Control adaptativo para un robot serial UR5 de 6 grados de libertad para la evasión de colisiones orientado a la interacción humano-robot

Abstract

Con la llegada de la Industria 4.0, el uso de robots colaborativos en entornos compartidos con humanos ha crecido notablemente, planteando nuevos desafíos en términos de seguridad. Por ello la necesidad de métodos efectivos para la evasión de colisiones que protejan a los trabajadores se ha vuelto crucial. Aunque existen diversas metodologías, muchas no incorporan controladores robustos o adaptativos, lo que las hace susceptibles a perturbaciones externas y variaciones en los parámetros del sistema, comprometiendo así su desempeño y seguridad. Con esto en consideración, este trabajo presenta un sistema de detección de obstáculos y una metodología híbrida para la planificación de trayectorias en un robot de 6 grados de libertad (GDL), orientado a optimizar la interacción humano-robot. La detección se realizó mediante un LiDAR 2D, que mide la distancia entre el robot y las personas en el entorno. La planificación de trayectorias se efectúa en tiempo real utilizando campos potenciales artificiales (APFM), conocidos por su eficiencia y facilidad de implementación. Se diseña y comparan dos controladores: uno adaptativo y otro basado en el modo deslizante (SMC), para seguir la trayectoria generada por el APFM y manejar las incertidumbres paramétricas. El desempeño de estos controladores en la evasión de obstáculos se valida mediante la adición de masas en el efector final del robot, introduciendo perturbaciones en el sistema. El controlador adaptativo siguió la trayectoria de evasión un 79.1 % más rápido que el control interno del robot y mantuvo una distancia adicional de 6 mm del obstáculo. El controlador SMC siguió la trayectoria de evasión un 75 % más rápido pero redujo la distancia unos 24.3 mm del obstáculo. La implementación del sistema se realizara utilizando el software Robot Operating System (ROS).

With the advent of Industry 4.0, the use of collaborative robots in shared environments with humans has significantly increased, posing new safety challenges. Thus, the need for effective collision avoidance methods to protect workers has become crucial. Although various methodologies exist, many do not incorporate robust or adaptive controllers, making them susceptible to external disturbances and system parameter variations, which compromise their performance and safety. In light of this, this work presents an obstacle detection system and a hybrid methodology for trajectory planning in a 6- degree-of-freedom (DOF) robot, aimed at optimizing human-robot interaction. Obstacle detection is performed using a 2D LiDAR, which measures the distance between the robot and people in the environment. Trajectory planning is carried out in real-time using Artificial Potential Fields (APFM), known for their efficiency and ease of implementation. Two controllers are designed and compared: an adaptive controller and a sliding mode controller (SMC) to follow the trajectory generated by the APFM and handle parametric uncertainties. The performance of these controllers in obstacle avoidance is validated by adding masses to the robot’s end effector, introducing disturbances into the system. The adaptive controller followed the avoidance trajectory 79.1 % faster than the robot’s internal control and maintained an additional 6 mm distance from the obstacle. The SMC controller followed the avoidance trajectory 75 % faster but reduced the distance by approximately 24.3 mm from the obstacle. The system will be implemented using Robot Operating System (ROS) software.