Nestabilno stanje, ki na-stopi pri hoji po kolenih in rokah, traja 0.2s, kar natanœnoustreza trajanju nestabilnega stanja, ki smo ga vkljuœili v ki-nematiœni model predlaganega vzorca hoje. V kinematiœ -nem modelu pa smo privzeli najveœjo hitrost, ki smo jo iz-merili pri hoji po kolenih in rokah, to je 0.6m/s.

5.3 Zakljuœek

Predlagane hoje z izmenjavanjem aktiviranja plantarnihfleksorjev in nestabilnega stanja ni bilo mogoœe ustvariti prihoji povsem hromih oseb z uporabo veœkanalne funkcional -ne elektriœne stimulacije. Zavedati se moramo, da paraple-giœne osebe od ohromelih spodnjih ekstremitet ne prejemajonikakrøne povratne senzorne informacije. Prav tako nimajokontrole nad delom ohromljenega trupa nad okoljœjem. Tako

162



163


so poskusne osebe imele premalo zaupanja v oporo zagoto-vljeno preko elektriœno stimuliranih miøic in se niso upalespustiti v nestabilna stanja. FES hoja paraplegiœnih oseb nipriøla do vsakdanje uporabe. Zadali smo si razmeroma skro-men cilj, da bi omogoœili, na primer, hromemu øtudentu spoøkodbo hrbtenjœe hojo s FES in berglami med parkiriøœemin predavalnico na univerzi. Na ta naœin mu ne bi bilo potre-bno uporabljati nerodnega in pozornost vzbujajoœega inva-lidskega voziœka. Tega cilja, æal, nismo dosegli. FES hoja zberglami se danes uporablja zgolj za urjenje hoje paraple-giœnih oseb. Priznati pa ji je potrebno, da ohranja jakost pa-raliziranih miøic in predvsem gibljivost sklepov.

Danes se za urjenje delno in povsem hromih bolnikov vrehabilitacijskih centrih veœinoma uporabljajo robotski ekso-skeleti. Tu gre za mehanske opornice, ki potekajo vzdolæseg mentov ekstremitet in so v sklepih povezane preko mo-torja, ki skrbi za gibanje v sklepu. Robotski skeleti se upora-bljajo tako pri urjenju hoje na tekoœem traku kakor tudi pro-sto v poljubnem prostoru. Oporni mehanizem nudi bolnikuveœjo sigurnost in tako ta lahko dosega veœje hitrosti hoje.Novi materiali, motorji in napajalni viri pa bodo v ne takodaljni prihodnosti omogoœili tudi vsakodnevno funkcionalnogibanje povsem hromih oseb [8]. Prav to je bil razlog, da smov priœujoœem poglavju obudili naøe poskuse iz preteklih razi-skav, saj lahko nudijo zanimive vzpodbude v novih pogojih.

V tem poglavju smo øtiritoœkovno hojo smatrali kot loko-mocijo, ki je inferiorna od bipedalne hoje. Œe pomislimo nagibanje æivali, temu seveda ni tako. Gepard, na primer, pre-teœe razdaljo 100m v 5.95s, medtem ko za isto razdaljo po-trebuje olimpijski pravak Usein Bolt 9.58s. Obstaja torejupanje, da bo mogoœe øtiritoœkovne vzorce hoje øe nadaljeoptimizirati.


Literatura

1. Alojz Kralj, Tadej Bajd, Functional Electrical Stimulation: Standingand Walking after Spinal Cord Injury, CRC Press, Boca Raton, 1989.

2. Eadward Muybridge, Animals in Motion, Dover Publications, NewYork, 1957.

3. Eadward Muybridge, The Human Figure in Motion, Dover Publica-tions, New York, 1955.

4. Tadej Bajd, Alojz Kralj, Tomaæ Karœnik, Unstable states in four-leggedlocomotion, V Proceedings of IEEE/RSJ/GI Int. Conf. on Intelligent Ro-bots and Systems IROS’94, str. 1019–1025, München, 1994.

5. Tadej Bajd, Miloø Æefran, Alojz Kralj, Timing and kinematics of qua-drupedal walking pattern, V Proceedings of IEEE/RSJ/GI Int. Conf. onIntelligent Robots and Systems IROS’95, str. 303–307, Pittsburgh,1995.

6. Miloø Æefran, Tadej Bajd, Alojz Kralj, Kinematic modeling of four-point walking patterns in paraplegic subjects, IEEE Trans. Syst., Man,and Cybern., 26:760–770, 1996.

7. Jan Babiœ, Tomaæ Karœnik, Tadej Bajd, Stability analysis of four-pointwalking, Gait Posture, 14:56–60, 2001.

8. Alan T. Asbeck, Stefano M. M. De Rossi, Ignacio Galiana, Ye Ding,Conor J. Walsh, Stronger, smarter, softer: Next generation wearablerobots, IEEE Robot. Automat. Mag., 21:22–33, 2014.

164



165

Poglavje 6

Kloniranje podzavestnih œlovekovih spretnosti

Ivan Bratko, Dorian Øuc*

6.1 Uvod

Eden najbolj elegantnih naœinov programiranja robotovin drugih naprav je programiranje z demonstracijo (npr. [1]).Robotu, na primer, pokaæemo, kako se pobarva del avtomo-bila. Œlovekovo demonstracijo barvanja robot spremlja s ka-mero in morda drugimi senzorji. Razpoznano trajektorijobarvanja si zapomni, tako da jo lahko ponovi, tokrat sevedaz lastno, robotsko roko. Ponoviti œlovekovo trajektorijo ni pov -sem trivialno, saj mora program za vodenje robotove roke iz-raœunati ustrezne premike motorjev v roki, tako da prijemaloroke oz. brizgalka sledita dani trajektoriji. Dodatno se zah-tevnost naloge posnemanja œloveka poveœa, œe predmet, kiga barvamo, ni vedno v enaki legi. Ali pa, da se zaradi neza-nesljivosti v izvajanju akcij robotova roka oddalji od za æe -lene trajektorije. V takih primerih mora program za vodenjerobota nenehno popravljati vnaprej predvidene akcije, takoda se gibanje vrne na æeleno trajektorijo.

* Fakulteta za raœunalniøtvo in informatiko, Univerza v Ljubljani


Ta pristop k programiranju naprav vœasih imenujemo klo-niranje œlovekove veøœine vodenja (angl. behavioural clo-ning, izraz, ki ga je skoval Donald Michie [2,3,4]). V tem po-glavju bomo predstavili ideje za kloniranje operaterjeveveøœine vodenja dinamiœnih sistemov in poskuse z vodenjemnekaterih sistemov, kot so letalo, æerjav, invertirano nihalo ali

166

IVAN BRATKO, DORIAN ØUC

(a) Invertirano nihalo

(b) Akrobot

(c) Æerjav

Palica

Voziœek

Voziœek

Tovor

Slika1: (a) Naloga je voditi invertirano nihalo (vœasih je nalogaimenovana tudi voziœek-palica) s silo F tako, da se voziœek premakne iz

zaœetnega poloæaja x = x0 v ciljni poloæaj x = 0, pri œemer je trebadræati palico v ravnoteæju, da ne pade. (b) Dvosegmentni akrobot je

vrtljivo pripet na drog, kot telovadec na drogu. Zgornji œlen (roke in truptelovadca) lahko niha okrog toœke vpetja, spodnji œlen (noge) pa okrogtoœke spoja z zgornjim œlenom. Naloga je voditi akrobot z navorom T

tako, da ta naraøœajoœe niha okrog navpiœnice, dokler ne pride v stabilnonavpiœno lego nad drogom in v tej legi ostane. (c) Krmilnik vodi æerjav ssilama FX (pospeøevanje voziœka) in FL (vodenje dolæine vrvi). Nalogavodenja je œim hitreje prenesti tovor iz danega zaœetnega poloæaja na

dani ciljni poloæaj, pri œemer naj tovor niha œim manj.


akrobot (slika 1). Naloga kloniranja je torej v grobem defini-rana takole: imamo dinamiœni sistem in operaterja, ki je spo-soben voditi ta sistem. Operater demonstrira svojo veøœi novodenja, pri œemer se avtomatsko zabeleæi posnetek vodenja,to je zaporedje stanj sistema in akcij, ki jih je v teh stanjih iz-vedel operater. Naloga je sestaviti program, ki bo posnemaloperaterja, torej ki bo vodil sistem na podoben naœin kot ope-rater. Kriteriji za uspeønost kloniranja vklju œujejo naslednje:(1) da operaterjev klon doseæe œim boljøo izvedba vodenja, toje, da opravi nalogo œim hitreje, œim bolj zanesljivo in œimbolj gladko (na primer, da se pri vodenju æerjava izogiba ne-potrebnemu nihanju tovora); (2) da je klon œim bolj razumljivœloveku, zato da lahko na tej osnovi (a) gradimo nove idejeza vodenje, ali (b) nadalje optimiramo dobljeni krmilnik, ali(c) izboljøamo sam dinamiœni sistem za boljøo izvedbo na-loge, ali pa (d) da druge operaterje uœimo spretnosti vodenja.

Kloniranje operaterja je moæno na razne naœine. Programza vodenje sistema lahko poskusi napisati operater sam zanalizo lastnega vodenja (introspekcija), ali pa opis lastnegavodenja posreduje programerju, ki opis prepiøe v raœunalni -

vodenja z uœenjem iz primerov posnetkov operaterjevegavo denja. Ta zadnja moænost je verjetno najbolj zane sljiva inpogosto vodi do klonov, ki bistveno presegajo originalnegaoperaterja. V nadaljevanju bomo predstavili primere klonira-nja z introspekcijo in s strojnim uœenjem.

6.2 Kloniranje veøœine z introspekcijo

Prva, morda najbolj enostavna ideja za izdelavo opera-terjevega dvojnika, je: od operaterja poskusimo dobiti opis,kako sam vodi sistem, in ta opis prepiøemo v program, ki bodeloval po tem opisu in tako avtomatsko vodil dinamiœni

167

KLONIRANJE PODZAVESTNIH ŒLOVEKOVIH SPRETNOSTI


sistem s posnemanjem operaterjeve veøœine. Tu se pokaæeprob lem v tem, da je operaterjeva veøœina podzavestna. Ope - rater vodi sistem po obœutku, ne da bi lahko zavestno ra-zloæil, po kakønih pravilih ga dejansko vodi. Zato po opera-terjevem opisu navadno ni mogoœe v celoti napisati dobregaprograma za vodenje.

V [5] je opisan poskus s kloniranjem z introspekcijo. Osemøtudentov se je v tem poskusu uœilo voditi simulirano inverti-rano nihalo oz. sistem voziœek-palica. Øtudentje so na zaslonuopazovali stanje sistema, prikazano s trenutnimi vrednostmispremenljivk stanja sistema: X (poloæaj voziœka na x-osi), DX(hitrost voziœka), Theta (kot v smeri urinega kazalca med pa-lico in vertikalo; ko je palica v navpiœni legi, je Theta = 0) inkotna hitrost DTheta. Matematiœni model tega sistema je:

(M + m) * DDX – m * L * DDTheta * cos(Theta) + m * L * DTheta2 * sin(Theta) = F

L * DDTheta – g * sin(Theta) = DDX * cos(Theta)

Pomen simbolov v enaœbi je:

M = masa voziœka (v poskusih M = 1 kg)m = masa palice (v poskusih m = 0.1 kg)L = dolæina palice (v poskusih L = 1 m)DX = odvod X po œasu, DDX je drugi odvod X po

œasuDTheta = odvod Theta po œasu, DDTheta je drugi

odvod Theta po œasug = zemeljski pospeøek

Øtudentje so delali s t. i. instrumentalno predstavitvijo. Torejniso videli na zaslonu animacije sistema, temveœ le øtiri in-strumente, ki so v obliki paliœnega diagrama kazali trenutnostanje øtirih spremenljivk stanja sistema X, DX, Theta in

168



DTheta. Na sistem so lahko vplivali s svojimi akcijami, to je sspreminjanjem krmilne sile, ki je v teh poskusih lahko zav-zela le dve moæni vrednosti +10 N ali –10 N (to je t. i. bang-bang reæim, potiskanje voziœka levo ali desno s fiksirano ab-solutno vrednostjo sile). Øtudentje niso vedeli, za kateridinamiœni sistem gre, torej niso mogli uporabiti nobene in-tuicije o dejanskem fiziœnem sistemu. O reakcijah sistema nauporabljeno silo so lahko sklepali le prek odzivov sistema inse ob tem uœili, kakøna naj bi bila pribliæno dinamika si-stema. Naloga vodenja je bila vedno spraviti voziœek izzaœetnega stanja X = –2 m ali +2 m, vse druge spremenljivkeenake 0, v ciljno stanje z X = 0 in 2 sekundi ostati v nepo-sredni bliæini X = 0. Pri tem je bil simulator upoœasnjen zafaktor 8, da naloga ni bila preteæka. X-koordinata je bila ome -jena z -2.4m ≤ X ≤ 2.4m.

Vsak udeleæenec je imel na voljo 150 poskusov iz zaœet-nega stanja. Vsak poskus se je bodisi konœal uspeøno, ali paneuspeøno iz enega od naslednjih moænih razlogov: voziœekse je znaøel izven dovoljenega intervala za X, ali se je palicanagnila za veœ kot 45 stopinj, ali pa je potekel dovoljeni œas15 simuliranih sekund, to je 120 sekund z upoœasnjenim si-mulatorjem.

Po opravljenih 150 poskusih sta dva udeleæenca doseglavsaj po en uspeøen poskus vodenja, preostalih øest pa nobe-nega. Najhitrejøi uspeøni poskus je trajal 4,7 sekund simulira-nega œasa. Vsi udeleæenci so menili, da so se bolj ali manjnauœili pravilne strategije vodenja, tudi tisti brez uspeønegaposkusa. Vsi so menili, da sta za vodenje najbolj pomembnispremenljiki X in Theta, oz. instrumenta, ki sta ustrezala temaspremenljivkama. Na vpraøanje, kaj je simulirani fiziœni si-stem, ki ste ga poskuøali voditi, so odgovorili z zelo razliœnimiinterpretacijami, od katerih nobena ni bila pravilna.

Oba operaterja, ki sta imela vsaj po en uspeøen poskus,sta bila povabljena, da svojo spretnost prepiøeta v krmilni

169



program za simulirani sistem, øe vedno brez vedenja, za ka-teri sistem gre. Bolj natanœno, poskuøala sta napisati pro-gramsko funkcijo øtirih spremenljivk stanja sistema, ki kot re-zultat vrne ustrezno vrednost krmilne sile F. Napisala stavrsto krmilnih programov ter serijo popravkov vsakega odnjih. Ti programi so tipiœno obsegali okrog 30 vrstic kode. Poenem tednu poskusov sta zakljuœila z zadnjo verzijo, ki jebila na videz blizu uspehu. Ta krmilnik je uspeøno pripeljalvoziœek v toœko X = 0 v 6,5 sekunde simuliranega œasa. Pro-blem pa je bil v tem, da je voziœek ob dosegu te toœke imelznatno hitrost. Idealno pa bi bila hitrost takrat enaka 0. Obposkusu, da se ta hitrost zmanjøa, je priølo do hitrega padcapalice. Skratka, dobljena reøitev je dejansko zadoøœala le zaprvi del naloge vodenja.

Zakljuœek tega poskusa je, da je s samo introspekcijoteæko priti do uspeønega krmilnika, œeprav je programer æezmoæen pravilnega vodenja. Spretnost vodenja je podzave-stna in vgrajena v operaterjeve refleksne odloœitve, ki jih iz-vaja na nivoju prstov, ne pa na osnovi zavestnega odloœanja.V svojem poroœilu o teh poskusih sta øtudenta komentirala:»Pokazalo se je, da je prevod œlovekove strategije vodenjateæko prevesti v program. Nekatere najine krmilne odloœitveso refleksne in verjetno se jih niti ne zavedava. Dodatnateæava je v tem, da sme krmilni program uporabljati le tre-nutne vrednosti spremenljivk stanja, ne sme pa npr. upoøte-vati, koliko œasa katera spremenljivka æe ni spremenila svojevrednosti. Ta informacija je pomemben faktor odloœanja vroœnem vodenju.« Zadnja pripomba nakazuje, da je œlove-kova strategija vodenja verjetno sestavljena iz daljøih zapo-redij akcij, ki po moænosti vodijo k doloœenemu podcilju, nepa le posameznih akcij s frekvenco npr. 50 Hz. Na primer privodenju æerjava: vzdræuj dlje œasa kot vrvice blizu vertikale,ali pa naj bo hitrost voziœka na doloœenem intervalu vredno-sti X pribliæno konstantna.

170



171


Ta negativni rezultat rekonstrukcije z introspekcijo za pri-mer voziœek-palica je nekoliko presenetljiv tudi zato, ker jedelujoœ krmilnik dejansko zelo enostaven in ga je mogoœenapisati v eni vrstici kot linearno kombinacijo øtirih spremen-ljivk stanja:

F = 1,09 X + 2,17 DX + 26.53 Theta + 6.78 DTheta

Koeficiente v tej enaœbi je mogoœe precej spremeniti, pakrmilnik øe vedno zanesljivo deluje. Moæno je tudi izvajanjev bang-bang reæimu s frekvenco npr. 50 Hz:

F = sign(1,09 X + 2,17 DX + 26.53 Theta + 6.78 DTheta) * 10N

Podobno enostavno in intuitivno zelo logiœno je pravilo vo-denja, ki ga je s poskusi s simulatorjem invertiranega nihala vveliki meri z roœnim poskuøanjem sestavil Andrej Makaroviœ[6,7] (slika 2).

if DTheta < -5 then F = -10 elseif DTheta > 5 then F = 10 N elseif Theta < -2 then F = -10 N elseif Theta > 2 then F = 10 elseif DX < -0.1 then F = -10 elseif DX > 0.1 then F = 10 N elseif X < 0 then F = -10 N else F = 10

Zatem je eden od uspeønih operaterjev dobil na voljoprogram za strojno uœenje regresijskih dreves RETIS [8], kinaj bi ga uporabil kot orodje za avtomatsko ekstrakcijo pra-

Slika 2. Pravilo vodenja A. Makaroviœa za invertirano nihalo v reæimubang-bang. Kot Theta je v stopinjah, DX je hitrost voziœka v m/s, DTheta

je kotna hitrost v stopinjah na sekundo.


vila vodenja iz posnetkov svojega vodenja. Uœenja s progra-mom RETIS se je lotil na najbolj neposreden naœin. Primeriza uœenje so ustrezali stanjem sistema in akcijam operaterjav teh stanjih (to je vrednost krmilne sile F) v posnetku vode-nja. Tako je bil razred v primerih sila F, atributi pa spremen-ljivke stanja X, DX, Theta in DTheta. Kot celotno uœnomnoæico je uporabil po prvih 10 sekund dveh uspeønih pos-netkov vodenja iz zaœetnih stanj iz nasprotnih strani steze.Po nekaj poskusih z nastavljanjem parametrov programa jeiz primerov induciral uspeøna pravila vodenja, ki so bila pra-viloma veliko bolj enostavna od tistih, dobljenih z introspek-cijo. Zakljuœek tega poskusa je, da je veliko laæe za œlovekarekonstruirati veøœino vodenja s strojnim uœenjem iz œloveko-vih posnetkov vodenja, kot pa roœno s samoopazovanjem. Ra-ziskovalna vpraøanja, ki jih odpirajo ti osnovni poskusi, pa so:

• Kako v sploønem konstruirati klone, ki vodijo uspeønoin zanesljivo?

• Ali je mogoœe klonirano œlovekovo spretnost vodenjanadalje optimizirati in preseœi uspeønost operaterjaœloveka?

• Kako doseœi, da s strojnim uœenjem inducirani klonvodi v stilu operaterja?

• Ali lahko s strojnim uœenjem induciramo razumljiveklone? Ali lahko na ta naœin razumemo in razloæimoœlovekovo spretnost vodenja, ki jo œlovek sam izvajanezavedno, torej v nekem smislu dobimo vpogled v œlo-vekove reflekse? Ali lahko iz dobljenega klona razpo-znamo operaterjeve manevre, kaj so operaterjevi cilji inpodcilji pri izvajanju naloge vodenja?

V nadaljevanju tega poglavja se bomo posvetili meto-dam, ki stremijo k odgovorom na gornja vpraøanja.

172



6.3 Rekonstrukcija spretnosti s strojnim uœenjem:formulacija problema

Posnetek operaterjevega vodenja dinamiœnega sistema jezaporedje, v katerem si izmenoma sledijo stanja sistema inoperaterjeve akcije:

Stanje1, Akcija1, Stanje2, Akcija2, ...

Ekstrakcijo operaterjeve strategije vodenja iz posnetka vo-denja navadno formuliramo kot problem strojnega uœenjatakole. Uœni primeri so pari oblike (Stanje, Akcija). Vsakostanje je podano s trenutnimi vrednostmi spremenljivk sta-nja, zato v strojnem uœenju te spremenljivke vzamemo kotatribute, akcije pa kot razred. Naloga klasifikacijskega uœe -nja je potem iz podanih primerov poiskati funkcijo f, kiustreza operaterjevi strategiji. f preslika mnoæico moænihstanj v mnoæico moænih akcij:

f: Stanja → Akcije

Za vsako stanje S sistema funkcija f doloœi ustrezno akcijo:A = f(S). Pri tem naj bi funkcija f oponaøala operaterjeveodloœitve. S staliøœa teorije sistemov je ta formulacija dobroutemeljena, s tem da stanje sistema vsebuje popolno infor-macijo, ki ob dani akciji zadoøœa za nedvoumno doloœitevnaslednjega stanja sistema. Opozoriti je treba tudi na to, data formulacija uœenja ignorira vrstni red stanj in akcij. Vsiuœni primeri, to je pari (Stanje, Akcija), tvorijo mnoæico pri-merov, pri œemer program za uœenje po tej formulaciji igno-rira informacijo o vrstnem redu stanj. Poskusi v prejønjemrazdelku so uporabljali prav to formulacijo uœenja, ki jo ime-nujemo »direktni krmilniki«. »Direktni« zato, ker se akcija do -loœi neposredno iz trenutnega stanja sistema.

173



Vendar je kljub sploøni sprejetosti ta formulacija vpraø -ljiva, saj ni reœeno, da operater izbira svoje odloœitve le naosnovi trenutnega stanja. Izkuønje kaæejo na ravno obratno:da operaterjevo odloœanje za vsako akcijo temelji na osnovidaljøe zgodovine stanja sistema, morda tudi na osnovi celot-nega poteka od zaœetka do trenutnega stanja. Na to lahkosklepamo iz operaterjevih lastnih opisov, kako vodijo sistem.V opisih najdemo stavke, kot so: »Zatem do pol poti do ciljavzdræuj konstantno hitrost.« Ali pa: »Dosezi hitrost voziœka,ki naj bo proporcionalna kotu vrvi.«

Taki opisi ustrezajo daljnoroœnejøim ciljem operaterja, kise vleœejo skozi zaporedje stanj sistema in bi jih bilo zelo ne-rodno ali nemogoœe opisati kot funkcijo le tekoœega stanjasistema. Œe se sklicujemo le na eno stanje sistema, je teækorazpoznati in razloæiti, kaj so bili nameni operaterja v raznihfazah vodenja. V poskusih se je tudi pokazalo, da v sploøneminducirani krmilniki, definirani kot funkcija trenutnega stanjasistema, niso dovolj robustni in ne delujejo veœ dobro æe primajhnih spremembah problema. Zmoti jih lahko majhenøum v meritvi trenutnega stanja ali pa nekoliko nepriœako-vani rezultati akcije, ki lahko nastanejo zaradi mehanske ne-zanesljivosti naprave.

Povzemimo torej znani slabosti direktnih krmilnikov:

1. Slaba robustnost, saj je uspeønost vodenja obœutljivana majhne spremembe problema, vkljuœno s øumomin majhnimi odstopanji v izvedbi akcij.

2. Slaba osnova za razlago o tem, kako operater dejan-sko doseæe cilj ali podcilj.

Zato je kot bolj primerna videti naslednja formulacija:

Akcijat = f( St, St-1, St-2, ...)

174



kjer je Akcijat akcija izbrana ob œasu t, St je stanje ob œasu t,St-1 stanje ob œasu t-1 (to je en œasovni korak pred œasom t),St-2 stanje ob œasu t-2 itd. Ta formulacija vodi do t. i. pojma»indirektnega krmilnika«, ki je tipiœno sestavljen iz veœ kom-ponent. Ena komponenta bi lahko bila zaporedje (vmesnih)ciljev, ki naj jih krmilnik po vrsti doseæe, preden doseæekonœni cilj. S tem je problem vodenja dekomponiran v veœfaz. Pri tem merimo na to, da so posamezni podcilji laæe do-segljivi kot pa konœni cilj. Zato naj bi lahko podcilje dosegalis premoœrtno uporabo npr. linearnih krmilnikov, ki bi ustre-zali posameznim fazam oz. podciljem. Za to bi zadoøœal æepribliæni model dinamike sistema.

V nadaljevanju se bomo posvetili naslednji izvedbi indi-rektnih krmilnikov. Zaporedje vmesnih ciljev bo podano karzvezno, s tem da naj krmilnik sledi neki vzorœni trajektoriji vœasu. To trajektorijo se sistem nauœi iz primerov vodenja. Pri-meri vodenja predstavljajo mnoæico trajektorij, ki jih je ope-rater dejansko izvedel. Iz njih se sistem nauœi t.i. posploøenotrajektorijo. Ta je podana v obliki omejitev, ki okarakterizi-rajo zaæeleni naœin vodenja. Trajektorijo si lahko razlagamotudi kot cilj, ki se med izvajanjem vodenja stalno spreminja.Vsaka toœka trajektorije ustreza enemu podcilju. Sledenjetrajektoriji torej ustreza izpolnjevanju gostega, skoraj zvez-nega zaporedja ciljev.

Indirektni krmilnik je torej sestavljen iz dveh komponent:(1) posploøena trajektorija in (2) model dinamike sistema.Krmilnik uporablja posploøeno trajektorijo, tako da vsakiœ iz-raœuna razliko med trenutnim stanjem sistema in posploøenotrajektorijo. Potem pa z modelom dinamike izbere tako ak-cijo, ki zmanjøa to razliko.

175



6.4 Uœenje indirektnih krmilnikov in njihova uporaba

Uœenje indirektnih krmilnikov iz posnetkov vodenja ob-sega dva problema uœenja:

• Iz dane sledi se nauœimo pribliænega modela dinamike.Ta model omogoœa za dano trenutno stanje sistema inizbrano akcijo pribliæno napovedovati naslednje stanjesistema.

• Iz posnetkov se nauœimo posploøeno trajektorijo, kotbo opisano v nadaljevanju.

Za uœenje modela dinamike bomo v poskusih, opisanih v na-daljevanju, uporabljali nelinearno funkcijsko aproksimacijo,kot sta metodi regresijskih dreves in lokalne uteæene linear-ne regresije (angl. locally weighted linear regression, [9]). Zapredstavitev posploøenih trajektorij pa bomo uporabljali kvali-tativni pristop, kjer modele opiøemo kvalitativno za razliko odobiœajnih kvantitativnih ali numeriœnih modelov.

Zakaj uporabimo kvalitativni pristop k modeliranju za po-sploøevanje trajektorij? Znano je, da je za nekatere nalogekvalitativno modeliranje in sklepanje bolj primerno kot kla-siœno, kvantitativno modeliranje. Primeri takih nalog so dia-gnosticiranje bolezni ali okvar v napravah, snovanje siste-mov iz »prvih principov« in generiranje razlage obnaøanjasistema (kako sistem deluje?). V kloniranju spretnosti nas po-sebej motivira ta zadnji primer, kako bi razloæili operaterjevopodzavestno spretnost. V œem je bistvo njegovega naœin vo-denja, ki se ga morda niti sam ne zaveda?

Na podroœju kvalitativnega modeliranja in sklepanja vumetni inteligenci so bile razvite metode, ki na osnovi kvali-tativnih opisov omogoœajo sklepanje »po zdravi pameti«praktiœno brez uporabe kvantitativne informacije in brez po-znavanja kvantitativnega modela sistema [10,11]. Kvalitati-

176



vne opise, za razliko od kvantitativnih, si lahko razlagamokot abstrakcijo numeriœnih vrednosti v kvalitativne vrednostiter numeriœnih funkcij v kvalitativne omejitve. Nekatere vrsteproblemov je mogoœe ustrezno reøevati z le kvalitativnimiopisi, s œimer se izognemo numeriœnemu raœunanju, pri œe -mer tudi ne potrebujemo zahtevnega kvantitativnega mode -la, ki bi ga bilo teæko ali celo nerealno zgraditi. Kvalitativnemodele je navadno veliko laæe zgraditi kot tradicionalnekvantitativne, tako roœno kot tudi avtomatsko s strojnim uœe -njem iz izmerjenih podatkov. Poleg tega je kvalitativna re -øitev lahko veliko laæe razumljiva kot numeriœna. Vse to jebila naøa motivacija za uporabo kvalitativnih pristopov vproblemu kloniranja spretnosti.

Osnove kvalitativnega modeliranja, potrebne za razume-vanja indirektnih krmilnikov, so podane v nadaljevanju, sku-paj z uœenjem kvalitativnih modelov iz numeriœnih poda-tkov.

6.5 Kvalitativno modeliranje in kvalitativna simulacija

Tu bomo pogledali nekaj osnovnih pojmov kvalitativnegamodeliranja s t. i. kvalitativnimi diferencialnimi enaœbami. Vtem pristopu gre za kvalitativno abstrakcijo realnih vrednostiin funkcij med realno vrednostnimi spremenljivkami. Øtevil-ske vrednosti spremenljivk abstrahiramo in jih nadomestimov kvalitativne vrednosti, izraæene s posebnimi, »odlikova-nimi« vrednostmi ali intervali med odlikovanimi vrednostmi.

Vzemimo za primer posodo, ki je delno napolnjena zvodo. Koliœino vode v posodi oznaœimo z A, nivo vode pa zL. Koliœina vode A je funkcija nivoja L: A = f(L). Œe je oblikaposode zapletena oz. nepravilna, je funkcija f lahko zelo za-pletena. Vendar za praktiœno poljubno obliko posode veljatrditev: œim veœji je L, tem veœji je A (veœ kot je vode, viøe

177



sega v posodi). To v kvalitativnem modelu formalno za-piøemo kot A = M+(L). To formulo preberemo kot: A je mo-notono naraøœajoœa funkcija od L (slika 3).

178


Slika 3. Trije primeri monotono naraøœajoœih funkcij y = f(x). Za vse trifunkcije velja ista kvalitativna omejitev y = M+(x). Vse tri funkcije

zadoøœajo tudi moœnejøi kvalitativni omejitvi y = M0+(x), kar pomeni, da

funkcije potekajo skozi koordinatno izhodiøœe (f(0) = 0).

Najpogosteje pri modeliranju s kvalitativnimi diferencial-nimi enaœbami uporabljamo naslednjo zbirko omejitev:

• M+(X,Y) Y je monotono naraøœajoœa funkcija X(slika 3)

• M-(X,Y) Y je monotono padajoœa funkcija X• sum(X,Y,Z) Z = X+Y• minus(X,Y) Y = -X• mult(X,Y,Z) Z = X*Y• deriv(X,Y) Y = dX/dt (Y je odvod po œasu od X)

Monotone funkcijske omejitve lahko definiramo tudi tako,da veljajo le na odsekih med po dvema odlikovanima vred-nostima neodvisne spremenljivke. Med gornjimi omejitvaminekatere ustrezajo aritmetiœnim operacijam, npr. sum(X,Y,Z).Vendar te omejitve ne pomenijo dobesedno aritmetiœnih

Y

X


operacij, temveœ njihove abstrakcije. Te se nanaøajo na ab-strakcije realnih vrednosti. Vzemimo primer. Naj bodo X, Yin Z spremenljivke, katerih vrednosti so npr. X = 2,3, Y = -3,5in Z = –1,2. Spremenljivke torej zadoøœajo pogoju X+Y = Z.V ustreznem kvalitativnem modelu so øtevilske vrednosti ab-strahirane npr. takole. Œe je X > 0, potem je ustrezna kvalita-tivna vrednost X enaka pos (pozitivna, angleøko »positive«),œe je X = 0, potem je kvalitativna vrednost X enaka »zero«,sicer pa »neg«. Podobno naj bodo abstrahirane øtevilskevrednosti za Y in Z. Gornje tri øtevilske vrednosti 2,3, –3,5 in–1,2 potem ustrezajo kvalitativnim vrednostim: pos, neg,neg. Ob kvalitativni abstrakciji øtevil v zgolj tri kvalitativnevrednosti smo seveda izgubili veliko informacije, saj vredno-sti spremenljivk zdaj niso podane tako natanœno, kot s øte-vili. Te tri kvalitativne vrednosti tudi ustrezajo omejitvi sum:sum(pos,neg,neg). Zato tudi seøtevanje, poenostavljeno z re-lacijo sum, ni veœ tako natanœno. Npr. œe poznamo kvalitati-vni vrednosti X in Y, Z s tem øe ni doloœen. Veljajo trimoænosti za kvalitativno seøtevanje:

sum( pos, neg, neg), sum( pos, neg, zero) in sum(pos, neg, pos)

Seøtevanje je tako postalo nedeterministiœno (dvoumno). Œesta X = pos in Y = neg, je Z lahko neg, zero ali pos. Kljub tejizgubi natanœnosti, nam v mnogih primerih tudi kvalitativnoseøtevanje øe vedno zadoøœa, da dobimo dovolj koristne re-zultate. Izpeljani rezultati iz le kvalitativne informacije so,paradoksalno, lahko celo bolj koristni kot tisti, dobljeni z na-tanœnim øtevilskim raœunanjem. Poglejmo zelo enostaven pri -mer, ki ilustrira to lastnost kvalitativnega sklepanja, polegtega pa tudi pokaæe, kako modeliramo dinamiœne sisteme zgornjo zbirko kvalitativnih omejitev.

Vzemimo posodo brez odtoka, postavljeno pod odprtopipo. V posodo tako priteka voda s konstantnim tokom. Spre-

179



menljivke, ki jih opazujemo, so: vhodni tok vode F, koliœinaA vode v posodi ter nivo vode L.

Najprej si izberimo ustrezno predstavitev kvalitativnihvrednosti teh treh spremenljivk. To storimo tako, da dolo -œimo t. i. odlikovane vrednosti (angl. landmark) za vsako odspremenljivk. V naøem primeru za tok F zadoøœa æe ena samaodlikovana vrednost, »zero«. S tem so doloœene moæne kva-litativne vrednosti za F:

neg tok F je negativen (kar sicer za naø model sistema fizi-kalno ne bo mogoœe)

zero tok F = 0pos tok F je pozitiven, torej F > 0

Vrednosti pos in neg lahko ekvivalentno zapiøemo tudi vobliki intervalov minf..zero in zero..inf, kjer je minf enakominus neskonœno, inf pa neskonœno. Za nivo L sta zanimiviodlikovani vrednosti »zero« (ko je posoda prazna) in »top«(ko je nivo vode enak viøini posode, torej ko nivo vode do-seæe zgornji rob posode). Za koliœino vode A pa izberimo kotodlikovani vrednosti »zero« in »full« (ko je posoda polna).Teoretiœno moæne vrednosti za nivo, zapisane kot odliko-vane vrednosti ali intervali med njimi, so (urejene po veliko-sti):

minf..zero, zero, zero..top, top, top..infZa koliœino vode pa so moæne kvalitativne vrednosti:

minf..zero, zero, zero..full, full, full..infV modelu podamo tudi t. i. ustrezajoœe si vrednosti za spre-menljivki A in L:

1. (zero, zero): kadarkoli je nivo enak niœ, je tudi koli-œina vode enaka 0

2. (top, full): kadarkoli je nivo vode enak gornjemu robuposode, je koliœina enaka full

180



Zdaj navedimo øe kvalitativne omejitve, ki veljajo v si-stemu:

deriv(A,F) Odvod koliœine vode po œasu je enaktoku.

A = M0+(L) Œim veœji je nivo L, tem veœja je koliœina

A, kar pomeni, da je A monotono naraøœajoœa funkcija od L.

F = konst.= pos Tok je konstanten in pozitiven.

Koristno je dodati øe omejitev, da vrednost spremenljivke Lne more preseœi top. Zaœetno stanje, v œasovni toœki t0, najbo:

F(t0) = pos, L(t0) = zero, A(t0) = zero

Zdaj lahko zaœnemo s kvalitativno simulacijo sistema. V tanamen lahko uporabimo algoritem QSIM za simulacijo skvalitativnimi diferencialnimi enaœbami [12]. V grobem zanaø primer QSIM s simboliœnim sklepanjem naredi iz kvalita-tivnega modela naslednje sklepe: Ob œasu t0 je (kot vedno) Fpozitiven, zato iz omejitve deriv(A,F) sledi, da ob t0 A na-raøœa. Tudi po œasu t0 je F øe vedno pozitiven in zato A vesœas naraøœa. Zaradi omejitve A = M0

+(L) mora tudi L ves œasnaraøœati. V œasovnem intervalu t0..t1, za nek œas t1, sta torejvrednosti A in L na intervalu zero..full oz. zero..top in na-raøœata. Tako se neizbeæno v doloœenem trenutku mora zgo-diti, da A doseæe vrednost full, obenem pa tudi L doseæevrednost top. Vemo le, da ta trenutek, imenujmo ga t1, ob-staja, seveda pa ne moremo doloœiti njegove øtevilske vred-nosti. Zaradi omejitve L ≤ top ni mogoœe iz modela izpeljatinobenega naslednjega kvalitativnega stanja in se tu simula-cija ustavi.

181



Œeprav je gornji primer zelo enostaven, dobro ilustriraprednosti kvalitativnega modeliranja in simulacije: v modeluje zadoøœalo, da smo ignorirali toœno obliko posode, ki bi vtradicionalnem modelu lahko zelo oteæila modeliranje. Vkvalitativni simulaciji ne moremo reœi, kdaj toœno se bo kajzgodilo, zagotovo vemo le, da si bodo dogodki sledili po vrstioz. se bodo zagotovo nekoœ zgodili. Zato pa rezultat kvali -tativne simulacije velja za vsako obliko posode in je v temsploønejøi, kot bi bil za katerokoli konkretno posodo. Sammehanizem simulacije je enostavnejøi od numeriœne simula-cije. Obenem pa ima to prednost, da je iz simboliœnega do-kaza za kvalitativni œasovni potek sistema moæno eksplicitnointerpretirati vzroœne povezave med dogodki v sistemu in ob-naøanje sistema je moæno intuitivno razloæiti z avtomatskimgeneriranjem razlage. Tako lahko iz kvalitativne simulacijerazberemo osnovni mehanizem, kako deluje sistem. V naøemprimeru, kako deluje mehanizem polnjenja posode. Podobnose pokaæe, da lahko s »kvalitativnim kloniranjem« spretnostivodenja razloæimo operaterjevo strategijo vodenja.

6.6 Uœenje kvalitativnih modelov iz numeriœnih podatkov

Kvalitativne modele navadno sestavljamo roœno. Vendarje to pogosto zahtevna naloga, øe posebej v primeru modeli-ranja œlovekove mehaniœne spretnosti, saj je ta v veliki meripodzavestna in jo operater navadno lahko opiøe le pribliæno.Œe imamo izmerjene primere obnaøanja dinamiœnega si-stema oz. posnetke operaterjevega vodenja, potem lahko po-skusimo izluøœiti operaterjevo strategijo vodenja s strojnimuœenjem iz posnetkov. V naslednjem razdelku so opisani po-skusi s kloniranjem spretnosti vodenja æerjava, kjer smo upo-rabili uœenje kvalitativnih modelov iz posnetkov. Pri tem jebil uporabljen program QUIN [14,15,16], ki iz øtevilskih po-

182



datkov poiøœe kvalitativni model odvisnosti med spremen-ljivkami sistema. V nadaljevanju je predstavljeno kvalitati-vno uœenje z algoritmom QUIN.

QUIN (Qualitative Induction) je program, ki iøœe kvalita-tivne vzorce v numeriœnih podatkih. Ti vzorci so vstavljeni vliste t.i. kvalitativnega drevesa. Uœenje kvalitativnih dreves jepodobno kot uœenje odloœitvenih dreves [17]. Razlika je vtem, da so v odloœitvenih drevesih listi oznaœeni z vred-nostmi razreda, medtem ko so v listih kvalitativnih dreves t.i.kvalitativno omejene funkcije (angl. qualitatively constrai-ned functions, QCF). Kvalitativno omejene funkcije so mo-notone funkcije posploøene na veœ spremenljivk. Npr. Z =M+,-(X,Y) pomeni, da Z monotono naraøœa z X in pada z Y.Monotone odvisnosti lahko kombiniramo z if-then pravili,tako da izrazimo odsekoma monotone odvisnosti. Na primer:

if X < 0 then Y = M-(X) else Y = M+(X)

Kvalitativno drevo lahko vedno zapiøemo kot (vgnezdeno)if-then pravilo.

Algoritem QUIN sprejme kot vhodne podatke mnoæicoprimerov, podanih kot vektorji numeriœnih vrednosti, od ka-terih ena ustreza odvisni spremenljivki, ostale pa neodvisnimspremenljivkam. Neodvisne spremenljivke imenujemo atri-buti, odvisno spremenljivko pa razred. QUIN iøœe podroœjav prostoru atributov, v katerih velja, da je razred neka kvali-tativno omejena funkcija atributov. Tako kot v odloœitvenihdrevesih, so v notranjih vozliøœih kvalitativnega drevesa po-dani pogoji, ki atributni prostor razdelijo v podprostore gledena pragovno vrednost enega izmed atributov. V vsakem listudre vesa pa je podana kvalitativno omejena funkcija, ki ji(vsaj poveœini) ustrezajo vhodni primeri, ki padejo v list.

Kot primer vzemimo mnoæico primerov – trojic (X,Y,Z).Recimo, da so bili ti primeri generirani tako, da sta bili vred-

183



nosti spremenljivk X in Y izbrani nakljuœno, medtem ko je bilZ doloœen kot: Z = X2 – Y2. Pri tem so bile vrednosti Z lahkozaøumljene z dodanim Gaussovim øumom. Iz teh podatkovQUIN zgradi kvalitativnoo drevo, predstavljeno z nasled-njim vgnezdenim if-then izrazom:

if X < 0 thenif Y < 0 then Z = M-,+(X,Y)

else Z = M-,-(X,Y)else

if Y < 0 then Z = M+,+(X,Y) else Z = M+,-(X,Y)

To drevo razdeli ravnino (X, Y) v øtiri podroœja, ki ustrezajoøtirim listom drevesa. V teh podroœjih veljajo navedene kva-litativno omejene funkcije, ki podajajo, kako je Z kvalitati-vno odvisen od X in Y. QUIN je do neke mere robustenglede na øum in zgradi enako drevo (z rahlo drugaœnimi pra-govi v notranjih vozliøœih drevesa) tudi ob zmerni koliœiniøuma v podatkih.

6.7 Poskusi s kloniranjem vodenja æerjava

V tem razdelku so opisani poskusi z vodenjem æerjava(slika 1). Operaterjeve akcije so bile doloœene s silo FX, ki jedelovala na voziœek, ter silo FL, ki je delovala na vrv za dvigo-vanje ali spuøœanje tovora. Veœ œloveøkih operaterjev se je sposkusi na simulatorju nauœilo voditi æerjav. Iz njihovih pos-netkov vodenja so bili s programom QUIN inducirani kvalita-tivni opisi njihovih strategij vodenja. Vsak posnetek je bilzaporedje stanj sistema in operaterjevih akcij v teh stanjih.Posnetki so v tej domeni vsebovali tipiœno okrog 500 do 1000stanj, ki so jih sestavljale vrednosti øestih spremenljivk stanja:

184



X = poloæaj voziœka (odmik od levega konca æerjava)DX = hitrost voziœkaTheta = kot vrvi glede na vertikalo, merjen v nasprotni sme-

ri urinega kazalca (vrv navpiœno ustreza Theta = 0)DTheta = kotna hitrost vrviL = dolæina vrviDL = hitrost spreminjanja dolæine vrvi

Naloga operaterja je bila vedno prenesti tovor iz zaœetnegapoloæaja pri X = 0 na ciljni poloæaj na X = 60 m. Za uspeønovodenje smo øteli primere, ko je bil tovor za najmanj 5 se-kund zelo blizu toœke X = 60 m in nihanje tovora zelomajhno, torej je bil kot vrvi zelo blizu vertikale. Kriterijuspeønosti je bil doseœi cilj v œim krajøem œasu. V nadaljeva-nju se bomo ukvarjali le s horizontalnimi premiki in niha-njem tovora, ne bomo pa posveœali pozornosti krajøanju oz.daljøanju vrvi. Zato v nadaljevanju ignoriramo dolæino vrviL in silo FL, namesto sile FX pa piøemo kar F. Za analizo pos-netkov vodenja s programom QUIN moramo izbrati neodvis-no spremenljivko (razred), ostale spremenljivke pa nasto-pajo kot atributi. V nadaljevanju so opisani rezultati, ko jebila za razred izbrana hitrost voziœka DX. Torej nas zanima,kako je DX kvalitativno odvisen od atributov X, Theta inDTheta in je kvalitativna posploøena trajektorija podana vtej obliki.

Oglejmo si primera dveh kvalitativnih dreves (slika 4)induciranih s programom QUIN iz dveh posnetkov vodenja.Posnetka sta pripadala operaterjema, ki ju tukaj imenujemoS in L. Ta operaterja smo namenoma izbrali zato, ker sta bilinjuni strategiji vodenja æe na pogled zelo razliœni in nas jezanimalo identificirati razlike v njunih strategijah. OperaterS je vodil æerjav zelo previdno in si ni nikoli dovolil veœjeganihanja. V izogib veœjemu nihanju ni nikoli uporabil velikihpospeøkov voziœka.

185



Kvalitativno drevo za operaterja S omogoœa naslednjorazlago njegove strategije vodenja. V zaœetni fazi, ko je Xmajhen, æelena hitrost naraøœa z X, torej je treba voziœek po-speøevati proti desni. Od pribliæno ene tretjine poti odzaœetka do cilja zaœne hitrost padati z X. Namen je oœitnota, da se hitrost v bliæini cilja X = 60 zmanjøa na 0. Skrajni

186


desni list drevesa omenja kot vrvi Theta. To kaæe, da opera-ter v zadnji fazi vodenja zavestno poskuøa voditi nihanje,medtem ko v prejønjih fazah temu ni posveœal pozornosti.Zanimivo je, da v svojih opisih lastnega vodenja operaterkota nikoli ni omenjal, kar lahko interpretiramo tako, da jebilo njegovo upoøtevanje kota v zadnji fazi nezavedno. Ka-

Slika 4. Dve kvalitativni drevesi inducirani iz posnetkov vodenjaæerjava: zgoraj, iz posnetka operaterja S; spodaj, iz posnetka

operaterja L.

X < 20,7

DX = M+(X) X < 60,1

DX = M-(X) DX = M+(Theta)

X < 29,3

yes no

V = M+,+,-(X,Theta,DTheta) Theta < -0,02

DX = M-(X) DX = M-,+(X,Theta)

yes no

yes no

yes no


korkoli, ves œas je z zelo previdnim doziranjem horizon-talne sile ohranjal nihanje v ozkih mejah okrog vertikale.

Ob pogledu na animirani prikaz vodenja operaterja L jebilo takoj jasno, da je njegovo vodenje veliko bolj odloœno.Lepo je bila vidna njegova spretnost, da aktivno blaæi nihanjev vseh fazah vodenja. To mu je dovoljevalo moœne pospeøkev smeri X. Œe je s tem povzroœil znatno nihanje tovora, jeznal nihanje zmanjøati z ustrezno silo v smeri X. Na ta naœinsi je lahko privoøœil viøje pospeøke in hitrosti voziœka in s temdosegal krajøe œase vodenja do cilja, 20 do 30 % krajøe kotoperater S. Kot je vidno s slike 4, je sama struktura kvalitativ-nega drevesa operaterja L enaka kot pri operaterju S. Vendarje iz kvalitativnih omejitev lepo vidno, da je strategija opera-terja L bolj razdelana in da operater posveœa pozornost veœspremenljivkam kot operater S. Na primer, L upoøteva niha-nje tovora tudi æe v zgodnji fazi vodenja, ko æe takrat aktivnoukrepa v smislu zmanjøanja nihanja.

Kvalitativno drevo, inducirano iz operaterjevega pos-netka vodenja, daje doloœen vpogled v operaterjevo strate-gijo. Vendar je razlaga strategije s samim drevesom statiœnav tem smislu, da so v razlagi podane statiœne relacije medspremenljivkami. Øe vedno pa ne podaja eksplicitno dina-miœne razlage, kako si dogodki sledijo in kakøne so vzroœnepovezave med njimi. Dinamiœno razlago lahko generiramo spomoœjo kvalitativne simulacije. Poskus v tej smeri je opisanv [18].

Spomnimo øe enkrat, da kvalitativnih dreves ni mogoœeneposredno uporabiti za vodenje sistema. Za to je potrebnoprevesti kvalitativno vodenje v kvantitativno, npr. z optimi-zacijo preko vseh kvantitativnih krmilnikov, ki jih dopuøœakvalitativno drevo [14, 15, 19] ali pa s kvalitativno-kvantita-tivno transformacijo [20].

187



6.8 Zakljuœki

V tem poglavju smo se ukvarjali s problemom kloniranjaoperaterjeve spretnosti vodenja dinamiœnega sistema. V naøiobravnavi je bil pomemben poudarek na razumevanju œlo-vekove spretnosti vodenja, œeprav je za prakso bistvena tudiuspeønost vodenja, ki jo doseæe klon. Poskusi roœnega klo-niranja z introspekcijo kaæejo, da je to za œloveka teæka na-loga. Problem je v tem, da je priuœena spretnost vodenja doneke mere nezavedna in je zato introspekciji teæko do-stopna. Zato je uspeønejøi avtomatiziran pristop z uporabostrojnega uœenja. Vendar so tudi s strojnim uœenjem rezul-tati lahko zelo nezanesljivi, posebej œe problem uœenja kra-tkovidno formuliramo na naœin, ki izhaja neposredno izprincipov teorije sistemov. Uœenje pogosto ne dá robust-nega krmilnika ali pa dobljeni klon enostavno ne uspe vo-diti uspeøno. Razlog je v tem, da je v takih primerih pred-stavitev problema neustrezna za œlovekov naœin vodenja inza œlovekov naœin razmiøljanja o doseganju ciljev in pod -ciljev. Œlovekovi spretnosti bolje ustreza predstavitev z in-direktnimi krmilniki in z uporabo kvalitativnih modelov.Kvalit ativni model dinamiœnega sistema skupaj z inducira-nim modelom operaterjeve spretnosti sta lahko osnova zadinamiœno razlago, kako operater vodi sistem. Za to lahkouporabimo algoritme kvalitativne simulacije. Vendar je taideja doslej veliko premalo raziskana. V tem poglavju panismo obravnavali sorodnih tem, kot je problem rekonstrui-ranja mehanizmov vodenja iz obstojeœih dinamiœnih siste-mov in moænost njihove nadaljnje optimizacije [21, 22].

188



Literatura

1. Aleø Ude. Uœenje motoriœnih spretnosti v robotiki. V: Robotika inumetna inteligenca, T. Bajd, I. Bratko (ur.), Slovenska matica, 2014.

2. Donald Michie, Micheal Bain, Jean Hayes-Michie. Cognitive modelsfrom subcognitive skills. V: Knowledge-based Systems in IndustrialControl, str. 71–90, Peter Peregrinus, 1990.

3. Donald Michie, Claude Sammut. Behavioural clones and cognitiveskill models. V: Koichi Furukawa, Donald Michie, Stephen Muggleton(ur.), Machine Intelligence 14, str. 395–404, Oxford University Press,1995.

4. Michael Bain, Claude Sammut. A framework for behavioural cloning.V: Koichi Furukawa, Donald Michie, Stephen Muggleton (ur.),Machine Intelligence 15, str. 103–129, Oxford University Press, 1999.

5. Ivan Bratko, Tanja Urbanœiœ, Control skill, machine learning andhand-crafting in controller design. V: Machine Intelligence 15, KoichiFurukawa, Donald Michie, Stephen Muggleton (ur.), Oxford Univer-sity Press, 1999.

6. Andrej Makaroviœ. Parsimony in Model-Based Reasoning. Doktorskadisertacija, University of Twente, 1991.

7. Andrej Makaroviœ. A qualitative way of solving the pole balancingproblem. V: Machine Intelligence 12, Jean Hayes, Donald Michie,Enn Tyugu (ur.), str. 241–258, Oxford University Press, 1991.

8. Aram Karaliœ. Employing linear regression in regression tree leaves. V:Proc. ECAI’92, str. 440–441, Springer, 1992.

9. Ian H. Witten, Eibe Frank, Mark A. Hall. Data Mining: Practical Mac-hine Learning Tools and Techniques. Elsevier / Morgan Kaufmann,2011.

10. Ken Forbus. Qualitative process theory. Artificial Intelligence Jour-nal, 24: 85–168, 1984.

11. Ben J. Kuipers. Qualitative Reasoning: Modeling and Simulationwith Incomplete Knowledge, MIT Press, 1994.

12. Ben J. Kuipers. Qualitative simulation, Artificial Intelligence, 29:289-338, 1986.

189



13. Ivan Bratko, Prolog Programming for Artificial Intelligence, 4ed.Addison-Wesley / Pearson, 2012.

14. Dorian Øuc. Machine Reconstruction of Human Control Strategies,Doktorska disertacija, Univerza v Ljubljani, Fakulteta za raœunal-niøtvo in informatiko, Ljubljana, 2001.

15. Dorian Øuc. Machine Reconstruction of Human Control Strategies,IOS Press, 2003 (knjiæna izdaja disertacije D. Øuca).

16. Dorian Øuc, Ivan Bratko. Induction of qualitative trees. V: Proc. Mac-hine Learning: ECML 2001: Lecture Notes in Artificial Intelligence, Lec-ture Notes in Computer Science, 2167, str. 442–453, Springer, 2001.

17. Ross J. Quinlan. C4.5: Programs for Machine Learning. MorganKaufmann, 1993.

18. Ivan Bratko, Dorian Øuc. Using machine learning to understandoperator’s skill. V: Lecture Notes in Artificial Intelligence 2358 (Proc.IEA/AIE 2002), str. 812–823, Springer, 2002.

19. Dorian Øuc, Ivan Bratko. Skill modeling through symbolic recon-struction of operator’s trajectories. IEEE Trans. Syst. Man and Cyber-netics, Part A, Systems and Humans, 30: 617–624, 2000.

20. Dorian Øuc, Daniel Vladuøiœ, Ivan Bratko, Qualitatively faithful quan-titative prediction. Artificial Intelligence Journal, 158: 189–214 (2004).

21. Ivan Bratko, Dorian Øuc. Qualitative data mining and its applications,Journal of Computing and Information Technology – CIT, 11: 145–150,2003.

22. Dorian Øuc, Ivan Bratko. Qualitative reverse engineering. V: Proc.ICML’2002 (19th International Conference on Machine Learning),str. 610–617, Morgan Kaufmann, 2002.

190



191

Poglavje 7

Robotika in veslanje: uœenje tehnike veslanja s posnemanjem

Roman Kamnik, Tomaæ Œerne*

7.1 Uvod

Veslanje je aktivnost, ki zahteva pravilno in optimalnotehniko izvedbe zaveslaja. Velike obremenitve telesa lahkov primeru nepravilne izvedbe vodijo v poøkodbe. Uœenjetehnike v øportu obiœajno poteka preko trenerja, ki izvedbospremlja in izvajalcu posreduje navodila. V robotiki uœenjetehnike izvedbe gibalnih vzorcev poteka s posnemanjemgibov demonstratorja. Trajektorije gibov, izmerjene pri de-monstraciji, so pretvorjene v matematiœni algoritem za ge-neriranje referenœnih signalov robotskemu krmilniku. Pri iz-vedbi gibanja robotski krmilnik zagotovi sledenje robotskihsklepov referenœnemu signalu. Na ta naœin je zagotovljenprenos ekspertnega znanja œloveka v algoritem za vodenjerobota. V Laboratoriju za robotiko na Fakulteti za elektro-tehniko Univerze v Ljubljani smo razvili sistem za urjenje gi-balne tehnike pri veslanju. Sistem temelji na instrumentalizira-nem simulatorju veslanja in principih uœenja s posnemanjem

* Fakulteta za elektrotehniko, Univerza v Ljubljani


iz robotike. Ekspertno znanje izvedbe zaveslaja smo zajeli priveslanju v razliœnih reæimih skupine izkuøenih veslaœev in gamodelirali v obliki referenœnega modela. Med vadbo na simu-latorju so referenœne vrednosti sil in kinematiœnih parametrovgibanja primerjane s sprotno izmerjenimi. Na osnovi primer-jave so uporabniku posredovana navodila za prilagoditev teh-nike v obliki vizualnega prikaza. Hoteno prilagajanje gibanjareferenœnemu pa postopoma vodi do izboljøanja tehnikeve slanja. Razviti sistem smo preizkusili v primerjalni øtudijiuœenja tehnike treh skupin neizkuøenih veslaœev. Prva skupinaje vadila samostojno, druga s trenerjem, tretja pa z razvitim si-stemom. Rezultati kaæejo, da samostojna vadba ni uœinkovita,medtem ko je vadba z razvitim sistemom enakovredna vadbi strenerjem.

7.2 Vadba na simulatorju veslanja

Vadba veslanja obiœajno poteka v œolnu na vodi, ob sla-bih vremenskih pogojih pa je primernejøa uporaba simula-torjev veslanja. Simulator veslanja je naprava, ki zagotavljapodobne pogoje obremenitev in gibanja, kot nastopajo priresniœnem veslanju. Veslanje na simulatorju vkljuœuje kom-pleksno cikliœno gibanje, pri katerem sodeluje skoraj ce-lotno telo [1]. Veslaœ mora za pravilno izvedbo vadbe ob-vladovati tehniko, ritem in moœ [2]. Pri veslanju veslaœ sedina pomiœnem sedeæu z nogami oprtimi v oporo za noge terizvaja gibe, ki posnemajo povratek in poteg vesla v œolnu.Povratek v izhodiøœni poloæaj sestoji iz pokrœenja nog, iz-tega rok in nagiba trupa naprej. Gib v izhodiøœno lego je iz-veden brez dodatnih obremenitev. Sledi faza potega, ki se-stoji iz iztega nog, pokrœenja rok in nagibanja trupa nazaj.Pri potegu delujejo preko rok na telo obremenitve, ki sopodobne silam pri gibanju vesla v vodi. Uveljavljen pristop

192

ROMAN KAMNIK, TOMAÆ ŒERNE


generiranja upora pri potegu je uporaba vetrnega kolesa zlopaticami, ki ga veslaœ poganja z vleœenjem verige pritrje -ne na os kolesa. Pri potegu se zaradi zraœnega upora ustvarisila, ki simulira upor œolna na vodi. Vadba na simulatorjupodjetja Concept2 predstavlja v vrhunskem øportu uvelja-vljen naœin treniranja in izvajanja testiranj [2] ter priljublje -no obliko rekreacije [3].

Osnovni biomehanski parametri, ki opisujejo maneverveslanja, so dolæina zavesljaja, trajanje faz potega in po-vratka, sile na roœaju in opori za noge, moœ zavesljaja, tra-jektorija gibanja roœaja, potek kotov med segmenti telesa inobremenitve v sklepih [2, 4].

Analiza tehnike veslanja na simulatorju

S ciljem pridobitve podatkov o tehniki izvedbe zavesljajaza uporabo v referenœnem modelu in identifikacijo parame-trov, ki karakterizirajo primerno tehniko veslanja je bilaopravljena analiza osnovnih parametrov veslanja treh skupinrazliœno izkuøenih veslaœev.

Analizirali smo tehniko veslanja 15 prostovoljcev razliœ -nih ravni znanja: a) petih elitnih veslaœev (starost od 22 do38 let), ki so œlani veslaøke reprezentance Slovenije in nosilcimedalj s svetovnih prvenstev ali olimpijskih iger, b) petihklubskih veslaœev (starost od 15 do 18 let), ki trenirajo in tek-mujejo na klubski ravni, in c) petih nepoznavalcev (starostod 25 do 32 let), ki so se prviœ sreœali z veslanjem na simula-torju.

Podatki so bili pridobljeni s simulatorjem veslanja Con-cept2, ki je bil opremljen z dodatnimi senzorji [5]. Simulatorje bil opremljen s senzorjem za merjenje sile potega z roka -mi, senzorjem sile za merjenje sile odriva z nogami, z optiœ -nim kodirnikom na osi vetrnega kolesa za merjenje dol æine

193

ROBOTIKA IN VESLANJE: UŒENJE TEHNIKE VESLANJA S POSNEMANJEM


potega verige in æiœnim kodirnikom na sedeæu za mer je njepoloæaja sedeæa. Za merjenje kinematike gibanja veslaœa sobili uporabljeni optiœni sistem Optotrak Certus s 14 meril-nimi markerji. Slika 1 prikazuje udeleæenca øtudije med iz-vajanjem meritve.

194


Slika 1: Veslaœ med izvajanjem meritve

Obremenitve v gleænjih, kolenih, kolkih, lumbosakralnemsklepu in ramenih so bile izraœunane z Newton-Eulerjevo in-verzno dinamiœno analizo [6]. Osnovni princip inverzneNewton-Eulerjeve analize je obravnava posameznega seg-menta telesa kot prostega telesa v prostoru in hkratne upo-rabe drugega Newtonovega zakona o ravnoteæju sil in navo-rov. Rekurzivni postopek raœunanja poteka od zaœetnegasegmenta, ki je v dotiku z napravo, prek segmentov, vpetihmed dva sklepa, do konœnega segmenta.

Merilni test, ki ga je opravil vsak prostovoljec, je trajaldve minuti in je bil sestavljen iz treh aktivnosti, od katerih jeimela vsaka doloœen tempo veslanja: ena minuta z 20 zave-sljaji/minuto pri aerobni aktivnosti, pol minute s 26 zave-


sljaji/minuto pri aerobnem pragu in pol minute s 34 zave-sljaji/minuto pri tekmovalnem ritmu.

Kot primer podajamo rezultate za parameter naklona trupain obremenitve v sklepih kolena ter lumbosakralnega sklepa.Slika 2 prikazuje kot naklona trupa vseh analiziranih zaveslja-jev v trenutku zaœetka in konca faze potega za elitne, klubskeveslaœe in nepoznavalce. Simboli prikazujejo povpreœnevrednosti, œrtica pa standardno deviacijo. Iz rezultatov je raz-vidno, da imajo klubski veslaœi podoben vzorec naklona trupakot elitni veslaœi. Veslaœi nepoznavalci se nagibajo s trupommanj kot izkuøeni veslaœi. V primerjavi z elitnimi veslaœi sesamo nepoznavalec N2 na koncu zavesljaja nagne bolj nazaj.

195


Slika 2: Naklon trupa na zaœetku in koncu zavesljaja pri elitnih veslaœih(E), klubskih veslaœih (J) in nepoznavalcih (N)

Slika 3 prikazuje najveœje vrednosti izraœunanih navorovv kolenu (levo) in lumbosakralnem sklepu (desno) glede natrenutek njihovega nastopa, gledano relativno na poloæajroœaja, za vse tempe in vse udeleæence. Zaœetek zavesljaja jepredstavljen z vrednostjo –100 %, konec potega in zaœetek


povratka z vrednostjo 0 % in konec povratka z vrednostjo100 %.

Iz rezultatov obremenitev je razvidno, da klubski in elitniveslaœi proizvedejo veœje sile in so zato njihove obremenitvesklepov veœje kot pri nepoznavalcih. Prav tako je razvidno,da imajo vsi elitni in klubski veslaœi podoben vzorec nastopa

196


Slika 3: Najveœje vrednosti navorov Mz v kolenu (levo) inlumbosakralnem sklepu (desno) glede na trenutek njihovega nastopa

gledano relativno glede na poloæaj roœaja

najveœjih obremenitev v kolenu in v lumbosakralnem sklepu,medtem ko je trenutek najveœjih obremenitev nepoznaval-cev raztresen. Iz rezultatov je tudi razvidno, da obremenitevv kolenu doseæe najveœjo vrednost prej kot obremenitev vlumbosakralnem sklepu in da so obremenitve v lumbosakral-nem sklepu veœje.

Celotna analiza veslanja treh skupin je pokazala, da setehnika elitnih veslaœev ne spreminja s tempom. Ob predpo-stavki, da elitni veslaœi veslajo s primerno tehniko, je moænoodstopanja od njihovih parametrov uporabiti za zaznavanjeslabe izvedbe. Klubski veslaœi se od elitnih veslaœev razliku-jejo v parametrih, ki so povezani z moœjo in poslediœno in-


tenzivnostjo veslanja: najveœja in povpreœna sila na opori zanogi, najveœja in povpreœna sila na roœaju, delo, obremeni-tve v sklepih so po vrednostih manjøe kot pri elitnih veslaœih.Prav tako se njihova oblika krivulje sile na roœaju, ki je po-gonska sila veslanja, razlikuje od elitne. Tehnika veslaœevnepoznavalcev se razlikuje in spreminja. Dolæina zavesljajaje krajøa, sile so manjøe, gibanje roœaja in telesna dræa stadrugaœna.

Na osnovi analize so prepoznani parametri, ki se s tem-pom veslanja spreminjajo (trajanje faz zavesljaja, najveœje inpovpreœne sile na opori za noge ter roœaju, delo, najveœjeobremenitve v kolenu in lumbosakralnem sklepu) in para -metri, ki so ne glede na tempo konstantni (dolæina zavesljaja,gibanje roœaja, naklon trupa, oblika krivulje sile na roœaju,trenutek nastopa najveœje obremenitve v kolenu in lumbosa-kralnem sklepu) ter doloœajo tip izkuøenosti veslaœa. Ti para-metri so uporabljeni v referenœnem modelu sistema za vad bona simulatorju veslanja s sprotno povratno informacijo.

7.3 Uœenje tehnike izvedbe gibalnih vzorcev

Tehnika v øportu pomeni ustrezno izvedbo giba ali giba-nja pri øportni aktivnosti, pri œemer je pomemben tako naœinkot zaporedje izvajanja. Osnovne metode uœenja tehnike vøportu sledijo naœelu, da se uœi od laæjega k teæjemu in odenostavnega h kompleksnemu. Nadzor in spremljanje uœe njase obiœajno izvajata s pomoœjo trenerja in sta zato odvisna odnjegovih izkuøenj in sposobnosti opazovanja, sposobnostiposredovanja navodil in øe posebej od œasovne razpoloælji-vosti trenerja.

Usmerjanje gibanja œloveka s sprotno povratno informa-cijo je podobno vodenju robotskih mehanizmov. Tudi za vo-denje robotov se uporablja uœenje gibanja s posnemanjem,

197



ki zajame demonstratorjevo znanje o izvajanju gibov [7].Glavni cilj uœenja robotov je, da nadzorovano izvedejo zah-tevano nalogo, pri œemer se oblike uœenja delijo glede naobliko nadzora (neposredna ali posredna), metodo uœenja innaravo zahtevane naloge [8]. Najbolj obiœajna metoda jezapis izmerjene demonstrirane trajektorije gibanja v oblikimodela in nato vodenje robota glede na izhodne vrednosti,ki jih model generira [9]. Obstajajo razliœni pristopi k mate-matiœnemu zapisu izmerjenega gibanja. Najenostavnejøi jezapis izmerjenih pozicij v œasovno urejenem vektorju. Kom-paktnejøi je zapis s polinomsko interpolacijo, ki uporabljasamo doloœene preletne toœke. Moæna je uporaba funkcij-skih aproksimatorjev, kot so npr. nevronske mreæe, ali stati-stiœnih modelov, kot so skriti Markovi modeli, Bayesove fuk-cije, ali Gaussovi modeli. Modeliranje ritmiœnega gibanja,kot so npr. hoja, stisk roke, ali roœno pisanje zahteva posebenpristop, s ciljem da je v modelu zapisana tudi cikliœna naravagibov. Dodana vrednost pri sintezi robotskih gibov na osnovimodela posnemanja demonstratorja je moænost modulacijeparametrov trajektorije. Trajekterijo gibanja je potrebno medsamim izvajanjem vœasih spremeniti zaradi spremembe cilja,ovir ali zunanjih motenj. Preprosta modulacija vkljuœuje iz-vedbo trajektorije s spremenjeno hitrostjo ali drugaœno am-plitudo. Zahtevnejøa modulacija vkljuœuje œasovno ali pro-storsko spremembo, ki je npr. potrebna pri izogibanju oviri.

Za sistem za vadbo veslanja smo razvili referenœni mo del,ki med vadbo generira kljuœne parametre veslanja. Med te so-dijo parametri, ki doloœajo dræo telesa, poloæaj roœaja, po-loæaj sedeæa in poteke sil potega ter opore nog. Referenœnimodel smo razvili na osnovi izmerjenih podatkov tehnike ve-slanja petih elitnih veslaœev, ki so sodelovali v øtudiji treh ra-zliœno izkuøenih skupin. Izmerjene podatke smo uporabili kotuœno mnoæico, ki vsebuje znanje izkuøenih demonstratorjevza pravilno izvajanje gibov. Eksperimentalni podatki so bili

198



vzorœeni s frekvenco 100 Hz in vsebujejo 60 sekund veslanjas tempom 20 zavesljajev/minuto, 30 sekund s tempom 26 in30 sekund s tempom 34 zavesljajev/minuto. Pri razvoju refe-renœnega modela je bilo uporabljenih 52.885 œasovnih vzor-cev podatkov. Izmerjeni podatki veslaœev, ki so bili razliœnihviøin, so bili normirani glede na maksimalni odmik sedeæa, kije parameter povezan s telesno viøino veslaœa.

Za model, ki doloœa dræo telesa veslaœa, smo razvili ki-nematiœni model sestavljen iz petih segmentov povezanihz rotacijskimi sklepi v ravnini. V modelu, ki je prikazan na

199


Slika 4: Petsegmentni kinematiœni model veslaœa

sliki 4, nastopata dve omejitvi gibanja. Prva popolnoma ome-juje gibanje prvega segmenta na mestu fiksnega vpetja priopori nog. Druga omejuje gibanje tretjega sklepa na gibanjev horizontalni ravnini, kar ponazarja gibanje segmenta me-denice na sedeæu. Dræa telesa veslaœa na simulatorju vesla-nja je doloœena z odmikom sedeæa d, s poloæajem roœaja(mx,my) in s kotom naklona trupa. Posamezni koti v sklepihtelesa so doloœeni preko geometrijskih povezav in znanihdolæin segmentov.


Kljuœna zahteva pri zasnovi referenœnega modela za vad -bo veslanja je bila, da so referenœni podatki generirani sin-hrono z aktivnostjo osebe, ki vadi. Eksperimentalni podatki sobili izmerjeni glede na œas in ritem ekspertnih veslaœev. Tra -janje posameznega zavesljaja je odvisno od tempa, saj viøjitem po pomeni, da mora veslaœ zavesljaj izvesti v krajøemœasu, pri œemer se fazi potega in povratka zavesljaja ne spre-minjata proporcionalno. Razmerje trajanja potega in povratkaje eden izmed pomembnih parametrov pravilnosti izvedbe za-vesljaja. Iz eksperimentalnih podatkov in z metodo prileganjasmo ugotovili nelinearno povezavo med œasom trajanja po-tega in povratka od tempa, ki je predstavljena na sliki 5.

200


Slika 5: Odvisnost trajanja potega td in povratka tr od tempa R

Z analizo podatkov smo ugotovili, da je moœ doloœeneparametre predstaviti kot funkcijo poloæaja roœaja neodvisnood tempa veslanja. Nelinearno odvisnost parametrov na-klona trupa, kota vleœne verige in poloæaja sedeæa smo mo-delirali z uporabo metode mehke logike. Modeliranje posa-


mezne izhodne veliœine smo izvedli z dvostopenjskim mo-delom. Prva stopnja je vsebovala Gaussove pripadnostnefunkcije, druga linearne funkcije, med seboj pa sta bili pove-zani s funkcijo »in«. Izhodna vrednost modela je vsota izho-dov druge stopnje. Za doloœanje stanj modela smo uporabilimetodo nadzorovanega uœenja. Razvili smo loœene modeleza poteg in povratek, ki generirajo izhodno spremenljivkoglede na normirani poloæaj roœaja. Nelinearne odvisnosti soprikazane na sliki 6.

201


Slika 6: Referenœni modeli za doloœitev poloæaja sedeæa, naklona trupa in kota verige

Trajektorija gibanja roœaja je neodvisna spremenljivka, kiz gornjimi odvisnostmi doloœa dræo telesa med zaveslajem.Veslanje je cikliœno gibanje, kjer posamezen zavesljaj pred-stavlja eno periodo. V robotiki so za modeliranje trajektorijperiodiœnih gibov pogosto uporabljeni nelinearni dinamiœnisistemi [10, 11, 12]. Trajektorija gibanja je v tem primeru


predstavljena kot vsota dinamiœnega odziva sistema drugegareda (oscilatorja) ter nelinearne funkcije. Prednosti uporabenelinearnih dinamiœnih sistemov so kompaktnost zapisa, ra-œunska nezahtevnost in enostavnost modificiranja.

Uœenje nelinearnega dinamiœnega sistema poteka dvoni-vojsko. Prvi nivo predstavlja kanoniœni dinamiœni sistem, kiiz vhodnega signala izluøœi osnovno frekvenco Ω in fazooscilatorja Φ. Za uspeøno doloœitev osnovne frekvence ve-slanja smo uporabili pet oscilatorjev. Drugi nivo je izhodni

202


Slika 7: Nelinearni dinamiœni sistem za generiranje periodiœnetrajektorije roœaja

dinamiœni sistem, ki se nauœi oblike trajektorije, kar pomeni,da na podlagi Ω in vhodnega signala doloœi vektor uteæi w,ki doloœa obliko periodiœnih zvonœastih jedrnih funkcij ψ. Je-


drne funkcije ψi so po œasovnem prostoru porazdeljene ena-komerno, tako da N funkcij pokrije eno periodo signala.Model za generiranje periodiœne trajektorije roœaja je she-matsko ilustriran na sliki 7. Na sliki so podane tudi enaœbe,ki doloœajo obliko jedrnih funkcij in generirajo rekonstrui-rani izhodni signal.

Pri silah na roœaju in opori za noge sta pomembna njunimaksimalni vrednosti in oblika poteka. Referenœno obmoœjemaksimalnih vrednosti sil je bilo doloœeno tako, da obsega

203


Slika 8: Referenœni model poteka sil na roœaju in na opori za noge

vse vrednosti elitnih veslaœev. Za doloœitev referenœne ob likekrivulje sil, smo sili na roœaju in opori za noge definirali kotfunkcijo normirane dolæine potega verige zn. Eksperimen-talne podatke smo normirali glede na maksimalno vrednostposameznega zavesljaja, jih loœili glede na fazo zaves ljajain prevzorœili, tako da je vsaka faza vsebovala 128 vzor cev.Referenœni model pogojne porazdelitve smo doloœili kot


Gaussov model v vsaki toœki vzorœenja. Na sliki 8 je prika-zan referenœni model oblike krivulj sil na roœaju fp (zgoraj) inna opori za noge fr (spodaj). Krivulja predstavlja ciljno refe-renœno vrednost, sivo obmoœje okoli nje pa dovoljeno odsto-panje.

7.4 Sistem za uœenje tehnike veslanja s sprotnim vodenjemin povratno informacijo

Slika 9 prikazuje konceptualno shemo razvitega sistemaza uœenje tehnike veslanja. Veslanje poteka na simulatorjuveslanja, opremljenem s senzorji. Senzorji merijo silo na

204


Slika 9: Konceptualna shema sistema za uœenje tehnike veslanja

roœaju, silo odriva leve noge, oddaljenost roœaja od vetrnegakolesa, poloæaj sedeæa in naklon zgornjega dela trupa. Napodlagi izmerjenih podatkov se izraœunajo biomehanski pa-


rametri veslanja. Referenœni model, ki je zgrajen na podlagieksperimentalnih podatkov elitnih veslaœev, ob upoøtevanjutelesnih znaœilnosti veslaœa doloœi referenœne vrednosti bio-mehanskih parametrov. V sistemu za posredovanje povratneinformacije se izmerjeni podatki primerjajo z referenœnimi inna podlagi razlik se oblikujejo ustrezna navodila, ki se po-sredujejo vadeœemu. Na podlagi prejete informacije veslaœspremeni svoje gibanje, ki postopoma vodi do primerne teh-nike veslanja. Sistem ima dva reæima vadbe. V prvem reæimusistem sledi veslaœu in mu posreduje odstopanja od refe-rence. V drugem reæimu pa sistem doloœa referenco, veslaœpa ji poskuøa slediti.

Instrumentalizirani simulator veslanja

Osnova sistema za vadbo veslanja je simulator Concept2opremljen s senzorji, ki so prikazani na sliki 10:

• Pod oporo za noge je vgrajen øestdimenzionalni senzorsile in navorov JR3 45E15A 1200N (JR3, Inc., Wood-land, CA), s katerim je merjena sila odriva z nogami (A).

• V roœaj je vgrajen enodimenzionalni senzor sile LCFD(Omega Engineering, Inc., Stamford, CT), s katerim jemerjena sila potega z rokami (B).

• Z æiœnim kodirnikom RML9 5V (PMS, d.o.o., Ljublja na),vgrajenim pod sedeæem, je merjen poloæaj sedeæa (C).

• Z optiœnim kodirnikom RE22 5V (RLS, d.o.o., Ljub lja -na), vgrajenim na osi vetrnega kolesa, je merjena dol -æina potega verige (D).

Za merjenje naklona trupa je bil uporabljen optiœni si-stem znamke Optotrak Certus (Northern Digital, Inc., Water-loo, ON), ki s sistemom infrardeœih kamer meri poloæaj me-rilnih markerjev v prostoru. Uporabljeni so bili trije brezæiœni

205



206


merilni markerji, ki so bili nameøœeni na poseben oprtnik, kisi ga uporabnik namesti na hrbet, kot je to razvidno s slike4.3. To je edini senzor, ki ga je potrebno namestiti na upo-rabnikovo telo, kar pa ne oteæuje pogojev vadbe.

Slika 10: Senzorji vgrajeni na simulator veslanja

Raœunalniøka platforma za zajem in obdelavo podatkovje bila realizirana v grafiœnem programskem okolju Matlab-Simulink. Uporabljen je bil modul xPC Target z I/O-gonil-niki, ki omogoœa delovanje v realnem œasu. Analiza in do-loœitev biomehanskih parametrov veslanja poteka sproti: delpo vsaki konœani fazi zavesljaja, ko se doloœijo maksimalnesile in trajanje faz, del pa po vsakem konœanem zavesljaju,ko se doloœi tempo veslanja. Referenœni model sproti doloœareferenœne vrednosti parametrov, ki se jih primerja s tre-


nutnimi parametri veslanja. Po metodi odloœitvenega dre-vesa se glede na odstopanja med referenœnimi in dejanskimiparametri doloœijo podatki za posredovanje povratne infor-macije uporabniku. Zajemanje in obdelava podatkov je bilarealizirana z vzorœno frekvenco100 Hz, prikazovanje po-vratne informacije pa s frekvenco 50 Hz.

207


Slika 11: Brezæiœni merilni markerji nameøœeni na oprtnik za merjenjenaklona trupa

Vodenje vadbe s posredovanjem povratne informacije

Modul za posredovanje povratne informacije je zasnovantako, da je posredovana informacija enostavna in intuitivna.Osnovni vizualni element za posredovanje referenœne in po-vratne informacije o dræi je virtualno ogledalo [13]. Virtu -alno ogledalo je animacija z dvema œloveøkima figurama: fi-gura, ki je na zaslonu bliæe uporabniku, predstavlja njegovotrenutno telesno dræo, figura, ki je zadaj v senci, pa refe-renœno dræo telesa. Uœenje tehnike veslanja in s tem podaja-nje povratne informacije je razdeljeno na tri stopnje, ki so


prikazane na sliki 12. Prva stopnja se osredotoœa na urjenjetelesne dræe in vkljuœuje informacije o dolæini zavesljaja,poloæaju sedeæa, naklonu trupa in zaporedju gibanja delov

208


Slika 12: Koncept stopenjskega podajanja povratne informacije

telesa. Druga stopnja obravnava kinematiko gibanja, ki jevsebovana v trajanju faz zavesljaja. Tretja stopnja pa seosredotoœa na kinetiœne parametre. To sta œasovni potek sil


in najveœja vrednost sile na roœaju. Ko veslaœ osvoji tehnikoposamezne stopnje, napreduje na naslednjo. Z razdelitvijona stopnje je bilo zagotovljeno, da se vadeœemu ne posre-duje preveœ informacij hkrati, ampak se pozornost usmeri nakljuœne elemente veslaøke tehnike.

Virtualnemu ogledalu so dodani grafiœni, øtevilski in tek-stovni elementi za obogatitev posredovane informacije. Prigrafiœnih elementih so uporabljene enake barvne oznaœbe.Rdeœa pomeni nepravilno gibanje, zelena pravilno, medtemko rumena predstavlja nevtralno stanje. Uporabnikovi po-datki so prikazani modro, sploøne informacije pa œrno.

Na prvi stopnji je obmoœje gibanja roœaja med zaveslja-jem grafiœno oznaœeno skladno z barvnimi oznakami. Polegtega sistem glede na pravilnost izvajanja zavesljaja podajapisno navodilo. Pri tem so navodila uteæena glede na prispe-vek parametra k opravljenemu delu zavesljaja. Tako imajo vceloti iztegnjene noge na koncu zavesljaja prednost preddræo telesa, sledi dolæina zavesljaja in naklon trupa. Po trehzaporedno izvedenih zavesljajih s pravilno telesno dræo upo-rabnik napreduje na naslednjo stopnjo.

Na drugi stopnji sta trajanji faz potega in povratka dolo -œeni z referenœnim modelom v skladu z uporabnikovim tem-pom veslanja. Tempo je predstavljen s øtevilsko vrednostjo.Trajanje referenœne vrednosti faze potega in faze povratkaje predstavljeno grafiœno z velikostjo stolpiœev. Trajanje fazuporabnika je predstavljeno z oæjima stolpiœema nad refe-renœnima stolpiœema. Poleg tega sistem lahko poda navodiloza prilagoditev hitrosti in prikaæe puøœico v smeri gibanja po-tega. Œe uporabnik nima pravilne dræe telesa med zaveslja-jem na tej stopnji, ga sistem najprej opomni z zvoœnim si-gnalom in pisnim navodilom. Œe uporabnik napako popraviv naslednjih treh zavesljajih, ostane na tej stopnji, sicer ga si-stem vrne na prvo stopnjo. Ko uporabnik izvede tri zavesljajez ustreznim ritmom, napreduje na naslednjo stopnjo.

209



Tretja stopnja se osredotoœa na potek sil zavesljaja. Silana roœaju je prikazana z modro krivuljo na podlagi, ki prika-zuje referenœno obmoœje. Vrednosti sile so normirane gledena najveœjo vrednost sile prejønjega zavesljaja. Poloæaj sileje predstavljen na abscisni osi grafa in se ujema s krajem na-stanka med zavesljajem. Poleg oblike krivulje je z velikostjovektorja/puøœice prikazano najveœje odstopanje sile od re -ferenœne vrednosti, s poloæajem pa kraj nastanka. Najveœja

210


Slika 13: Sistem za senzorno podprto uœenje tehnike veslanja

vrednost sile na roœaju posameznega zavesljaja je prikazanas kazalcem in merilnim øtevcem. Sila na opori noge je po-dana z uporabo vektorja, ki z velikostjo prikazuje najveœjeodstopanje od referenœne vrednosti, s poloæajem pa œas na-stanka te sile glede na poloæaj roœaja. Œe uporabnik ne veslas pravilno dræo telesa ali ritmom, ga sistem najprej opomni zzvoœnim signalom in pisnim navodilom. Œe uporabnik napa -


ko popravi v naslednjih treh zavesljajih, ostane na tej stopnji,drugaœe ga sistem vrne na ustrezno stopnjo.

Za izdelavo in pogon animacije, grafiœne, tekstovne inzvoœne povratne informacije je bil uporabljen raœunalniøkiprogram Musculo-Skeletal Modelling Software – MSMS (Me-dical Device Development Facility, University of SouthernCalifornia (Ver. 2.2), Los Angeles, CA) [14]. Okolje MSMSomogoœa animacijo v realnem œasu in vkljuœuje orodja zapovezovanje s programom Matlab Simulink in xPC Target.Grafiœno referenœno in povratno informacijo smo uporab-niku prikazovali na velikem platnu z osveæevalno frekvenco50 Hz. Razviti sistem za vadbo veslanja, ki vkljuœuje instru-mentaliziran simulator veslanja, merilni sistem za merjenjekinematike gibanja in sistem za posredovanje povratne infor-macije je prikazan na sliki 13.

7.5 Evalvacija senzorno podprte vadbe veslanja

Za oceno uœinkovitosti predlagane metode uœenja teh-nike veslanja z razvitim sistemom senzorno podprte vadbesmo izvedli primerjalno øtudijo. Pri øtudiji je sodelovalo 36prostovoljcev, ki so se prviœ sreœali z veslanjem na simula-torju. Najprej so vsi prostovoljci opravili zaœetni test (test 1),s katerim smo pridobili podatke o zaœetnem stanju. Nato sobili prostovoljci nakljuœno razdeljeni v tri skupine. Vsaka odskupin je opravila trening veslanja. Skupina A je treniralasama in predstavljala rekreativce, ki se sami uœijo tehnike,skupina S je trenirala z razvitim sistemom senzorno podprtevadbe, skupina T pa po tradicionalni metodi pod nadzoromtrenerja. Po izvedeni seriji treninga smo prostovoljce pono-vno testirali (test 2). Udeleæence, ki so trenirali pod nadzo-rom trenerja ali sistema, pa smo zaprosili, da se po øestih dodesetih dneh vrnejo in øe enkrat ponovijo test (test 3). S pri-

211



merjavo testov smo analizirali razlike v napredku biomehan-skih parametrov vseh treh skupin, s œimer smo ocenili uœin-kovitost senzorno podprte vadbe.

Vsak izmed testov je bil sestavljen iz dveh delov. V prvemdelu so udeleæenci veslali dve minuti s ciljnim tempom 20zavesljajev/minuto. Po dveh minutah poœitka so v drugemdelu poskuøali œim hitreje preveslati 500 metrov dolgo razda-ljo, to je tekmovalno razdaljo najmlajøih in veteranskih kate-gorij. V prvem delu testa so bili udeleæenci izpostavljeni ob -remenitvi, ki glede na tipiœne obremenitve veslanja ustrezaaerobni aktivnosti, v drugem delu pa anaerobni aktivnosti. Pritestu so bili izmerjeni in statistiœno obdelani biomehanski pa-rametri, ki karakterizirajo tehniko veslanja.

Med testi je bil izveden trikrat 5 minut dolg trening vesla-nja. Med posameznimi fazami treninga sta bili vedno 2 mi-nuti poœitka. Trening je potekal razliœno glede na naœin nad-zora. Skupina A je trenirala sama in predstavljala rekreativce,ki se sami uœijo tehnike. Skupina T je trenirala po tradicio-nalni metodi pod nadzorom trenerja. Skupina S je trenirala zrazvitim sistemom senzorno podprte vadbe. Pred zaœetkomtreninga so udeleæencem v tej skupini razloæili elemente po-vratne informacije. Prvih pet minut treninga je potekalo vnaœinu delovanja, da uporabnik sledi sistemu, naslednja dvasklopa pa v naœinu, da sistem sledi uporabniku.

Za statistiœno analizo rezultatov evalvacijske øtudije jebila uporabljena dvosmerna analiza variance meøanega tipaza ponovljene meritve. Rezultati pred in po treningu so pred-stavljali parameter znotraj skupine, naœin treninga je pred-stavljal parameter razlikovanja med udeleæenci. Rezultati sopokazali, da je prvi dvominutni test statistiœno znaœilno vpli-val na vse parametre, ob tem je tip treninga imel statistiœnoznaœilen vpliv na vse parametre z izjemo naklona trupa nazaœetku zavesljaja. Ker je trening imel statistiœno znaœilenvpliv na biomehanske parametre, pri tem pa je igral pomem-

212



bno vlogo tudi tip treninga, so bili za ugotavljanje razlik medposameznimi pari skupin in pari meritev uporabljeni post-hoc testi. Rezultati post-hoc analize pri dvominutnem testuso pokazali, da se trening pod nadzorom trenerja statistiœnoznaœilno razlikuje od treninga brez nadzora v vseh parame-trih z izjemo naklona trupa na zaœetku in koncu zavesljaja.Trening z razvitim sistemom se statistiœno razlikuje od tre-ninga brez nadzora v vseh parametrih z izjemo naklona tru -pa na zaœetku zavesljaja. Trening pod nadzorom trenerja intrening z razvitim sistemom se statistiœno razlikujeta zgolj prinaklonu trupa na koncu zavesljaja, medtem ko pri drugih pa-rametrih statistiœnega razlikovanja ni opaziti.

213


Slika 14: Rezultati vadbe: naklon trupa ob priœetku in zakljuœku potega

Za primer podajamo rezultate vadbe treh skupin izraæenev dveh parametrih. Slika 14 prikazuje naklon trupa na za -œetku in koncu faze potega zavesljaja, slika 15 pa maksi-malne vrednosti sile potega in sile na opori za noge. Na levipolovici grafov so prikazani rezultati dvominutnega testa ve-


slanja s tempom 20 zavesljajev/minuto, na desni polovici parezultati testa veslanja na 500 metrov. Rdeœi stolpci predstav -ljajo povpreœne rezultate skupine A, zeleni stolpci povpreœ -ne rezultate skupine T in modri stolpci povpreœne rezultateskupine S. V vsaki skupini stolpcev levi stolpec predstavljatest 1, srednji test 2 in desni test 3. Vertikalne œrte predsta-vljajo standardni odklon, poudarjeno podroœje v grafu pa po-droœje ciljnih vrednosti.

Iz rezultatov nagibanja trupa je razvidno, da je veœinaudeleæencev æe ob testu 1 izvajala primeren naklon trupa obzaœetku zavesljaja, nekaj udeleæencev iz skupine A pa tudiob koncu zavesljaja. Nobeden od udeleæencev skupine Amed treningom ni sam popravil naklona trupa na koncu za-vesljaja. Pri skupini s trenerjem so vsi udeleæenci s treningomizboljøali svoje gibanje s trupom, vendar je iz rezultatov raz-vidno, da je bilo merilo trenerja drugaœno od referenœnegamodela. Na zaœetku zavesljaja so rezultati vseh udeleæencevskladni z referenœnim modelom, na koncu zavesljaja pa sozgolj trije udeleæenci dosegli naklon, skladen z referenœnimmodelom. Preostali udeleæenci so se s trupom nagibali neko-liko manj. V skupini S so se pri testu po izvedenem treninguvsi udeleæenci na zaœetku zavesljaja nagibali v skladu z refe-renœnim modelom, na koncu zavesljaja pa so odstopali øtirjeudeleæenci, vendar je gibanje udeleæencev skladno z rezul-tati udeleæencev s trenerjem. Rezultati testa 3 se ne razliku-jejo pomembno od rezultatov testa 2.

Rezultati obremenitev kaæejo, da so vsi udeleæenci zvadbo izvajali veœje sile potega in poveœali oporo na noge.Pri skupini A je bilo povpreœno poveœanje sile potega 48-od-stotno, pri skupini T 2,3-kratno, pri skupini S pa 2,5-kratno.Poveœanje sile opore nog znaøa pri skupini A 25 %, pri sku-pini T 90 %, pri skupini S pa 103 %. Iz rezultatov sledi, da sose udeleæenci skupin T in S v okviru treninga bolje nauœiliprenaøati silo na roœaj kot udeleæenci skupine A. Œeprav je

214



poveœanje maksimalne opore noge manjøe kot pri najveœjihsilah na roœaju, iz rezultatov sledi, da so se udeleæenci izskupin T in S v okviru treninga bolje nauœili uporabljati tudinoge. Test 3 kaæe na razlike manjøe kot 5 % po preteku do-loœenega obdobja.

215


Slika 15: Rezultati vadbe: maksimalne sile potega in opore nog

Statistiœna analiza vseh analiziranih parametrov potrjujeugotovitve zgornjih dveh primerov. Rezultati kaæejo, da ude-leæenci brez nadzora med treningom niso napredovali, med-tem ko so udeleæenci pod nadzorom trenerja ali sistema medtreningom napredovali in osvojili primerno tehniko veslanja.To pomeni, da smo z razvitim sistemom vadbe uporabnikuuspeøno posredovali povratno informacijo, ki jo je uspelpretvoriti v primerno gibalno tehniko.

Analiza je pokazala, da se je pri parametrih telesne dræe,torej dolæini zavesljaja in naklonu trupa, uœenje pod nadzo-rom sistema, ki je kvalitativno ocenjeval biomehanske po-datke, doseglo celo boljøe rezultate od uœenja pod nadzo-


rom trenerja, ki je subjektivno ocenjeval tehniko udeleæen-cev. Pri ponovitvenem testu po premoru je bila spremenlji-vost tehnike veœja, a manjøa kot pri testu pred uœenjem.

7.6 Zakljuœek

V delu je predstavljen razvoj in evalvacija sistema zavadbo na simulatorju veslanja s sprotno povratno informa-cijo. Sistem vkljuœuje simulator veslanja, ki v kombinaciji zvgrajenimi senzorji sprotno meri biomehanske parametre medvadbo, referenœni model, ki generira ciljne vrednosti para-metrov, in sistem za posredovanje povratne informacije ve-slaœu.

Referenœni model smo zasnovali na osnovi rezultatovanalize tehnike veslanja treh razliœno izkuøenih skupin ve-slaœev. Ob predpostavki, da elitni veslaœi veslajo s primernotehniko, smo vrednosti njihovih parametrov uporabili kot re-ferenœne za uœno mnoæico pri razvoju modela. Za modelira-nje smo uporabili pristope, ki so uveljavljeni na podroœju ro-botike za uœenje gibanja s posnemanjem. Eksperimentalnerezultate smo pretvorili v matematiœne algoritme za sprotnogeneriranje referenœnih vrednosti z uporabo interpolacije,mehke logike, nelinearnih dinamiœnih sistemov in Gausso-vih modelov.

Zasnovali smo koncept posredovanja sprotne povratneinformacije, ki uporabnika med vadbo usmerja in ga s tem uœitehnike veslanja. Na podlagi primerjanja izmerjenih vredno-sti biomehanskih parametrov z referenœnimi vrednostmi seoblikujejo in posredujejo vizualni elementi ter navodila, kiuporabnika preko treh stopenj uœenja vodijo do izboljøanjatehnike.

Uœinkovitost razvitega sistema smo preizkusili v evalva-cijski øtudiji napredka neizkuøenih udeleæencev s primerjavo

216



uspeønosti vadb brez nadzora, z nadzorom trenerja in z nad-zorom razvitega sistema. Rezultati so pokazali, da udeleæencibrez nadzora med treningom niso napredovali, udeleæencipod nadzorom trenerja ali sistema pa so med treningom na-predovali in osvojili primerno tehniko veslanja. Pri tem nistatistiœnih razlik v napredku med slednjima skupinama. Zrezultati smo tako pokazali, da je senzorno podprto uœenjetehnike veslanja uœinkovita alternativna metoda uœenja innadzora tehnike veslanja, ki lahko uspeøno nadomesti ali do-polnjuje tradicionalno metodo vadbe s trenerjem. Uspeønosmo tudi demonstrirali uporabo metod uœenja s posnema-njem s podroœja robotike na podroœju razvoja naprednih na-prav za øportno vadbo.

Literatura

1. I. Œop. Veslanje pozimi – popolna telesna vadba. Polet, 10(36):54–55, 2011.

2. V. Nolte. Rowing faster. Human Kinetics Publishers, 2005.

3. E. Winchester. Erg nation. Rowing news, 9(1):6–7, 2002.

4. S. Redgrave. Steven Redgrave’s complete book of rowing. PartridgePress, 1995.

5. T. Œerne, R. Kamnik, M. Munih. The measurement setup for real-timebiomechanical analysis of rowing on an ergometer. Measurement,44(10):1819–1827, 2011.

6. T. R. Kane, D. A. Levinson. Dynamics, theory and applications.McGraw Hill, 1985.

7. V. Kruger, D. Herzog, S. Baby, A. Ude, D. Kragic. Learning actions fromobservations. Robotics & Automation Magazine, IEEE, 17(2):30–43,2010.

8. S. Schaal, C. Atkeson. Learning control in robotics. Robotics & Auto-mation Magazine, IEEE, 17(2):20–29, 2010.

217



9. K. J. Astrom, B. Wittenmark. Adaptive control. Addison-Wesley Long-man Publishing Co., 1994.

10. A. Gams, A.J. Ijspeert, S. Schaal, J. Lenarœiœ. On-line learning andmodulation of periodic movements with nonlinear dynamical sy-stems. Autonomous robots, 27(1):3–23, 2009.

11. T. Petriœ, A. Gams, A. J. Ijspeert, L. Ælajpah. On-line frequency adap-tation and movement imitation for rhythmic robotic tasks. The Inter-national Journal of Robotics Research, 30(14):1775–1788, 2011.

12. A. J. Ijspeert, J. Nakanishi, S. Schaal. Movement imitation with nonli-near dynamical systems in humanoid robots. V International Confe-rence on Robotics and Automation (ICRA), str. 1398–1403, 2002.

13. T. Koritnik, T. Bajd, M. Munih. Virtual environment for lower-extre-mities training. Gait & Posture, 27(2):323–330, 2008.

14. R. Davoodi, C. Urata, M. Hauschild, M. Khachani, G. E. Loeb.Model-based development of neural prostheses for movement. IEEETransactions on Biomedical Engineering, 54(11):1909–1918, 2007.

218



219

Poglavje 8

Robotika in smuœanje

Bojan Nemec*

Prispevek opisuje prenos in uporabo robotskih tehnologijna podroœje alpskega smuœanja in smuœarskega teka. Aktiv-nosti na tem podroœju so se odvijale na Odseku za avtoma-tiko, biokibernetiko in robotiko na Inøtitutu Joæef Stefan medleti 1994 in 2014, pri œemer smo sodelovali s øtevilnimipartnerji iz industrije in raziskovalnih institucij. Glavno po-droœje delovanja in raziskovanja naøega odseka je robotika,kjer smo razvili vrsto tehnologij, ki so uporabne tudi na dru-gih podroœjih. Ta prispevek prikazuje primer uspeøne upo-rabe robotskih tehnologij pri razvoju in testiranju smuœarskeopreme ter pri preuœevanju biomehanike alpskega smuœa njain smuœarskega teka. Vsa naøa spoznanja na tem podroœ jusmo zdruæili v robotu, ki je sposoben avtonomno smuœati medvratci. Pregled aktivnosti in doseækov pri prenosu robotskihtehnologij na podroœje smuœanja podajamo v øtirih poglav-jih, ki se œasovno in vsebinsko prepletajo.

* Inøtitut Joæef Stefan


8.1 Merjenje kinematiœnih in dinamiœnih parametrov prismuœanju

Zaœetek naøih raziskav na podroœju alpskega smuœanjasega v leto 1994, ko smo razvili sistem za merjenje sil prialpskem smuœanju [1,2]. Avtor prispevka je tudi sam uœiteljsmuœanja, zato je priøel na idejo, da bi reakcijske sile pod-lage, o katerih se sicer veliko govori med pouœevanjem intreningom smuœanja, tudi dejansko izmerili. Podoben sistemza merjenje alpskega smuœanja so æe pred tem razvili naUniverzi iz Salzburga, Avstrija [3,4], kjer so uporabili øtiripiezoelektriœne tenziometriœne ploøœe tovarne Kistler. Naø

220

BOJAN NEMEC

Slika 1: Blokovna shema sistema za zajemanje reakcijskih sil podlagepri alpskem smuœanju

sistem je bil takrat edini, ki je omogoœal meritve z uporaboobiœajne smuœarske opreme. Kasneje so se pojavili pritisko-vni senzorji, ki so bili nameøœeni kar v vloæku smuœarskegaœevlja, vendar so meritve s temi senzorji precej nenatanœne[5,6]. Posebnost naøega sistema je bila tudi v tem, da smomeritve sinhronizirali z videoposnetkom ter obenem meriliøe dodatne parametre, kot so signali aktivnosti miøic (EMG),koti v kolenu, upogib smuœarskega œevlja, itd. Blokovno she-mo merilnega sistema kaæe slika 1.


Osnova sistema so namenski senzorji sil in navorov naosnovi uporovnih merilnih listiœev. Za razliko od avstrijskegapristopa, kjer so namestili med smuœi in vezi kar posebnotenziometrijsko ploøœo, je naø sistem uporabljal øtiri toœko-vne senzorje, od katerih je vsak lahko meril samo vertikalnokomponento sile. S kombinacijo podatkov vseh øtirih senzor-jev smo lahko izmerili vertikalno komponento reakcijske silepodlage ter navor okrog vzdolæne ter preœne osi, ki smo gapredstavili v obliki vertikalne sile in njenega prijemaliøœa [1].Ker so bili senzorji obremenjeni tudi s silo smuœarskih vezi,smo lahko merili tudi sile s prijemaliøœem izven podplatasmuœarskih œevljev oziroma izven poligona, ki so ga omeje-

221

ROBOTIKA IN SMUŒANJE

Slika 2: Merilne senzorje smo vstavili v podplat smuœarskega œevlja. Pri tem je bilo potrebno modificirati samo vloæek podplata smuœarskegaœevlja. Po konœani meritvi smo smuœarju vstavili t. i. slepi vloæek, s œimer

smo ohranili vse funkcionalne lastnosti smuœarskega œevlja.

vali øtirje toœkovni senzorji. Pristop s tenziometrijsko ploøœoje sicer bolj sploøen, saj omogoœa merjenje vseh øestih kom-ponent sil in navorov, po drugi strani pa nepraktiœen, sajlahko izvajamo meritve samo na posebnih smuœeh z vgraje-nimi senzorji. Obenem zahteva izredno drage merilne sen-


zorje, ki zaradi precejønje teæe in debeline vplivajo na smu -œanje merjenca. Naø sistem je omogoœal enostavno izme-njavo merilnih senzorjev (slika 2), kar pomeni, da je lahkovsak merjenec uporabljal svojo opremo. Slika 3 prikazujesmuœarja opremljenega z merilnim sistemom za zajemanjereakcijskih sil podlage. Naø merilni sistem je shranjeval po-datke o izmerjenih silah posameznega senzorja na poseb-nem mikroraœunalniku, ki ga je nosil smuœar pripetega zapasom. Med meritvijo smo snemali smuœarja z obiœajno vi-deokamero. Sinhronizacijo med meritvami sil ter videopos-netkom smo izvedli preko miniaturnega radijskega oddajnika.

222

BOJAN NEMEC

Meritve smo nato obdelovali in pregledovali na osebnemra œu nalniku, ki je omogoœal sinhroniziran prikaz video pos-netka, izmerjenih sil ter dodatnih signalov, kot so npr. meritvemiøiœne aktivnosti (EMG). Primer prikaza izmerjenih signalovna osebnem raœunalniku kaæe slika 4.

Slika 3: Smuœar opremljen s sistemom za merjenje sil. Merilni raœunalnikima pripet za pasom.


Enak sistem smo uporabljali tudi za meritve sil pri smu -œarskem teku, kar kaæe slika 4 [7]. Sistem je bil prvenstvenonamenjen spremljanju treninga alpskega smuœanja, vendar seje izkazalo, da je zelo ali pa øe bolj uporaben pri biomehan-skih meritvah ter pri testiranju opreme za alpsko smu œanje insmuœarski tek. Proizvajalce opreme je namreœ zanimalo,kako doloœene reøitve oziroma materiali vplivajo na reakcij-

223


Slika 4: Posamezna okna prikazujejo (od zgoraj navzdol in iz leve nadesno): tipke, s katerimi smo lahko pregledovali posnetek naprej in nazajzvezno in koraœno; videoposnetek smuœarja; trenutni prikaz velikosti in

prijemaliøœa izmerjenih reakcijskih sil podlage; prikaz sile za levo indesno smuœko v obliki œasovno odvisnega grafa, kjer je trenutek, ki jeprikazan na video posnetku, oznaœen z vertikalno œrto; œasovni potek

prijemaliøœa sil; izmerjene EMG signale za øtiri miøiœne skupine

ske sile podlage pri smuœanju in smuœarskem teku. Ker so bilemeritve sinhronizirane z videoposnetki, so lahko enostavnorazbrali, kako doloœene akcije smuœarja vplivajo na opremoin obratno. Od domaœih proizvajalcem smo tako sodelovali stovarno Alpina in Elan, od tujih pa z Rossignolom in Lange.


Pri biomehanski analizi kakor tudi pri meritvah, ki jih upo-rabljamo za testiranje smuœarske opreme, je pogosto potre-bno tudi poznavanje gibanja smuœarja v prostoru. Meritvetega gibanja imenujemo kinematiœne meritve smuœanja za ra-zliko od merjenja sil in navorov, ki opisujejo dinamiko giba-nja. Med najstarejøe in obenem najbolj uporabljane postopkemerjenja gibanja spada merjenje s pomoœjo kalibri ranih vi -deo-kamer [8]. Pri tem obiœajno spremljajo samo gibanje mar -kerjev, ki jih namestimo na telo merjenca in oznaœujejo posa-mezno toœko telesa. Œe vsak marker na telesu vidita vsaj dvepredhodno kalibrirani kameri, lahko natanœno izmerimo po-loæaj tega markerja v prostoru. Ko smo kinematiœne meritvesinhronizirali z meritvami dinamiœnih parametrov, smo dobili

224

BOJAN NEMEC

Slika 5: Merjenje reakcijskih sil podlage med smuœarskim tekom

kompleten merilni sistem, uporaben tako pri biomehanskihraziskavah kot tudi pri razvoju smuœarske opreme [9]. S takimsistemom smo v obdobju med letom 1997 in 2003 v sodelo-vanju s Fakulteto za øport v Ljubljani izvedli vrsto uporabnihbiomehanskih raziskav, ki so pripomogle k spremljanju tre-ninga in analizi tekmovalnega smuœanja [10–16].


Optiœni merilni sistemi na osnovi kalibriranih videoka-mer so razmeroma uœinkoviti pri merjenju gibanja v zaprtihprostorih, manj pa so primerni za meritve na prostem pose-bej takrat, ko izvajamo meritve na velikem podroœju. Tipiœenpri mer takih meritev je alpsko smuœanje, kjer potrebujemoveliko øtevilo kalibriranih kamer za pokrivanje merilnega po-droœja (en par kamer zajema tipiœno dva zavoja). Pri obde-lavi teh meritev je potrebno doloœiti poloæaj vseh markerjevna vsakem posnetku. Ta postopek imenujemo digitalizacija,ki smo jo morali izvajati roœno, saj avtomatska digitalizacijanajveœkrat odpove pri meritvah na dnevni svetlobi. Tako jepotrebno pri detekciji 10 markerjev s øtirimi kamerami, kisnemajo s frekvenco 60 posnetkov na sekundo, za vsako se-kundo meritve roœno digitalizirati kar 2400 toœk. Zato so ob-delave meritev zahtevale tudi veœ tednov mukotrpnega dela.Takih postopkov merjenja ne moremo uporabljati pri rutin-skih meritvah, kot je npr. spremljanje tekmovalcev. Zaraditega smo razvili programske sisteme za aproksimativno mer-jenje biomehanskih parametrov, kjer snemamo dogajanjesamo z eno videokamero. Pri tem smo uporabili tehnologijehkratnega sinhroniziranega predvajanja veœ videoposnetkov,tehnologijo mozaiœenja slik in tehnologije prekrivanja slik[17–18]. Na ta naœin smo lahko enostavno primerjali iz-vedbe posameznih smuœarjev ter aproksimativno izmerilidoloœene parametre [17], kot so npr. oddaljenosti od vrat,koti v prostoru ter zasledovanje teæiøœa smuœarja. Slika 6 ilu-strira postopek zajemanja in sinhroniziranega prikaza priaproksimativnem merjenju kinematiœnih parametrov v alp-skem smuœanju.

Pri naøem delu smo ves œas sodelovali s Fakulteto za øportv Ljubljani, øe posebej s prof. Matejem Supejem, ki je razvilmetodo ocenjevanja smuœanja na osnovi spremljanja izgubecelotne energije [20]. Osnovna hipoteza te metode je, da jetisto smuœanje, pri katerem izgubljamo manj energije, bolj

225



uœinkovito. Pri tem se je izkazalo, da je kljuœni parameter, kiga moramo zasledovati, lega teæiøœa smuœarja. Izkuøen tre-ner lahko poloæaj teæiøœa dovolj dobro oceni tudi s pomoœjovideoposnetka in aproksimativnih merilnih metod. Na tej os-novi smo razvili vrsto uporabnih postopkov za spremljanjetreninga alpskega smuœanja [17].

226

BOJAN NEMEC

Slika 6 : Blokovna shema opreme za aproksimativno merjenje v alpskem smuœanju

Preboj v kinematiœnih meritvah je prinesla GPS tehnolo-gija, kjer lahko z diferencialnimi GPS sistemi zajemamo gi-banje smuœarja z natanœnostjo pod 1 cm in s frekvenco zaje-manja 20 Hz in veœ. Rezultate meritev lahko prikazujemo æemed samim merjenjem. Edina ovira je v tem, da je potrebnona toœko merjenja namestiti sprejemno anteno GPS sistema,ki mora imeti za nemoten sprejem signalov ves œas vidno po-vezavo s sateliti. Zato je potrebno namestiti anteno bodisi naœelado ali na vrat smuœarja. Da bi lahko spremljali tudi giba-nje smuœi, smuœarja in njegove okonœine, je potrebno upora-biti dodaten merilni sistem, ki deluje na osnovi merjenja po-speøkov in uporablja t. i. inercialne senzorje. Te senzorjenamestimo na trup merjenca, kot to kaæe slika 6. Inercialnisenzorji lahko zajemajo samo relativno gibanje okonœinglede na izbrano toœko na telesu, ne morejo pa zajemati ab-


solutnega gibanja, øe posebej pri aktivnostih, kot je npr. alp-sko smuœanje. Z integracijo obeh merilnih sistemov dobimouœinkovit sistem za merjenje kinematike smuœanja, kjer lahkopodatke zajemamo po celotnem smuœiøœu [21, 22]. Potekmeritve na terenu ter rekonstruirano gibanje smuœarja prika-zuje slika 7.

227


Slika 7: Vsaka oranæna kocka, nameøœena na skeletu merjenca, vsebuje po tri inercialne senzorje proizvajalca Xsens. Ti merijo kot

okonœine v prostoru.

Dodatna prednost uporabe GPS tehnologije je, da lahkoenostavno zajamemo tudi povrøino smuœiøœa, kar se izkaæeza zelo pomembno pri kasnejøi analizi smuœanja. To storimoenostavno tako, da se z merilno anteno sprehodimo ali zape-ljemo po smuœiøœu, raœunalnik pa iz mnoæice zajetih koordi-nat zgradi mreæno predstavitev povrøine smuœiøœa.

Œeprav smo na ta naœin dobili tehnologijo, ki je bolj za-nesljiva in bolj uporabna kot meritve s kalibriranimi videoka-merami, pa tudi te meritve ne potekajo brez teæav. Glavni


228

BOJAN NEMEC

Slika 8: (levo) Smuœar, opremljen z diferencialnim GPS sistemom ter merilnim sistemom Xsens na osnovi inercialnih senzorjev.

Podatki s sistema Xsens se prenaøajo telemetriœno, vendar je najveœjarazdalja med sprejemnikom in oddajnikom omejena, zato je potrebno s sprejemnikom v nahrbtniku spremljati merjenca na primerni razdalji.

(desno) Izmerjeno gibanje merjenca. Rumena œrta oznaœuje poloæaj antene, zelena poloæaj teæiøœa smuœarja, modra in rdeœa

pa poloæaj smuœi.

problem predstavlja zahtevna namestitev in kalibracija iner-cialnih senzorjev, kar prepreœuje, da bi lahko te meritve do-volj hitro izvajali na veœjem øtevilu merjencev. V nasprotju stem pa meritev z GPS tehnologijo ne zahteva kalibracije in

zahtevne predpriprave merjenca. Kot smo æe omenili, je pribiomehanski obravnavi alpskega smuœanja in spremljanjutekmovalcev kljuœno poznavanje teæiøœa smuœarja in mordaøe poloæaja smuœi [20]. Zato se je pojavilo vpraøanje, ali jemogoœe dovolj natanœno oceniti teæiøœe smuœarja in poloæajsmuœi samo z GPS tehnologijo, ki omogoœa zasledovanje gi-banja antene, pritrjene na vrat smuœarja. Teoretiœno je to ne-reøljiv problem, saj nimamo dovolj izmerjenih podatkov, dabi lahko enoznaœno doloœili poloæaj vseh segmentov skeletasmuœarja v prostoru. Problem lahko delno reøimo, œe pred-postavimo, da poznamo vsaj pribliæen dinamiœni model smu -œarja. Najpreprostejøi dinamiœni model dobimo, œe smuœarja


aproksimiramo z inverznim nihalom, kot to kaæe slika 9. Pritem predpostavimo, da ima nihalo tri stopnje prostosti, to sogibanje levo-desno ter naprej-nazaj glede na smer smuœanjater dolæina nihala. Œe predpostavimo, da je tako nihalo ves

229


Slika 9: Modeliranje smuœarja z inverznim nihalom, kjer je potrebnoizraœunavati neznani kot iz izmerjenih podatkov GPS antene.

œas dinamiœno uravnoteæeno, lahko z numeriœnimi optimi-zacijskimi postopki doloœimo poloæaj nihala ob znanem gi-banju vrha nihala [23, 24]. Seveda je aproksimacija smu -œarja z inverznim nihalom zelo groba in lahko nastanejo pritem velike napake predvsem med agresivno izpeljavo za-voja, saj gibanja teæiøœa telesa ne moremo vedno dobro opi-sati z inverznim nihalom, kot to ilustrira situacija na sliki 9.Da bi lahko bolje izmerili tudi poloæaj teæiøœa in smuœi, bipotrebovali dinamiœni model smuœanja z veœ segmenti. Re -øevanje gibanja tako kompleksnega modela je ob danih rob-nih pogojih praktiœno neizvedljivo, zato smo priøli na idejo,da bi lahko napovedovali poloæaj smuœarja z metodamistrojnega uœenja. Pri tem se raœunalnik iz izmerjenih prime-rov nauœi, kakøna je lega telesa smuœarja v zavoju v odvis -nosti od hitrosti in pospeøkov GPS antene ter podatkov o lo-kalnem naklonu terena [25]. To odvisnost zapiøemo v oblikistatistiœnih modelov. Za uœenje teh modelov je potreb no upo-rabiti dovolj veliko bazo podatkov, ki vsebuje predhodno iz-


merjen poloæaj smuœarja, poloæaje antene GPS sistema terpodatke o povrøini smuœiøœa med smuœanjem. Te podatkeizmerimo z æe prej opisanim sistemom, ki sestoji iz GPS si-stema ter inercialnih senzorjev. Statistiœne modele lahko za-piøemo na razliœne naœine, mi smo uporabili predstavitev vobliki nevronskih mreæ ter predstavitev z lokalno uteæenimilinearnimi modeli [25]. Slika 11 ponazarja postopek ocenje-vanja lege smuœarja, kjer je model smuœarja zgrajen z upo-rabo nevronskih mreæ. Za optimalne rezultate je potrebno

230

BOJAN NEMEC

Slika 10: Blokovna shema sistema za ocenjevanje lege smuœi in teæiøœasmuœarja z modelom, zgrajenim na osnovi nevronskih mreæ. Nevronska

mreæa vsebuje 30 skritih nivojev in 9 izhodnih nivojev. Na osnovi 3vhodnih parametrov (radialna in translacijska hitrost ter lokalni naklon

terena) napoveduje 9 parametrov (x, y in z koordinate smuœi in teæiøœa).

zgraditi loœene modele za vsako zvrst smuœanja. Ko imamona voljo dovolj veliko bazo podatkov za posamezne disci-pline, kot so slalom, veleslalom in smuk, lahko s temi modelinapovedujemo lego smuœarja tudi takrat, ko imamo na raz-polago samo GPS meritve. Tak primer kaæe slika 11 levo, kjersmo napovedovali poloæaj teæiøœa in smuœi med veleslalom-sko voænjo z uporabo nauœenega modela. Osenœeno po-droœje oznaœuje ocenjeno standardno deviacijo napake me-ritev, ki prikazuje, kako zanesljivo je ocenjevanje, oziroma,kakøna je priœakovana napaka ocenjevanja. Na ta naœin smopravzaprav raœunalnik nauœili smuœanja, saj lahko v vsakemtrenutku model napoveduje, kakøen bo poloæaj smuœi inteæiøœa smuœarja glede na æeleni zavoj, trenutno hitrost in


naklon terena. Zelo podobne tehnologije uporabljamo tudipri uœenju robotov, da znajo samostojno opravljati doloœenenaloge.

231


Slika 11: Levo napaka ocene teæiøœa in smuœi na podlagi 32 voæenj.Desno primerjava izmerjene in ocenjene lege smuœarja.

8.2 Testiranje smuœarske obutve in smuœi

Æe zelo zgodaj smo se zaœeli povezovati tudi s proizvajalcismuœarske opreme, kot je npr. Alpina, ki je tedaj proizvajalacelo paleto smuœarskih œevljev, namenjenih tako rekreativcemkot tudi vrhunskim tekmovalcem. Eden glavnih problemov prirazvoju øportne opreme je testiranje na terenu, ki je subjekti-vno. Tako lahko testiramo samo v celoti narejene izdelke. NaIJS smo razvili metodo, ki omogoœa verno testiranje smuœarskeopreme in njenih podsklopov v laboratoriju [26, 27]. Pri temsmo najprej zajeli gibanje in sile, ki se pojavijo pri smuœanjuali smuœarskem teku in jih nato generirali v laboratorijskemokolju z uporabo robotske tehnologije. Na ta naœin smo lahko


232

BOJAN NEMEC

bolje analizirali, kaj se dogaja na terenu, kar je privedlo doveœ izboljøav ter patentov na smuœarski obutvi. V ta namensmo razvili veœ namenskih robotov, pri testiranju pa smo upo-rabljali tudi obiœajne industrijske robote. Slika 12a kaæe zaje-manje trajektorije upo gibanja kolena. To gibanje smo preneslina robota na sliki 12d, namenjenega testiranju alpskih smu -œarskih œevljev. Kompaktna zgradba robota je omogoœala, da

Slika 12: a) zajemanje gibanja desnega kolena med smuœanjem.b) zajemanje reakcijskih sil podlage med smuœarskim tekom.

c) zajemanje gibanja tekaøkih œevljev z optiœnim merilnim sistemom vlaboratoriju. Testiranje œevljev za alpsko smuœanje z uporabo meritev na

sliki a. Testiranje tekaøkih œevljev z uporabo meritev na sliki b in c.

smo ga lahko namestili v klimatsko komoro ter simulirali tuditemperaturne in vremenske pogoje. Za namen testiranje te-kaøkih œevljev in treking obutve smo razvili in izdelali robotana sliki 12e, pri œemer smo trajektorije smuœarskega teka zaje-mali bodisi na terenu, kot to kaæe slika 12b, bodisi z uporabosmuœarskih rolk v laboratoriju, kar prikazuje slika 12c.


Na podoben naœin smo pristopili tudi k testiranju smuœiin podloænih ploøœ, ki so nameøœene med smuœmi in vezmi.Pri testiranju smuœi nastopi problem, povezan predvsem zomejenim delovnim prostorom robotov, saj se smuœanje ti-piœno dogaja v zelo velikem prostoru. Zato smo z uporabo

233


Slika 13: Testiranje obnaøanja smuœi pri boœnem oddrsavanju

Slika 14: Demonstracija naœina smuœanja brez oddrsavanja z uporabosmuœi za zarezno tehniko


robotov testirali samo nekatere izolirane lastnosti smuœi, kotso npr. odziv pri oddrsavanju, torzijska upogljivost, odziv naradialne sile pri smuœanju. Slika 13 kaæe demonstracijo zavi-janja zareznih smuœi (smuœi s poudarjenim stranskim lokom,angl. carving) na sejmu, ki smo jo izvedli z uporabo stan-dardnega industrijskega robota. Slika 14 kaæe potek eksperi-

234

BOJAN NEMEC

Slika 15: Testiranje razliœnih modelov podloænih ploøœ. Pri tem smougotavljali, kako podloæne ploøœe duøijo vibracije in kako vplivajo na

upogibanje smuœi med obremenitvijo.

menta, kjer smo pokazali razliko med boœnim oddrsavanjemnavadnih smuœi in smuœi s poudarjenim stranskim lokom. Iz-kaæe se, da pri oddrsavanju zarezne smuœi povzroœijo vibra-cije z veliko amplitudo in nizko frekvenco, ki jih lahko du-øimo z uporabo podloænih ploøœ. Slika 15 kaæe eksperiment,kjer smo testirali vpliv podloænih ploøœ na upogib smu œi in stem povezano nezaæeleno odpenjanje vezi med smu œanjem.Na enak naœin smo preverjali tudi, kako uspeøno posameznimodeli podloænih ploøœ duøijo vibracije.


8.3 Simulacija smuœanja

Pri testiranju opreme, spremljanju tekmovalcev in biome-hanskih raziskavah se pogosto pojavlja potreba po kolikortoliko verni simulaciji alpskega smuœanja, saj je izvajanjemeritev na samem smuœiøœu teæavno. V svetu so razvili vrstopripomoœkov za simulacijo smuœanja od preprostih pripo-moœkov, ki spominjajo na fitnes naprave, pa do velikih te-koœih trakov, po katerih lahko smuœamo z obiœajno smuœar-sko opremo [28]. Ena izmed osnovnih nalog pri alpskemsmuœanju je ohranjanje ravnoteæja ob prisotnosti radialnihsil v zavoju ter z upoøtevanjem vpliva reakcijskih sil podlagezaradi neravnin na progi. Te sile lahko generiramo tudi zuporabo robotskih tehnologij, obenem pa z uporabo tehno-logij navidezne resniœnosti poskrbimo øe za simulacijo vid-nega zaznavanja na smuœiøœu [29, 30]. Na IJS smo se najprejlotili simulacije smuœanja z uporabo tehnologij navidezneresniœnosti v okviru øtudentskih vaj. Pri tem smo z uporaboparalelnega robota s øestimi prostostnimi stopnjami (Stewar-tove platforme) generirali podobne reakcijske sile podlage,kot nastajajo med smuœanjem. Pri alpskem smuœanju tipiœnonastajajo zelo velike radialne sile kot posledica zavijanja priveliki hitrosti, ki jih ne moremo generirati samo s paralelnimrobotskim mehanizmom. Problem smo reøili tako, da smo tesile generirali z dvema servomotorjema, ki preko pletenicvleœeta bok smuœarja levo-desno in s tem simulirata radialnesile. Pri tem smo radialne sile regulirali preko senzorjev silein navorov, nameøœenih na boku smuœarja, kot to kaæeta sliki16c in 16d. Vizualno predstavitev smo realizirali v program-skem okolju Blender (www.blender.org). Pri tem lahko slikopredvajamo na ekran, ki je nameøœen pred smuœarjem ali pasliko predvajamo v oœala za navidezno resniœnost. V sled-njem primeru v okolju Blender generiramo loœeni sliki zaobe oœesi in s tem ustvarimo globinsko (3D) sliko. Oœala

235



imajo tudi senzor orientacij, tako da prilagajamo pogled, kosmuœar obraœa glavo. Dinamiœni model smuœanja oziromasil, ki nastopajo pri smuœanju, smo generirali v okolju Mat-lab/Simulink ter z uporabo tega modela vodili robotski me-

236

BOJAN NEMEC

Slika 16: Simulacija smuœanja z uporabo tehnologij navidezne resniœnosti.a,b) Smuœar spremlja potek smuœanja na ekranu televizorja, kjer sliko

generiramo v programskem okolja Blender. V navideznem okolju zavija spritiskanjem na tenziometriœno ploøœo, ki je nameøœena na 6 osni

paralelni robotski mehanizem (Stewartova platforma). Robot se nagiba vskladu z lokalno ukrivljenostjo terena ter generira vibracije, ki so

posledice neravnin terena. b,c) Sistem za smuœanje v navideznem okoljusmo izboljøali z uporabo oœal za navidezno resniœnost, ki omogoœajo 3D

zaznavanje in spreminjajo pogled glede na zasuk glave smuœarja. Smuœar zavija z nagibanjem ploøœ, ki so nameøœene na paralelnem

robotu. Radialne sile, ki nastopijo kot posledica zavijanja pri veliki hitrosti,smo generirali z dvema servomotorjema, ki vleœeta smuœarja levo-desno.


hanizem in dva servomotorja za simulacijo radialnih sil. Si-mulacijo smuœanja na opisanem simulatorju prikazujejo sli -ke 16 a, b, c in d.

Razvito tehnologijo smo uporabili tudi v projektu, ki jeobravnaval vpliv øirine smuœi na varnost pri alpskem smu -œanju [31]. V æelji po zagotavljanju veœje varnosti tekmoval-cev so pri mednarodni smuœarski zvezi uvedli vrsto omejitevpri smuœarski opremi, kot je npr. najveœja viøina podloæneploøœe med smuœmi in smuœarskim œevljem oziroma naj-veœja viøina med stopalom smuœarja in smuœko. Zato so bilitekmovalci primorani uporabljati øirøe smuœi, da v zavojih nebi s œevlji nasedali na sneg. Ta trend se je iz tekmovalnegasmuœanja preselil tudi v rekreativno smuœanje, kar pa pomnenju nekaterih strokovnjakov poleg oteæenega smuœanjapovzroœa tudi veœje obremenitve v kolenskem sklepu. To hi-potezo je bilo potrebno preveriti v okviru omenjenega pro-jekta. Pri tem smo najprej na terenu izvedli vrsto meritev,kjer smo na treh razliœnih øirinah sicer enakih smuœi izmerilireakcijske sile podlage, aktivnosti øestih miøiœnih skupin nanogi, trajektorijo smuœanja in lego smuœarja. Pri tem smo zamerjenje reakcijskih sil podlage uporabili sistem opisan vpoglavju 1, trajektorijo smuœanja in lego smuœarja z uporaboGPS sistema in inercialnih senzorjev, opisanih v poglavju 2,miøiœno aktivnost pa s prenosnim EMG sistemom. Za pra-vilno interpretacijo rezultatov na terenu so bile potrebne tudilaboratorijske meritve, kjer smo s posebno robotizirano plat-formo simulirali razliœne øirine smuœi. Robotizirana plat-forma je z uporabo koraœnih motorjev sproti simulirala spre-membo øirine smuœi. Na ta naœin smo lahko ugotavljali, kakose pri doloœeni legi in pri doloœenih lateralnih silah smuœarodziva na spremenjene pogoje. V ta namen smo zajemalilego smuœarja z optiœnim merilnim sistemom in inercialnimmerilnim sistemom ter spremljali miøiœno aktivnost z EMGsistemom. Slika 17 prikazuje povezavo meritev na terenu z

237



meritvami v laboratoriju ter blokovno shemo laboratorijskihmerilnih postopkov. Laboratorijske meritve in meritve na te-renu so potrdile naøo hipotezo, œeprav se je pokazalo, da jeodvisnost obremenitve kolen od øirine smuœi precej boljkompleksna, kot smo sprva domnevali [31].

238

BOJAN NEMEC

Slika 17: Shematski prikaz povezane meritev na terenu z meritvamiv laboratoriju. Blokovna shema prikazuje povezavo merilne opreme

za laboratorijske meritve

8.4 Smuœarski robot

Vsa naøteta dognanja in razvito tehnologijo smo zdruæiliv prvem robotu na svetu, ki je bil sposoben avtonomno smu -œati med smuœarskimi vratci [32, 33]. Robot med smu œanjemzavija z uporabo zarezne tehnike (carving), kjer je radij za-


voja odvisen od naleænega kota med smuœjo in snegom, kotto kaæe slika 18.

Spreminjanje kota smuœi glede na podlago lahko dose-æemo z iztegovanjem in krœenjem ‘kolen’ robotovih nog, kismo jih realizirali v obliki paralelograma (slika 19). Ker para-lelogram ohranja naklon med smuœmi in trupom, za vodenjerobotovih nog zadoøœata samo 2 prostostnimi stopnji. Za za-gotavljanje stabilnosti pri smuœanju je potrebno nagibati tuditrup robota-smuœarja, za kar poskrbi tretja prostostna stopnjarobota [34]. Med smuœanjem nastopajo zelo velike sile, ki soposledica neravnin na terenu in razmeroma velikih radialnih

239


sil med zavijanjem. Da bi zmanjøali obremenitev motorjev, skaterimi vodimo robota, smo kompenzirali teæo robota z do-datnimi vzmetmi in duøilkami. Te smo namestili med stopalain trup robota. Vibracije, ki nastopajo med smuœanjem in soposledica neravnin na terenu, smo dodatno duøili z gumija-stimi blaæilci, nameøœenimi v peti robota. Robot je oprem-ljen tudi s senzorji reakcijskih sil podlage, s katerimi tudi ak-tivno blaæimo te sile. Robot je v iztegnjenem poloæaju visok120 cm in pripravljen za smuœanje tehta 23 kg. Po teh last-nostih je primerljiv z 8 letnim otrokom, zato lahko smuœa naobiœajnih otroøkih smuœeh. Slika 19 prikazuje naøega robotasmuœarja.

Vodenje smuœarja je razdeljeno v dva hierarhiœna nivoja,kot to kaæe slika 20. Spodnji hierarhiœni nivo skrbi za koordi-nacijo nog in trupa ter za stabilnost smuœarja. V ta namen

Slika 18: Ko smuœko s poudarjenim stranskim lokom nagnemo podkotom θ, se ukrivi tako, da se prilega kroænici zavoja z radijem R


smo realizirali hitre regulacijske zanke, ki se obnaøajo pod-obno kot refleksni nivo pri œloveku. Zgornji – strateøki nivo –skrbi za sprotno planiranje poti smuœarja med smuœarskimivratci ter za izogibanje oviram. Pri tem uporablja videoka-

240

BOJAN NEMEC

Slika 19: Robot smuœar

mero, s katero robot zaznava poloæaj smuœarskih vratc ter za-znava morebitne ovire. Za uspeøno planiranje poti potrebu-jemo tudi hitrost robota, ki ga zajemamo preko GPS sistema.

Pri vodenju smuœarskega robota se je kot najtrøi oreh izka-zala navigacija, kjer je potrebno v vsakem trenutku preslikatiinformacije o æeleni poti in informacije s kamere, GPS sistemain æiroskopa v gibanje nog. Robot smuœar je tipiœen neholono-men sistem, kjer za razliko od mobilnih robotov ne moremovplivati na hitrost gibanja, zato je navigacija oziroma planira-nje poti posebej zahtevno [32,33]. Navigacijo øe dodatnooteæi dejstvo, da robot smuœar kljub uporabi øirokokotne ka-mere zelo pogosto ne vidi naslednjih smuœarskih vrat. Ta pro-blem smo reøili z uporabo razøirjenega Kalmanovega filtra, kina osnovi izmerjene translacijske in kotne hitrosti optimalnoocenjuje poloæaj vratc tudi takrat, ko jih kamera ne vidi [33].


Za uspeøno planiranje poti moramo v vsakem trenutku iz-raœunavati razdaljo med robotom in naslednjimi smuœarskimivratci. Ker uporabljamo samo eno kamero, smo oddaljenostdo vrat ocenjevali s pomoœjo velikosti vratc. Razpoznavanje

241


Slika 20: Blokovna shema vodenja smuœarskega robota je razdeljena v dva hierarhiœna nivoja. Naloga strateøkega nivoja je navigacija robota

in razpoznavanje objektov na smuœiøœu s kamero. Algoritme smorealizirali na obiœajnem prenosnem raœunalniku, ki se je nahajal v trupu

robota. Regulacijski nivo je namenjen zagotavljanju stabilnosti inregulaciji servomotorjev, s katerimi krmilimo zglobe robota.

smuœarskih vratc na smuœiøœu dodatno ote æujejo øe spremen-ljivi pogoji osvetlitve. Na zaœetku smo za planiranje gibanjarobota uporabljali matematiœni model na osnovi empiriœneenaœbe, ki posnema gibanje œloveka v prostoru z ovirami[32,33]. Uspeønost planiranja zavisi od mo dela, katerega pa-rametri so moœno odvisni od hitrosti robota, sneænih pogojev,naklona terena in mnogih drugih spremenljivih pogojev nasmuœiøœu. Zato je robot pogosto izraœunal napaœno gibanje,


kar je pomenilo, da ni izpeljal proge. Problem smo reøili zuporabo metod strojnega uœenja. Pri tem smo se zgledovali poœloveku, ki ne izraœunava razdalj in Jacobijevih matrik ter na-stavlja parametre modela, temveœ se enostavno nauœi takegagibanja nog, da izpelje smuœarsko progo. V ta namen smo ne-vronsko mreæo uœili preslikave med vidnim zaznavanjem inakcijo gibanja nog [35]. Za uspeøno uœenje je bilo potrebnoizvesti dovolj veliko øtevilo uœnih ciklov, kjer smo robota vo-

242

BOJAN NEMEC

dili z daljinskim vodenjem in roœnim popravljanjem. Vhod vnevronsko mreæo je bila pozicija in velikost naslednjih vratc vkoordinatnem sistemu kamere, izhod pa nagib kolen robota.Ta naœin, kjer robota krmilimo z nevronsko mreæo, se je poka-zal kot bolj uspeøen in robusten kot z uporabo matematiœnegamodela [35]. Blokovno shemo navigacije z nevronsko mreæoprikazuje slika 21.

Med smuœanjem robota je potrebno ves œas preverjati inzagotavljati stabilnost in pri tem upoøtevati, da lahko nasto-pijo tudi nepredvidene motnje, kot so npr. grbine na terenu.

Stabilnost je vedno prva prioriteta in robot mora ærtvovatitudi pravo smer voænje, da s tem prepreœi padec. To smo do-segli z uporabo metodologije, ki jo uporabljamo za vodenjekinematiœno redundantnih robotov. Uporabili smo naø origi-nalni pristop, ki zagotavlja zvezno prehajanje med t. i. pri-marno in sekundarno nalogo [36]. Pri smuœarskem robotu je

Slika 21: Navigacija in vodenje smuœarskega robota z nevronsko mreæo. Vhod v nevronsko mreæo so koordinate smuœarskih vratc

v koordinatnem sistemu kamere ter hitrost robota izmerjena z GPSsistemom, izhod pa zasuk motorjev, s katerimi krmilimo noge robota.


primarna naloga zagotavljanje stabilnosti, sekundarna pa jezagotavljanje smeri gibanja in s tem povezana lega robota.Stabilnost robota smo ocenjevali s sprotnim izraœunavanjemtoœke niœelnega navora [34]. Ko vertikalna projekcija toœkeniœelnega navora leæi znotraj podpornega poligona, ki gaomejujejo smuœi (Slika 22 a), stabilnost robota ni ogroæenain bo naø regulator izvajal sekundarno nalogo kot primarno.Ko pa se projekcija toœke niœelnega navora pribliæuje robu

243


podpornega poligona, je stabilnost robota ogroæena in po-stane zagotavljanje stabilnosti primarna naloga. Prehajanjemed primarno in sekundarno nalogo je zvezno, kot to kaæeslika 22 b. Blokovno shemo sistema, ki zagotavlja stabilnostsmu œarja, kaæe slika 23.

Iz gornjega opisa je razvidno, da smuœarski robot potre-buje kompleksen senzorski in regulacijski sistem za uspeønodelovanje. Med razvojem takega sistema je zelo pomemb -na faza testiranja algoritmov in posameznih programskih

Slika 22: Levo puøœica prikazuje obmoœje, kje se lahko giblje projekcija toœke niœelnega navora. Desno nekaj preklopnih funkcij, ki izbirajo primarno in sekundarno nalogo, ko se toœka niœelnega

navora pribliæuje mejnim vrednostim.


modulov. Pri razvoju smuœarskega robota smo æeleli opra-viti œim veœ testiranj v laboratorijskem okolju, saj je testira-nje na snegu zelo oteæeno. V ta namen smo uporabili kar

244

BOJAN NEMEC

Slika 23: Blokovna shema sistema za zagotavljanje stabilnosti robota smuœarja

naø simulator za smuœanje v virtualnem okolju. Robotasmuœarja smo namestili na robotizirano platformo, ki je ge-nerirala spremenljive lokalne naklone in neravnine terena. Vprogramskem okolju Blender smo simulirali sliko skladno zdogajanjem na terenu. Koordinacijo gibanja platforme in

Slika 24: Testiranje robota smuœarja v navideznem okolju


vidne predstavitve smo izvedli v programskem sistemu Mat-lab, ki je poskrbel za preslikavo robotovih akcij v gibanje ro-bota v virtualnem okolju. Robot smuœar je bil na ta naœin iz-postavljen zelo podobnim pogojem kot na smuœiøœu, saj jeplaniral akcije samo s senzorji, kot so elektronski æiroskop,senzorji reakcijskih sil podlage ter videokamere. Edina izjema

245


je bila ta, da hitrosti nismo mogli zajemati z GPS sistemom.Namesto tega smo v laboratorijskem okolju hitrosti zaznavaliz videokamero, kar je sicer v realnem okolju manj zanesljivo.Slika 24 prikazuje testiranja robota v virtualnem okolju.

Vmesni œlen med testiranjem v laboratoriju in testiranjemna snegu je bilo øe testiranje na asfaltni klanœini, kjer smo na-mesto smuœi s poudarjenim stranskim lokom uporabili rolke.Slika 25 prikazuje postopek uœenja navigacije na asfaltniklanœini.

Na ta naœin smo dosegli, da je robot uspeøno smuœal æe, kosmo ga prviœ postavili na sneg na smuœiøœu na Cerknem leta2008. Pri tem je uspeøno izpeljal smuœarsko progo, oznaœenos petimi smuœarskimi vraticami. Robot med smu œanjem ni

Slika 25: Uœenje navigacije in testiranje robota smuœarja na asfaltniklanœini


uporabljal predprogramiranih akcij, temveœ jih je izraœunavalsproti glede na situacijo na terenu, ki jo je zaznaval s senzor-skim sistemom. Na ta naœin je lahko izpeljal poljubno kombi-nacijo vrat, œe le niso bili zahtevani radiji zavojev premajhni.Zavojev z zelo majhnim radijem robot namreœ ne zna izpe-

246

BOJAN NEMEC

ljati, saj bi s tem ogrozil stabilnost in bi v zavoju padel. Dvaposnetka smuœanja naøega robota na smuœiøœu v Cerknem inna Sorici, posneta med leti 2008 in 2012, prikazuje slika 26.

Na koncu se lahko vpraøamo, kakøen je namen takegasmuœarskega robota. Prvenstveno smo ga izdelali zato, dasmo lahko testirali in verificirali algoritme za navigacijo inzagotavljanje stabilnosti, ki so pomembni pri razvoju huma-noidnih in servisnih robotov. Moænosti uporabe smuœar-skega robota pa so øirøe. Ena izmed moænosti uporabe je ob-jektivno testiranje smuœarske opreme. Naslednja moænost jepomoœ pri reøevanju ponesreœencev na smuœiøœu z uporaborobotiziranih reøevalnih sani. Na tem projektu smo sodelo-vali z Ossining High School’s, ZDA, v okviru raziskovalnegaprograma, ki so ga izvajali øtudentje øole. Sicer pa je smuœar-ski robot æe sam po sebi inovativna in uspeøna aplikacija ro-botske tehnologije, saj smo zanj dobil nagrado kot najboljøiprispevek s podroœja zabavne robotike na konferenci IROS

Slika 26: Robot smuœar v akciji


2009 [33]. Poæeli smo tudi veliko zanimanje tuje in domaœejavnosti, video s posnetki smuœanja pa je bil med najboljpredvajanimi na spletni strani YouTube (https://www.youtube.com/watch?v=luzs63dGHQs,http://abr.ijs.si/en/activities/117).

Seznam ljudi, ki so odloœilno doprinesli k izvajanju aktiv-nosti opisanih v tem prispevku, urejen po abecednem redupriimkov:

doc. dr. Jan Babiœ Jure Frankoprof. dr. Otmar Kugovnikdr. Leon LahajnarBorut Lenartprof. dr. Blaæ Leønikprof. dr. Zlatko MatjaœiœStojan Mrakdr. Andrej Olenøekdr. Luka Peterneldr. Tadej Petriœprof. dr. Matej Supejdr. Martin Zorkodoc. dr. Leon Ælajpahprof. dr. Milan Ævan

Literatura

1. Bojan Nemec. A system for measuring ground reaction forces in al-pine skiing. Coaching & sport science journal, 2:46–55, 1998.

2. Bojan Nemec. Merjenje reakcijskih sil podlage pri alpskem smuœa -nju. Øport, 44(4): 45–50, 1996.

3. Werner Nachbauer, Peter Kaps, Martin Mossner. Determination of ki-netic friction in dowhill skiing, Proc of 8th meeting of europian so-ciety of byomechanics, Rome, Italy, 1992.

247



4. Werner Nachbauer, A. Rauch. Biomechanishe Analysen der Torlaufund Riesentorlauftechnik. Biomechanik der Sportarten, Ferdinad EnkeVerlag, Stuttgart, 1991.

5. Henry L. Hurkmans, Johannes B. Bussmann, Eric Benda, Jan A. Ver-haar, Henk J. Stam. Accuracy and repeatability of the Pedar Mobilesystem in long-term vertical force measurements. Gait Posture, 23(1):118–125, 2006.

6. Gerhars Stricker, Peter Scheiber, Elke Lindenhofer, Erich Müller. De-termination of forces in alpine skiing and snowboarding: validationof a mobile data acquisition system. European Journal of SportScience, 10(1):31–41, 2010.

7. Bojan Nemec. Testing of cross-country ski shoes using an industrialrobot. Proc. of Environmental ergonomics ICEE 2002, 511–514, Fu-kuoka, Japan, 2002.

8. Werner Nachbauer, Peter Kaps, Benno Nigg, et al. A video techni-que for obtaining 3-D coordinates in alpine skiing. Journal of Ap-plied Biomechanics, 12(1):104–115, 1996.

9. Otmar Kugovnik, Bojan Nemec, Tomaæ Pogaœar, Milan Œoh. Measu-rement of trajectories and ground reaction forces in alpine skiing. Ki-nesiologia Slovenica, 4(1):22–26, 1998.

10. Otmar Kugovnik, Bojan Nemec, Matej Supej. A skidding model forcarving skis. Kinesiology, 32(2):42–50, 2000.

11. Otmar Kugovnik, Bojan Nemec, Matej Supej, Milan Œoh. Influenceof the ski side cut on vibrations in alpine skiing. Kinesiologia Slove-nica, 6(1/2):47–50, 2000.

12. Matej Supej, Otmar Kugovnik, Bojan Nemec, Janez Ømitek. Dobasmuœanja s sledenjem telesa – Tekmovalna slalomska tehnika z vi-dika biomehanike. Øport, 49(4):49–55, 2001.

13. Matej Supej, Otmar Kugovnik, Bojan Nemec. New advances in ra-cing slalom technique, Kinesiologia Slovenica, 8(1):25–29, 2002.

14. Matej Supej, Bojan Nemec, Otmar Kugovnik. Changing conditionson the slalom ski course affect competitors’ performances. Kinesio-logy, 37(2):151–157, 2005.

248

BOJAN NEMEC


15. Matej Supej, Otmar Kugovnik, Bojan Nemec. Kinematic determina-tion of the beginning of a ski turn, Kinesiologia Slovenica, 9(1):5–11,2003.

16. Matej Supej, Otmar Kugovnik, Bojan Nemec. Modelling and simu-lation of two competition slalom techniques. Kinesiology, 36(2):206–211, 2004.

17. Otmar Kugovnik, Matej Supej, Bojan Nemec. Biomehanika alpskegasmuœanja. Fakulteta za øport, Inøtitut za øport, 2003.

18. Matej Supej, Bojan Nemec. Uporaba digitalne obdelave slik vøportu. Zbornik 3. strokovne konference ROSUS 2008, 22–32, 2008.

19. Francesco Braghin, Federico Cheli, Stefano Maldifassi, Stefano Melzi,Edoardo Sabbioni. The Engineering Approach to Winter Sports, Sprin-ger-Verlag New York, 2016.

20. Matej Supej. Differential specific mechanical energy as a quality pa-rameter in racing alpine skiing. J. Appl. Biomech., 24:121–129, 2008.

21. Matthew Brodie, Alan Walmsley, Wyatt Page. Fusion motion cap-ture: a prototype system using inertial measurement units and GPSfor the biomechanical analysis of ski racing. Sports Technology,1:17–28, 2008.

22. Matej Supej. 3D measurements of alpine skiing with an inertialsensor motion capture suit and GNSS RTK system. J. Sports Sci.,28(7):759–769, 2010.

23. Matej Supej, Otmar Kugovnik, Bojan Nemec. DGPS measurementsystem in alpine skiing track and center of mass estimation. Proc. ofFirst Joint International Pre-Olympic Conference of Sports Sciencesand Sports Engineering, 120–125, Nanjing, China, 2008.

24. Matej Supej, L. Saetran, Lucca Oggiano, Gertjan Ettema, Nejc Øara-bon, Bojan Nemec, Hans Christian Holmberg. Aerodynamic drag isnot the major determinant of performance during giant slalom skiingat the elite level. Scand. J. Med. Sci. Sports, 23: 38–47, 2013.

25. Bojan Nemec, Tadej Petriœ, Jan Babiœ, Matej Supej. Estimation ofalpine skier posture using machine learning techniques. Sensors,14(10):18898–18914, 2014.

249



26. Bojan Nemec, Michele Leonardi. Testing sports shoes with an indu-strial robot. Proc. of XVI International Symposium on Biomechanicsin Sports, 540–543, Konstanz, Germany,1998.

27. Bojan Nemec, Michele Leonardi. Testing alpine ski using industrial ro-bots. Proc. of 8th International Workshop on Robotics in Alpe-Adria-Danube Region, RAAD’99, 286–290, Munich, Germany, 1999.

28. Bojan Nemec, Matej Supej, Leon Lahajnar. A feasibility study of anadvanced skiing simulator. Proc of 4th International Congress onScience and Skiing, 148, St. Christoph am Arlberg, Austria, 2007.

29. Joachim Zitzewitz, Georg Rauter, Reto Steiner, Andreas Brunschwei-ler, Robert Riener. A versatile wire robot concept as a haptic inter-face for sport simulation.IEEE International Conference on Roboticsand Automation, ICRA ‘09, 313–318, 2009.

30. Rares Boian, Mourad Bouzit, Grigore Burdea, Judith Deutsch. DualStewart Platform Mobility Simulator. Proc. of the 26th Annual Interna-tional Conference of the IEEE EMBS, 4848-4851, Chicago, Illinois, 2004.

31. Martin Zorko, Bojan Nemec, Jan Babiœ, Blaæ Leønik, Matej Supej. Thewaist width of skis influences the kinematics of the knee joint in alpineskiing. Journal of Sports Science and Medicine, 14(3):606–619, 2015.

32. Leon Lahajnar, Andrej Kos, Bojan Nemec. Skiing robot – design,control, and navigation in unstructured environment. Robotica,27:567–577, 2009.

33. Bojan Nemec, Leon Lahajnar. Control and navigation of the skiingrobot. Proc of IEEE/RSJ International Conference on Intelligent Ro-bots and Systems IROS 2009, 2321–2326, St. Louis, Missouri, 2009.

34. Leon Lahajnar, A. Kos, Bojan Nemec, Modeling and control of auto-nomous skiing robot. Proc. of the 6th EUROSIM Congress on Model-ling and Simulation, (2), Ljubljana, Slovenija, 2007.

35. Tadej Petriœ, Luka Peternel, Andrej Gams, Bojan Nemec, Leon Ælaj-pah. Navigation methods for the skiing robot. International journal ofhumanoid robotics, 10(4):1350029-1-1350029-21, 2013.

36. Tadej Petriœ, Leon Ælajpah. Smooth continuous transition betweentasks on a kinematic control level: obstacle avoidance as a controlproblem, Robot. auton. syst., 61(9):948-959, 2013.

250

BOJAN NEMEC



Sprejeto na seji Predsedstva Slovenske akademije znanosti in umetnosti

dne 23. februarja 2016

UredilaTadej Bajd in Ivan Bratko

BIOROBOTIKA

Izdala: Slovenska akademija znanosti in umetnostiUredila: Tadej Bajd in Ivan Bratko

Grafiœna priprava in tisk: Setzer, Danilo Radanoviœ s.p.Naklada: 250 izvodov

Ljubljana 2016


Tad

ej B

ajd

, Iv

an

Bra

tko

B

I O

R O

B O

T I K

A

9 7 8 9 6 1 2 6 8 0 4 5 9

9 789612 680459

15

,00

EU

R

ISBN 978-961-268-045-9

Documents

Tadej Bajd, Ivan Bratko B I O R O B O T I K A - sazu.si K net.pdf · CIP - Kataloæni zapis o publikaciji Narodna in univerzitetna knjiænica, Ljubljana 007.52(082) BIOROBOTIKA