İnsan-robot paylaşımlı kontrolüne dayalı teleoperatif canlı hat dağıtım çalışma robotu

Özet

İnsan-robot ortak kontrolüne dayanan, tele-operatörlü canlı hat dağıtım çalışma robotu geliştirilmiştir. Laboratuvar deneyleri, paylaşılan kontrol ağırlıklarının yörünge verimliliğini artırdığını ve görev tamamlanma süresini ve alt hareketleri azalttığını gösterdi. Ani teleoperasyon davranış algılama algoritması, ani operatör hareketlerini azaltmış ve alan dokunma işlemlerinde başarıyla doğrulanmıştır.

Özet

Dağıtım elektrik hatlarında geleneksel canlı hatlı çalışma, yüksek risk, yüksek iş yoğunluğu ve yüksek eğitim maliyetleriyle karakterize edilen manuel emeğe dayanır; Bu nedenle, dağıtım canlı hat çalışma robotlarının geliştirilmesi, manuel işlemlerin yerini almak için hayati bir yoldur. Ancak, çalışma ortamı oldukça yapılandırılmamış ve dinamiktir; karmaşık dış aydınlatma ve öngörülemez rüzgar koşulları gibi zorluklar vardır. Mevcut robotlar esas olarak ya usta-köle teleoperasyon ya da tamamen otonom modlar kullanır; bunlar operatörlere ağır zihinsel yük getirir, yanlış işlemeye karşı oldukça hassastır ve sınırlı çevresel uyum sağlar.

Bu sorunları ele almak için, bu çalışma insan-robot paylaşımlı kontrolüne dayanan tele-operatif dağıtım canlı hat çalışma robotunu sunmaktadır. Son manipülatör yörüngesi, insan operatör ve robotun otomatik planlama modülü tarafından ayrı ayrı sağlanan iki referans yörüngesinin doğrusal ağırlıklı kombinasyonuyla elde edilir. Bu yaklaşım, robotun operatöre olan bağımlılığını azaltır, operatörün zihinsel yükünü hafifleder, verimliliği artırır ve insan operatörün ani yanlış işlemlerini önler. Son olarak, makale sistem tasarımını sunar ve gerçek dünyada canlı hat tapma işlemlerinde uygulanarak etkinliğini doğrular.

Giriş

Canlı hatlı çalışma, yüksek voltajlı ekipmanların denetimi, test edilmesi ve bakımı için kritik bir yöntemdir. Çin'deki canlı hat çalışmalarının hacmi hızla artıyor. Sektör talebi açısından bakıldığında, canlı hat çalışmasında personel güvenliği sorununu çözmek uzun vadeli ve zorlu bir görevdir. Yöntemlerde, teknolojilerde, ekipmanlarda ve kavramlarda yenilik ve geliştirme hâlâ gereklidir.

Dağıtım canlı hat çalışması, elektrik dağıtımı ve canlı hat bakımı için en yaygın canlı hat çalışma türlerinden biridir. Karmaşık aydınlatma ortamı, yoğun ekipman düzeni ve dağıtım güç hatlarındaki küçük faz-faza ve faz-toprak mesafeleri nedeniyle, bu operasyonlar büyük ölçüde geleneksel manuel yöntemlere dayanmıştır. Ancak bu geleneksel yaklaşım yüksek risk, yüksek iş yoğunluğu ve yüksek eğitim maliyetleri gibi sorunlarla^{karşı karşıya durmaktadır 1}. Bu nedenle, el emeğinin yerini almak için canlı hat çalışma yeteneklerine sahip robotlar geliştirmek, gelecekteki dağıtım ağı işletmesi ve bakımı için kaçınılmaz bir eğilim haline geldi.

1980'lerden bu yana Japonya ve Amerika Birleşik Devletleri gibi ülkeler bu alanda araştırma ve denemeler yürütmüştür ( Şekil 1'de gösterildiği gibi). En erken sistemler, usta-köle takip tele-operatörlü robotlardı. Örneğin, Japonya'nın Faz II canlı hatlı çalışma^{robotu 2} , platforma üç özgürlük derecesi (DOF) yardımcı manipülatör ve çift DOF elektrikli manipülatör taktı. İnsan operatör, yakın mesafeden bir çalışma çubuğu ile kontrol ediyordu.

ABD TOMCAT³ modeli, çalışan bir kovada insan operatör tarafından kontrol edilen hidrolik bir manipülatör kullanıyordu. Benzer şekilde, Çin'deki Shandong Power Grid⁴, çalışan bir kovada duran operatörler tarafından kontrol edilen hidrolik manipülatörleri benimsedi. Ayrıca, ana ve köle uçları arasındaki izin verilen mesafeyi artırmak için İspanyol ROBTET ^5,6, uzaktan iletişim için fiber optik kablolar kullanarak operatörlerin yerden teleoperasyon yapmasını sağladı. Bu robot teleoperasyon modları, bir master-slave takip modu olarak özetlenebilir. Yetersiz otonom zekadan muzdarip olurlar; personelin çevreyi gözlemlemesini ve robotu yakın mesafeden kontrol etmesini gerektirir ve önemli bir zihinsel yük taşırlar; bu nedenle yüksek voltajlı, tehlikeli ortamlarda insanları yerini dolduramazlar.

Robotik zeka eksikliğini gidermek için, robotun otonom yeteneklerini geliştirmek için bilgisayar görüşü, yörüng planlaması ve insan-robot uzaktan etkileşimi gibi akıllı teknolojiler üzerine araştırmalar yapılmalıdır.

Dağıtım canlı hattı çalışmasında, tapping görevi toplam iş yükünün yaklaşık %^{20'sini oluşturur} (dağıtım telleri Şekil 2'de gösterilmiştir). Bu nedenle, robotu yönlendirmek için tel ve onun soyulmuş bölgesini, yani yalıtımın kaldırıldığı bölgeyi tanımlamak ve konumlandırmak için görme sensörlerinin kullanılması çok önemlidir. 2020 yılında, State Grid Ruijia⁸, uzaktan etkileşim yapabilen bir dağıtım canlı hat çalışma robotu geliştirdi; bu robot hedef tanıma ve konumlandırma için LiDAR ve dürbün kamera bilgilerini birleştirdi. Ayrıca, morfolojik işlemleri ve Hough dönüşümünü birleştiren algoritmalar, güç hattı^{çıkarımı kolaylaştırmak için kullanılır 9,10}. Hough dönüşümü güç hatlarını tespit etmek için kullanılır, ardından tespit edilen 2B piksel verilerini 3D mekânsal^{koordinatlara dönüştüren stereo görme algoritmaları kullanılır 11}. Eyalet Şebekesi Hubei Elektrik Enerjisi Araştırma^{Enstitüsü 12}, renk-derinlik haritası füzyonuna dayalı bir filtre önerdi. Bu yöntem, elektrik hatlarının çevresindeki karmaşık arka planları filtreler, ardından mahalledeki piksel değer farklarını analiz ederek net güç hattı konturlarını çıkarır. Ayrıca, Çin Bilim ve Teknoloji Üniversitesi¹³, birden fazla elektrik hattının hızlı tanımlanması ve yerelleştirilmesini sağlayan derin öğrenme tabanlı bir güç hattı tanıma algoritması önermiştir.

Bilgisayar görme algoritmalarının hızlı gelişimine rağmen, dış mekan işlemleri hâlâ zorlayıcıdır. Karmaşık aydınlatma koşulları ve yansıtıcı tel yüzeyleri genellikle derinlik bilgisinin kaybına yol açar; bu da derinlik verilerine çok dayanan yöntemlerde düşük tanıma oranlarına ve büyük konumlandırma hatalarına yol açar^{. 13}. Aynı zamanda, dağıtım tellerinde çeşitli düzensiz deformasyonlar nedeniyle, Şekil 3'te gösterildiği gibi, düz çizgili algılama yöntemleri artık geçerli değildir. Ayrıca, yükseltilmiş yüksekliklerde rüzgar yönündeki değişiklikler çizgilerin dikey hareketine neden olur ve mevcut çevrimdışı algoritmaların sonuçlarında santimetre seviyesinde hatalara yol açar.

Böyle son derece tehlikeli, yapılandırılmamış ve dinamik ortamlarda, ki ki özel operasyon ortamları olarak adlandırılabilir, robotun görüşü ve dinamik karar alma yetenekleri kısıtlıdır ve karmaşık görevleri bağımsız olarak tamamlamayı zorlaştırır.

Bu nedenle, insan zekasına sahip karar verme yeteneklerinin tanıtılması ve bunları robotun yüksek hassasiyetli hareket kontrolüyle birleştirilmesi gerekmektedir. Yukarıda bahsedilen erken teleoperasyon teknolojileri, insan müdahalesi için bir kanal sağladı. Bunları hızla gelişen uzaktan etkileşim ve teleoperasyon teknolojileriyle birleştirerek, akıllı tele-operatörlü dağıtım canlı hat çalışma robotları üzerine bir araştırma dizisi ortaya çıkmıştır.

Çin Bilim ve Teknoloji Üniversitesi^, ana ve köle tarafları arasında kademeli konum haritalaması uygulamış ve robot engellerinden kaçınmak için Yapay Potansiyel Alanı (APF) yöntemini kullanmıştır. Daha sonra, dağıtım canlı hat çalışma robotlarında giriş tabanlı tele-operasyon uygulandı. Usta-köle takip üzerine inşa edilen bu yaklaşım, robotun çevresel temas kuvvetlerindeki değişikliklere yanıt olarak pozunu dinamik olarak ayarlamasına olanak tanır. Çin Elektronik Bilimleri ve^{Teknolojisi Üniversitesi 15} , operatörün televarlık hissini artırmak için ana tarafta sanal kısıtlama kuvvetleri uyguladı. Ayrıca, Manitoba^{Üniversitesi 16} , teleoperasyon sürecinde operatörün haptik algısının sürükleyici deneyimini güçlendirmek için bir dizi sanal armatur kurdu.

Ancak, yukarıda bahsedilen tele-operatörlü robotlar hâlâ birkaç zorlukla karşı karşıya. Köle tarafının görevi, ustanın hareket yörüngesini takip etmektir; bu da insan operatörünün oluşturduğu referans yörüngesine büyük ölçüde bağımlıdır. Kısa çalışma süreleri ve engellerden kaçınma gibi gereksinimler nedeniyle, ana operatör üzerinde önemli bir zihinsel yük oluşturur ve bu da uzun süreli ve karmaşık operasyonel görevler için zararlıdır. Operatör, manipülatörün gerçek yörüngesinde ani harekete neden olacak şekilde uygunsuz veya yanlış eylemler gerçekleştirebilir. Bu durum, çevreyle çarpışmalar veya fazdan fazla kısa devre gibi güvenlik sorunlarına yol açabilir.

Paylaşılan kontrol, insan ve robot karar alma yeteneklerini etkili bir şekilde^{birleştiren bir yöntemdir 17,18}. Genellikle, hem insan hem de robotun istenen yörünge veya yörünge noktalarını aynı anda üretmesini gerektirir ve ardından doğrusal ağırlıklı bir kombinasyonla yeni paylaşılan bir yörünge hesaplar. Bu yaklaşım, sistemin insan ve robotun karar verme ağırlıklarını değiştirerek paylaşılan yörüngenin tercihini ayarlamasını sağlar.

Bu nedenle, bu makale, insan-robot ortak kontrolüne dayanan teleoperatif dağıtım canlı hat çalışma robotu tasarlamaktadır. Ana katkılar şunlardır: İlk olarak, teleoperasyon sırasında insan operatörünün referans yörüngesinin aşırı sıklığı sorununu ele almakta, insan-robot ortak kontrol yöntemi incelenir. İnsan operatöre ve robota kontrol ağırlıkları atayarak ve referans yörüngelerinde doğrusal ağırlıklı bir kombinasyon uygulayarak, sistem referans yörüngesinin insan operatöre olan bağımlılığını azaltır ve böylece operatörün yükünü hafifler. Ayrıca, farklı insan operatör ağırlıklarının etkisi, dağıtım tel dinleme işlemlerinin saha deneyleriyle doğrulanır. İkinci olarak, ana yörüngedeki tehlikeli davranışları ele almak için, manipülatörün gerçek yörüngesinin akıcılığını ve güvenliğini sağlamak için ani bir işlem davranışı tespit yöntemi tasarlanmıştır. Üçüncü olarak, ortak kontrol algoritması ve teleoperasyon sisteminin etkinliğini doğrulamak için özel bir operasyon ortamında (canlı hat çalışması) fiziksel deneyler yapılır.

Bu makalenin geri kalanında önce tele-operatif robot için paylaşılan kontrol yöntemi sunulur, ardından sistem donanımı ve kurulumu tanıtılır ve son olarak laboratuvar deneyleri ve canlı 10 kV dağıtım ağında saha dağıtımı yoluyla yaklaşımı doğrular.

Protokol

Operatörlerin dahil olduğu tüm deneyler güvenlik yönergelerine uygun olarak gerçekleştirildi. Teleoperasyon deneyleri, araştırma ekibinin üyeleri olan üç eğitimli operatör (hepsi sağelini kullanan, en az 1 saat eğitim almış) tarafından gerçekleştirildi. Dış insan katılımcılar seçilmedi ve bu çalışma kurumsal etik incelemesi gerektirmedi. Gönüllüler deneysel prosedürler hakkında bilgilendirildi ve çalışma sırasında kişisel veya hassas veriler toplanmadı.

Paylaşılan kontrol çerçevesi

Canlı hat çalışma senaryolarında, elektrik hatlarının düzensiz bükülmesi, karmaşık dış aydınlatma nedeniyle derinlik bilgisinin kaybı ve elektrik hatlarının rastgele hareketi gibi faktörler son derece yapılandırılmamış ve dinamik bir ortam oluşturur. Bu faktörler, robotun çevredeki elektrik hatlarını doğru şekilde tanımasını ve konumlandırmasını zorlaştırır. Sonuç olarak, tamamen otonom robot operasyonuna güvenmek görevin başarısızlığına yol açar.

Tam otonom robot operasyonlarının sınırlı uyarlanabilirliğini gidermek için, insan operatörler robotun karar alma sürecine teleoperasyon yoluyla müdahale eder ve insan deneyiminden yararlanarak robotun çevreye uyum sağlamasına yardımcı olur. Ayrıca, teleoperasyon sırasında insan operatörünün referans yörüngesinin aşırı sıklığı sorununu ele almak için, insan-robot ortak kontrol yöntemi incelenmiştir. Bu yöntem, gerçek yörüngenin insan operatöre olan bağımlılığını azaltır, böylece operatörün zihinsel yükünü hafifler ve insan zekası karar verme yetenekleri ile robotun yüksek hassasiyetli kontrol yeteneklerinin etkili bir kombinasyonunu sağlar.

Bu makalede önerilen paylaşılan kontrol temelli teleoperatif dağıtım canlı hat çalışma robotunun yapısı Şekil 4'te gösterilmiştir. Burada x_h , teleoperasyon cihazının çıkış yörünge noktasıdır, r_h insan operatörü tarafından sağlanan referans yörünge noktasıdır (manipülatörün Kartezyen uzayına eşlenmiştir), r_r ise robot tarafından otonom olarak planlanan ve yardımcı rol üstlenen referans yörünge noktasıdır. r , köle manipülatöre gönderilen entegre referans yörüngesi noktasıdır (aşağıdaki metinde Paylaşılan Yörünge olarak adlandırılır), f_o manipülatörün sonunda kuvvet sensörü tarafından toplanan ham veridir, f_e manipülatörün ucundaki araç seti ile yerçekimi telafisi sonrası çevre arasındaki temas kuvvetidir ve x manipülatörün mevcut duruşudur.

Tele-operatif dağıtım canlı hatlı çalışma robotu iki bölüme ayrılır: ana taraf ve köle taraf. Ana taraf ise yerde yer alır ve insan operatör teleoperasyon cihazının hareketini kontrol eder. Operatörün eline verilen cihazdan gelen kuvvet geri bildirimi ve görüş sistemi tarafından geri aktarılan bilgiler sayesinde operatör sürükleyici bir operasyon elde eder. Köle tarafı, yükseltilmiş bir yükseklikte bulunan robot. Usta taraftan x _h pozunu aldıktan sonra, robot r _h almak için mekânsal haritalama yapar ve toplanan görsel ve haptik verileri ana tarafa geri aktarır.

Robot ile operatör arasındaki temas kuvvetleri, hedefler ve gerçek ortamdaki engeller konusunda tam algı uyumu olmadığı için, operatör r_h risklerini en aza indirmek için yoğun konsantrasyon sürdürmek zorundadır. Uzun süreli operasyonlar sırasında r'nin r h üzerindeki bağımlılığı azaltmak ve operatörün zihinsel yükünü hafifletmek için, robotun gerçek dünya hatalarını içeren algı bilgilerine dayanarak yaklaşık en kısa yol ve güvenli bir yardımcı yörüngeyi bağımsız olarak planlaması gerekir. Bu r_r daha sonra r _h ile doğrusal olarak ağırlıklandırılarak r elde edilir ve r hedef pozisyonu olarak manipülatöre emir edilir.

Hareketli uzaysal haritalama

Artan yöntem, insan operatörü tarafından verilen yörünge artışı Δx_h hesaplamak için kullanıldı:

Δx_h = x_h - x^′_h (1)
burada x^′_h , teleoperasyonun başlangıç noktasındaki pozdur. Ana taraf ve köle tarafının hareket uzayları önemli farklara sahip olan canlı çizgi çalışma robotlarında, kademeli eşleme operatörün keyfi olarak uygun bir poz seçmesine ve bunu teleoperasyon başlangıç pozu olarak ayarlamasına olanak tanır.

Yörünge artışı, Δx_h, köle taraf robotun Kartezyen mekânına haritalanarak nihayet r_{h elde edildi.} Bu eşlemenin matematiksel ifadesi şöyledir:

Δr_h = Δx_h * k, r_h = x^′ + Δr_h       (2)
burada k , doğrusal eşleme parametresi, x' ise teleoperasyonun başlangıç noktasındaki manipülatörün konumudur.

Otonom yörünge planlaması
Otonom yörünge planlama süreci, mevcut pozdan hedef poz P'ye en kısa yörüngeyi r r hesaplamak için doğrusal enterpolasyon kullanır. Hesaplama süreci şu şekildedir:

(3)

burada P hedef noktasıdır, bu sistem dürbün kamerası ve stereo lazer LiDAR içeren görüş sistemi tarafından hesaplanır. Hesaplama, fareyle noktalar seçilerek ve koordinatların el-göz kalibrasyon matrisi kullanılarak dönüştürülmesiyle gerçekleştirilebilir. N , interpolasyon noktalarının sayısıdır ve i ise enterpolasyon noktasının dizi numarasıdır. Karmaşık aydınlatma koşullarında, görüş sistemi tarafından hesaplanan P'nin hatalar içerdiği ve r_r'nin görevi bağımsız olarak tamamlamasını engellediği belirtilmelidir.

Paylaşılan kontrol yöntemi

r_h'nin çevreye uyum sağlama yeteneği ile r_r'nin verimliliğini birleştirmek için, iki yiğinçeği entegre eden ortak bir kontrolör tasarlamak gerekir. Paylaşılan denetleyici, sabit parametre arbitraj ağırlıkları α kullanır ve uygulama süreci şu şekildedir:

r = (1 - α) * r_r + α * r_h (4)

Ani işlem davranışı tespit yöntemi

Uzaktan teleoperasyon sürecinde, operatörün yaptığı hatalı davranışlar olabilir; bu da yörüngede ani değişikliklere yol açabilir ve bu da çevreyle çarpışmaya yol açabilir. Manipülatörün köle tarafında güvenli ve sorunsuz hareket etmesini sağlamak için, ana tarafta böyle aşırı teleoperasyon davranışını tespit etmek ve yönetmek gereklidir. Ani davranış tespiti dahil olmak üzere paylaşılan kontrol algoritması akışı Şekil 5'te gösterilmiştir.

Teleoperasyon sistemi yapısı

Canlı çalışma ortamı, oldukça yapılandırılmamış ve dinamik olmasıyla karakterizedir. Sonuç olarak, robotlar görevleri tamamlamak için yalnızca özerk algı ve karar alma yeteneklerine güvenemezler; İnsan zekasıyla desteklenmelidirler. Teleoperasyon, robotun yörünge planlama sürecine insan müdahalesini entegre etmek için etkili bir teknik sunar. Böyle bir sistemde, ana taraf operatörün yerde bir teleoperasyon cihazını kontrol etmesini içerirken, köle taraf yükseklikte birden fazla alt sistemden oluşur.

Bu çalışma, dağıtım ağı operasyonu için özel olarak tasarlanmış ve canlı hat dinleme görevlerini gerçekleştirmeyi amaçlayan bir tele-operasiyon robotik sisteminin geliştirilmesini detaylandırmaktadır.

Tele-operatif robot sisteminin tanıtımı

Teleoperasyon sistemi, algı alt sistemi, kontrol alt sistemi, manipülatör alt sistemi, araç alt sistemi, yalıtım taşıyıcı alt sistemi ve ana taraf insan-robot etkileşim cihazlarını içerir. Robotun sistemde taşıdığı her alt sistemin ayrıntılı kullanımı Tablo 1'de, donanım sistemi ise Şekil 6'da gösterilmiştir.

Algı alt sistemi: Alt sistem, robotun hareketini yönlendirmek ve operasyonel güvenliği sağlamak için 2D RGB görüntüler ve mekansal derinlik bilgisi sağlamakla sorumludur. Bunu başarmak için, uzun mesafelerde büyük ölçekli çevresel modelleme için lazer LiDAR ile donatılmıştır; yakın mesafelerde yüksek hassasiyetle hedef tanıma ve konumlandırma için dürbün kamera; operasyonel bir görüntü sağlamak ve tüm süreç boyunca operatöre geri beslemek için pan-tilt-zoom (PTZ) izleme kamerası. Ayrıca, dış kuvvetleri algılamak ve insan operatöre kuvvet geri beslemesi sağlamak için entegre edilmiş bir kuvvet sensörü vardır; bu da robot ucu ile çevre arasındaki aşırı temas kuvvetlerinden kaynaklanan sistem kapanmalarını önlemeye yardımcı olur.

Manipülatör alt sistemi: Görevlerin birincil yürütücüsü olarak, bu alt sistem, homojen bir çift kollu konfigürasyonda düzenlenmiş iki manipülatörden oluşur.

Kontrol alt sistemi: Canlı hat çalışma robotunun temel alt sistemi olarak, platformun hesaplama, kontrol ve enerji tedarik merkezi olarak işlev görür ve operasyonel komutları diğer tüm alt sistemlere iletmekten sorumludur. Yer tarafından yalıtım ve güvenlik izolasyonu sağlamak için, güç modülü yükseltilmiş platformda bağımsız bir güç kaynağı kullanır. Güç ve sürücü kontrolü için 48V DC besleme kullanır; bu da ters dönüşüm kayıplarını azaltır ve böylece güç sisteminin hacmini ve ağırlığını en aza indirir.

Uç-efektör alt sistemi: Belirli işlemleri gerçekleştirmek için manipülatörün ucuna monte edilmiş özel son efektörler (araçlar) bulunur. Farklı görevler için standart arayüzlere sahip bir dizi özel araç geliştirilmiştir. Dağıtım ağı işlemleri için, bunlar arasında bir soyma aracı ve bir kısma aracı ( Şekil 7'de gösterildiği gibi) bulunur; burada soyma aracı, odak noktası 130 × 180 μm olan üç adet 80 W, 450 nm dalga boylu lazer jeneratörü kullanır ve 5 V PWM ile modüle edilir. 18–24 mm çapında bir dağıtım kablosunda 120 mm bir bölümün soyulmasının ortalama çalışma süresi, ortam sıcaklığı koşullarında tam nominal güçte yaklaşık 2 dakikadır. Sıkma aracı, musluk iletken kablosunu ana güç kablosuna bir kelepçeyle güvenli bir şekilde sabitleyerek elektriksel sürekliliği sağlamakla sorumludur.

Yalıtımlı taşıyıcı alt sistemi: Bu alt sistem, robotu yükseltilmiş çalışma pozisyonuna taşımak için kullanılır. Genellikle paletli tipi veya tekerlekli yalıtımlı bir hava çalışma platformundan (kova kamyonu olarak da bilinir) oluşur. Tüm robotik sistemin entegre kontrolünü sağlamak için dijital kontrol yeteneklerine sahiptir ( Şekil 8'de gösterildiği gibi).

Ana taraf insan-robot etkileşim alt sistemi: Çalışma sırasında, insan operatör el tableti, PC, tele-çalışma kolu ve diğer hesaplama cihazları aracılığıyla robot sistemine komutlar verir. Bu cihazlar, robottan geri verilen görüş ve temas kuvvetini içeren sensör verilerini yeniden üretir; böylece operatör robotun durumunu gerçek zamanlı olarak izleyebilir ve operatörün elinin hareketini manipülatörün ucuna eşlemesine olanak tanır. Alt sistemler arasındaki iletişim bağlantıları Şekil 9'da gösterilmiştir.

Teleoperasyon cihazları

Bu sistemde, teleoperasyon için ana ve köle cihazlar sırasıyla haptik cihaz ve manipülatördür. Her biri için Denavit-Hartenberg (DH) parametreleri tanıtılacaktır.

Şekiller 10A,B'de gösterildiği gibi, bunlar manipülatörün bağlantı koordinat çerçeveleridir. Manipülatörün altı dönük eklemi (L₁,_{L 2},_{L 3}, L₄, L₅,_{L 6}) için her eklem için sağ el kuralı ve Denavit-Hartenberg (DH) sözleşmesinin ilkelerine göre bir koordinat çerçevesi oluşturulur.

Şekil 10B'de, x₁∼x₆, y₁∼y6, z₁∼z₆, sırasıyla her eklemin koordinat çerçevesinin x,y,z eksenlerini temsil eder. Bu kurulmuş bağlantı çerçevelerine dayanarak, manipülatörün ileri kinematik modeli oluşturulabilir. DH gösterimi dört parametre kullanır: _{a i}, α_i, d_i ve θ_i.

Bu parametreler şu şekilde tanımlanır, _{a i}: i. çubuğun z eksenini x ekseni boyunca hareket ettirmesinden (i+1)-çubuğun z-eksenine kadar olan mesafeyi temsil eder; α_i: i-ci çubuğun z-eksenini x ekseni etrafında (i+1)-çubuğun z-eksenine döndürme açısını ifade eder; d_i: i. çubuğun x eksenini hareket ettirmesinden i. çubuğun z ekseni boyunca x eksenine hareket ettirildiği mesafeyi temsil eder;  θ_i: i. çubuğun x eksenini onun x eksenine dönme açısını ifade eder.

Kinematik model DH parametre yöntemi kullanılarak oluşturulur ve manipülatör için DH parametreleri aşağıdaki Tablo 2'de gösterilmiştir.

Teleoperasyon kolu, ana manipülatör olarak kullanılan haptik cihazdır ve eklemleri seri zincir içinde yapılandırılır. Ortak koordinat çerçeveleri Şekil 10C'de gösterilmiştir; Modelleme yöntemi, köle manipülatörünüzle aynıdır.

Deney tasarımı

Önerilen paylaşılan kontrol algoritmasını sahaya dağıtımdan önce nicel olarak doğrulamak için, standart bir PC'de çalışan bir Python betikiyle elde edilen 50 Hz'de çalışan 6-DOF manipülatör teleoperasyon platformunda iki laboratuvar deneyi gerçekleştirdik. Her kontrol döngüsünde script ana taraf pozunu okur, paylaşılan yörüngeyi hesaplar ve hedef Kartezyen pozu manipülatöre gönderir. Ardışık komutlar arasında sabit 20 ms aralık uygulanır ve laboratuvar platformuyla aynı olan 50 Hz güncelleme hızı elde edilir. Laboratuvar platformu, teleoperasyon sistemi yapısında tanımlanan canlı hat çalışma robotuyla aynı kontrol mimarisini ve paylaşılan kontrol algoritmasını (Denklem. 4) paylaşır; yalnızca manipülatör kinematiği ve çalışma alanı ölçeği açısından farklıdır. Simüle edilmiş bir tıklama görevi kullanılır: engeller (su şişesi ve alüminyum sütun) varken, operatör manipülatör uç efektörü başlatma pozisyonu A'dan hedef pozisyon B'ye kontrol eder; bu, tel dinleme işlemini taklit eder; bu işlem Şekil 11'de gösterilmiştir. Laboratuvar deneylerinin tam tekrarlanabilirliğini sağlamak için, fiziksel engeller ve hedef uç nokta köle manipülatörün temel koordinat sisteminde tam olarak konumlandırıldı. İş alanında iki ana engel kuruldu: alt ortası koordinatlarda (X = 55 cm, Y = 5 cm) yerleştirilen plastik bir su şişesi (taban boyutları: 8 cm × 8 cm, yükseklik: 25 cm) ve alt ortası koordinatlarda (X = 35 cm) yerleştirilen alüminyum profil (taban ölçüleri: 2 cm × 2 cm, yükseklik > 50 cm) Y = -30 cm). Teleoperasyon görevinin hedef uç noktası koordinatlara (X = 50 cm, Y = -17 cm, Z = 26 cm) ayarlandı. Daha sonra, doğrulanmış algoritma canlı hat çalışma robotuna saha gösterimi için yerleştirilir.

Deneysel süreç, sürekli ve entegre bir iş akışı ile yürütülür. İlk olarak, sistem başlatma sırasında, hem köle hem de ana manipülatörler açılır ve kontrol yazılımı 50 Hz frekansında istikrarlı çift taraflı iletişimi doğrulamak için başlatılır. Teleoperasyonun başlangıcında ani kontrol sıçramalarını önlemek için, aktif teleoperasyondan önce bir master-slave hizalama aşaması gerçekleştirilir. Bu aşamada, operatör ana manipülatörü manuel olarak yönlendirir; ta ki son efektör Kartezyen konumu (ustanın temel çerçevesinde tanımlanan) köle manipülatörün mevcut son efektör konumuna (kölenin temel çerçevesinde tanımlanmış) 30 mm içinde bulunana kadar yönlendirir. Bu Kartezyen pozisyonlar, her manipülatörün yerleşik kontrolcü geri bildiriminden doğrudan elde edilirken, kontrol yazılımı onların Öklid mesafesini gerçek zamanlı olarak izler. Bu hizalama başarılı olduğunda, mevcut köle pozisyonu başlangıç pozisyonu olarak kaydedilir ve A konumu olarak gösterilir. Daha sonra, hedef belirtimi operatörün köle son efektörü istenen hedef konumuna manuel olarak yönlendirerek Kartezyen koordinatlarını kaydetmesiyle gerçekleştirilir; bu koordinatlar hedef konumu B olarak belirlenir. Otonom planlayıcı daha sonra başlangıç konumundan B pozisyonuna doğru uzanan doğrusal bir referans yörüngesi oluşturur. Bunun ardından operatör, paylaşılan kontrol teleoperasyon görevini başlatır. Aktif çalıştırma sırasında, sistem 20 ms'lik bir kontrol döngüsünde çalışır, ana pozisyonu sürekli olarak giriş olarak okur, ani operatör davranışlarını tespit etmek için çevrimiçi bir kontrol yapar, paylaşılan kontrol yörüngünü çıktı olarak hesaplar (Denklem 4'te formüle edildiği gibi) ve köle manipülatöre ilgili komutlar verir. Güvenlik önlemi olarak, ani bir hareket tespit edilirse, köle manipülatör hemen donar ve özel bir pozisyon-tutma modunda son geçerli konumunu korur; Bu durumdan kurtulmak ve paylaşılan kontrol teleoperasyonunu otomatik olarak yeniden başlatmak için, operatör ana manipülatörü manuel olarak geri çekmelidir, ta ki ana köle-köle son efektör Öklid mesafesi 20 mm kurtarma eşiğinin altına düşene kadar. Son olarak, deneme tamamlanır ve köle son efektörü hedef B konumuna ulaşıp 5 mm içinde kaldığında başarılı sayılır.

Deney 1: ani operasyon davranışı tespiti
Bu deney, laboratuvar platformundaki tespit mekanizmasını doğrular. 50 Hz'de teleoperasyon sırasında, ana uç efektörün kare başına yer değiştirmesi izlenir. D_th = 6 mm/frame (anlık hız 300 mm/s) aştığında sistem DONMUŞ duruma girer: köle manipülatör izlemeyi durdurur ve son geçerli konfigürasyonunu korur. Köle, operatör master'i donmuş konuma 20 mm mesafeye getirene kadar donmuş halde kalır.

Deney 2: Paylaşılan kontrol performansı karşılaştırması

Laboratuvar platformunda üç arbitraj ağırlığı α=0.3, α=0.8, α=1.0, Ek Video 1, Ek Video 2 ve Ek Video 3'te belgelendiği gibi, karşılaştırılır. Toplamda 45 deneysel deneme yapıldı ve üç operatör her üç tahkim koşulunda beş tekrar gerçekleştirdi. Sistem performansı üç temel değerlendirme ölçütüyle değerlendirildi. Birincisi, tamamlanma süresi T: İlk operatör girişinden köle uç efektörün hedef konum B'ye ulaşmasına kadar toplam süre; Daha kısa süre, daha yüksek operasyonel verimliliği gösterir. İkinci olarak, yörünge verimliliği η=L_düz/L_gerçek; burada L_düz , başlangıç konumu A'dan hedef konum B'ye olan Öklid mesafesidir ve L_gerçek , deneme sırasında köle uç efektörün geçtiği toplam yol uzunluğudur; η=1, mükemmel verimli, doğrudan bir yolu gösterir; Daha düşük değerler daha fazla gereksiz, sapma dolu hareketi gösterir. Üçüncüsü, alt hareketlerin sayısı N_alt segment, ana uç efektörün düzgünleştirilmiş hız profilinde sıfır geçişlerin sayılması ile hesaplanan belirgin hareket segmentlerinin sayısını temsil eder; Daha küçük sayı, operatör üzerinde daha düşük bilişsel yükle daha sürekli ve kendinden emin bir operasyon anlamına gelir. Son olarak, üç tahkim koşulu boyunca istatistiksel anlamlılık Kruskal-Wallis H-testi kullanılarak değerlendirilir ve sonradan karşılaştırmalar için çift yönlü Mann-Whitney U-testleri kullanılır.

Deney 3: Saha Dağıtımı

Laboratuvar doğrulamasının ardından, paylaşılan kontrol algoritması (α=0.3) ve ani davranış algılama, teleoperasyon sistemi yapısında tanımlanan canlı hat çalışma robotunda uygulanır.

Sonuçlar

Ani işlem davranışı tespiti
Şekil 12 , laboratuvar platformunda iki kasıtlı ani hareketi içeren temsilli bir denemenin zaman serisi analizini göstermektedir.
Her iki ani hareket de (TPR = %100) sırasıyla 1,81 saniye ve 5,72 saniyede tespit edildi ve normal operasyonun 13,2 saniyesinde sıfır yanlış pozitif (FPR = %0) tespit edildi. Donma tepki süresi: 1 kare (20 ms), kontrol döngüsü zamanlamasıyla ölçülür.

Paylaşılan kontrol performansı
Şekil 13 , laboratuvar platformunda 45 deneme (3 operatör × 5 tekrar ×3 koşul) karşılaştırmasını sunmaktadır; veri detayları Tablo 3'te sağlanmıştır.
Sonuçlar, uygun paylaşılan kontrol ağırlığının teleoperasyon performansını önemli ölçüde iyileştirebileceğini göstermektedir. Robot baskın paylaşımlı kontrol altında (α=0,3), görev tamamlanma süresi %31,4 azalmış, alt hareket sayısı ise saf teleoperasyona (α=1,0) kıyasla %37,9 azalmış, böylece operatörün zihinsel yükü azalmış ve daha az düzeltici eylem ve karar gerektirmiştir. Bu arada, yörünge verimliliği %57,8 arttı; bu da robotun otonom yörünge planlamasının gereksiz yolları etkili bir şekilde ortadan kaldırdığını ve operatörü daha doğrudan, verimli hareketlere yönlendirdiğini gösteriyor. Bu eğilimler üç bağımsız operatörde de tutarlıydı.

Canlı hat çalışma robotunda saha dağıtımı
Doğrulanmış paylaşılan kontrol algoritması (α = 0.3) ani davranış algılamaya sahip, 6-DOF endüstriyel manipülatör ile donatılmış canlı hat çalışma robotunda uygulandı. Robot, 10 kV dağıtım ağında canlı hat tıklama işlemini başarıyla tamamladı ve laboratuvarda doğrulanan algoritmanın gerçek saha sistemine aktarılabilirliğini gösterdi. Şekil 14A , robotun canlı hat tıklama işlemini yükseltilmiş bir yükseklikte gerçekleştirdiğini gösterirken, Şekil 14B operatörün yer istasyonundan teleoperasyon yaptığını gösterir.

VERİ ERIŞILEBILIRLIĞI:
Bu çalışmanın bulgularını destekleyen tüm ham veriler https://github.com/huchenyu778797-lgtm/piper_shared_control/issues ve Ek Dosya 1'de açıkça mevcuttur.

Şekil 1: Canlı hat bakımı için erken telerobotik sistemler. (A) Japonya'da geliştirilen Faz II robot. (B) Amerika Birleşik Devletleri'nde geliştirilen TOMCAT sistemi. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 2: Tipik 10 kV dağıtım kabloları. Dış katman yalıtımlı bir kabuktur, iç tabaka ise metaliktir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 3: Dış mekanlarda görsel zorluklar. Görüntü, kabloların düzensiz bükülmesini ve karmaşık aydınlatmanın neden olduğu derinlik bilgisinin kaybını vurguluyor. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 4: Paylaşılan kontrol sisteminin yapısı. Diyagram, ana taraftan insan operatör girdisi ile köle tarafında robotun otonom planlamasının birleşerek birleşmiş bir yörünge oluşturulmasını göstermektedir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 5: Paylaşılan kontrol algoritmasının akış şeması. Bu süreç, veri toplama, ani operasyon tespiti, paylaşılan kontrol temelli yörünge füzyonu ve nihai hareket komutlarının yürütülmesini içerir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 6: Teleoperatif dağıtım canlı hatlı çalışan robot sistemi. (A) Sahada konuşlandırılan tüm sistemin genel görünümü. (B) Robot sisteminin ayrıntılı donanım tasarımı ve bileşen düzeni. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 7: Canlı hat tıklama işlemindeki temel adımlar. (A) Dış yalıtım katmanının lazerle ablasyonu. (B) Metal çekirdeği açığa çıkarmak için yalıtım katmanının çıkarılması. (C) Musluk iletken kablosunu ana güç hattına bir kelepçe ile bağlamak. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 8: Saha konuşlandırma hazırlığı. Köle manipülatörü yüksek voltajlı hatların yakınındaki yükseltilmiş çalışma pozisyonuna taşımak için yalıtımlı bir kovalı kamyon kullanılır. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 9: İletişim mimarisi. Şematik, ana kontrol istasyonu ile uzaktan köle manipülatör arasındaki veri iletim yollarını gösterir ve düşük gecikmeli teleoperasyon sağlar. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 10: Manipülatörlerin kinematik modellemesi. (A) Köle manipülatör için kurulan ortak koordinat sistemi. (B) Köle manipülatörün eklem çerçevelerinin ayrıntılı görünümü. (C) Ana manipülatörün ortak koordinat sistemi. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 11: Laboratuvar deneysel kurulumu. (A) Test için ana manipülatör ve köle manipülatör kullanılır. (B) Fiziksel engeller ve hedef uç noktası olan simüle edilmiş dokunma görev ortamı. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 12: Laboratuvar teleoperasyon platformunda ani davranış tespitinin zaman serisi analizi. (Üst) X, Y, Z'de master (mavi) ve köle (kırmızı) pozisyonları. Kırmızı gölgeleme = donmuş aralıklar. (Orta) Usta-köle mesafesi (turuncu); Yeşil kesik çizgi = 20 mm devam eşiği. (Altta) Kare başına yer değiştirme (mor); kırmızı çizgi = D_th = 6 mm; kırmızı noktalar = çerçeveyi aşmış sayı. Parametreler: 50 Hz, D_th = 6 mm/kare. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 13: Laboratuvar teleoperasyon platformunda üç koşulda paylaşılan kontrol performansı karşılaştırması. Bars = ortalama; hata çubukları = ±1 SD. Kırmızı kutular = Kruskal-Wallis p-değerleri. Parantez = Mann-Whitney U çiftli p-değerleri. 45 deneme (3 operatör × 5 tekrar × 3 şart). (a) Tamamlanma Süresi. (b) Yörünge Verimliliği. (C) Alt hareketler. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Şekil 14: Paylaşılan kontrol sisteminin saha uygulaması. (A) Köle manipülatör canlı bir dağıtım hattı üzerinde çalışıyor. (B) Önerilen paylaşılan kontrol yöntemi kullanılarak açıkta kalkan metal parçanın kelepçeye başarılı şekilde yerleştirilmesi. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Alt sistemler	Ana Bileşen	Ana Görev	Özellikler
Manipülatör Alt Sistemi	Tek/Çift manipülatör(ler)	Çoklu DOF hareketi sağlar	Yüksek yük, hafif, geniş çalışma alanı
	Manipülatör sürücü sistemi	Ortak motorları DC gücüyle hareket ettirerek manipülatör hareketini sağlar	DC girişi, yüksek sürücü verimliliği
Kontrol Alt Sistemi	Endüstriyel bilgisayar	Veri hesaplama, modüller arasında iletişim	Yüksek güvenilirlik, güçlü hesaplama gücü, büyük depolama kapasitesi
	İletişim modülü	Uzaktan kontrol ve izleme uygulanır	Stabilite, güvenilirlik, elektromanyetik uyumluluk (EMC) gereksinimlerini karşılar
	Güç kaynağı modülü	Tüm robot platformuna güç sağlar	6+ saat boyunca sistemin kararlı çalışmasını sağlar
Algı Alt Sistemi	Dürbün görüş modülü	Küçük ölçekli, yüksek hassasiyetli nokta bulut edinimi	Konumlandırma doğruluğu >%1 %> çalışma menzili 2m
	LiDAR modülü	Büyük ölçekli nokta bulutu taraması	Çalışma menzili 10m >, yeniden yapılandırma açısı 25° >, nokta bulut yoğunluğu > 300 bin puan
	Kuvvet sensörü modülü	Altı eksenli kuvvet bilgisi edinir	Kuvvet geri besleme frekansı 10Hz, kuvvet geri besleme doğruluğu 1N'den daha iyi >
Araçlar Alt Sistemi	Kuru buz temizleme modülü	Kuru buz temizleme işlevini sağlar	Hafif, yalıtım temizliği gereksinimlerini karşılıyor, EMC koruması gerekiyor
	Sıfır değerli tespit modülü	Yüksek voltajlı darbe sıfır değer algılamasını sağlar	Çıkış darbe voltajı 0-60kV, EMC koruma gereksinimlerini karşılar
	Bolting/Sökme modülü	Sürgü/açma fonksiyonunu uygulamalar	Hafif, tork gereksinimlerini karşılıyor, EMC koruması gerekiyor
	Lazer soyma modülü	Dağıtım tellerinin dış yalıtım kaplamasının soyulmasını sağlayan aletler	Temassız, telin metal kısmına zarar vermez ve yarı iletken kalkan katmanını etkili bir şekilde soyabilir.
	Diğer serileştirilmiş fonksiyonel modüller	Kabloların birleştirilmesi/kesmesi, kuş itici takılması, hata göstergesi kurulumu, ağaç budama, yalıtım onarımı, aşırı gerilim koruyucu kurulumu, devriye görevleri	Modüler, hafif, EMC korumasını ve ilgili işlevsel gereksinimleri karşılar
Kova Kamyon Alt Sistemi	Yalıtılmış kaldırma ve montaj cihazı	Eş potansiyel çalışma platformu için yalıtımlı destek sağlar ve uzaktan dijital kontrol sağlar	Yüksek EMC seviyeleri, uç 250kg veya daha fazla yükü taşıyabilen, elektromanyetik girişimlere karşı güçlü direnç ve 220kV voltajda ark paraziti altında uzaktan kontrol sağlanabilme yeteneği
	Akıllı taşıyıcı	Robotun yer hareketliliği sağlar	Küçük ve hafif, dar canlı hat çalışma alanları ve karmaşık araziler için uygundur
Ana Taraf Alt Sistemi	Operatör-robot uzaktan etkileşim platformu	Robot platformuna uzaktan tele-çalışma imkanı sağlar. Dayanıklılık, ağırlık ve diğer kullanım kolaylığı ihtiyaçlarını sağlar	Küçük ve hafif, canlı hat çalışma alanları için uygundur

Tablo 1: Alt sistem spesifikasyonları. Canlı hat çalışma robotunu oluşturan çeşitli alt sistemlerin ayrıntılı işlevleri.

UR10
Joint	Theta [Rad]	a[m]	d[m]	alfa [rad]
Joint 1	0	0	0.1273	π/2
Joint 2	0	-0.612	0	0
Joint 3	0	-0.5723	0	0
Joint 4	0	0	0.163941	π/2
Joint 5	0	0	0.1157	-π/2
Joint 6	0	0	0.0922	0

Tablo 2: Manipülatör için DH parametreleri. Köle manipülatörün ortak koordinat sistemini modellemek için kullanılan kinematik parametreler.

Metrik	α=0.3	α=0.8	α=1.0	p Değer
T	5.9±1.6	8.2±4.0	8.6±2.2	0.0061
η	0.789±0.074	0.557±0.081	0.5±0.081	<0.0001
N_sub	5.9±2.1	9.0±4.1	9.5±2.9	0.0035

Tablo 3: Veri detayları.Üç tahkim ağırlığı (α = 0.3, 0.8, 1.0) üzerinden paylaşılan kontrol performansının nicel karşılaştırması. 45 denemeden (3 operatör × 5 tekrar × 3 koşul) veriler. Metrikler: görev tamamlanma süresi T (s), yörünge verimliliği η ve alt hareket sayısı N_alt. Ortalama ± standart sapma olarak bildirilen değerler.

Ek Video 1: Paylaşılan kontrol teleoperasyonu α = 0.3 . Bu video, robot ağırlıklı paylaşılan kontrol koşullarında simüle edilen dokunma görevinin laboratuvar deneysel prosedürünü göstermektedir. Robotun yol planlamasının çoğunu üstlenmesinde elde edilen yüksek yörünge verimliliği ve azaltılmış operatör alt hareketlerini sergiler. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Video 2: α = 0.8  ile paylaşılan kontrol teleoperasyonu. Bu video, laboratuvar deneysel prosedürünü insan egemen ortak kontrol koşulu altında gösteriyor. İnsan girdisi, robotik otonom planlamayı çok bastığı için, operasyon görsel olarak saf teleoperasyona benzer; bu da temel alana kıyasla verimlilik ve tamamlanma süresinde önemli bir nicel iyileşme eksikliğiyle ilişkilidir. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Video 3: Master-slave takip teleoperasyon temel α = 1.0 . Bu video, otonom yardım olmadan geleneksel takip teleoperasyonu kullanılarak temel deneysel prosedürü göstermektedir. Bu, operatörün ihtiyaç duyduğu nispeten artan görev tamamlanma süresini ve manuel alt hareketleri vurgular ve yörünge verimliliğini azaltır. Bu dosyayı indirmek için lütfen buraya tıklayın.

Tartışma

Bu çalışma, insan-robot paylaşımlı kontrolüne dayanan tele-operatörlü dağıtım canlı hat çalışma robot sistemi önermektedir. Dinamik dış aydınlatma ve yapılandırılmamış arka planlarla mücadele eden tam otonom^{sistemlerin 12} ve operatörlere yüksek bilişsel ve fiziksel yük yükleyen geleneksel usta-köle takip ^{teleoperasyonunun aksine,} yaklaşımımız insan niyetini robotik otonom planlamayla birleştiriyor. Ayrıca, bu çalışma operasyonel güvenliği sağlamak için ani hareket algılama algoritması önererek potansiyel operatör hatalarını ele almaktadır. Bu araştırma, aşırı ortamlarda fiziksel insan-robot etkileşimi (pHRI) alanını ilerletmekte, yüksek voltajlı bakım için ortak kontrolün sahada doğrulanmış entegrasyonunu sağlayarak teorik paylaşılan kontrol^{çerçeveleri 17,18} ile pratik endüstriyel uygulamalar arasındaki boşluğu kapatmaktadır.

Laboratuvar deneyleri, uygun paylaşılan kontrol ağırlığının, operatörün görev tamamlama süresini ve manuel kontrol çabasını (daha az alt hareket) önemli ölçüde azaltabileceğini ve yörünge verimliliğini artırabileceğini göstermektedir. Özellikle, robot baskın paylaşımlı kontrol altında (α = 0,3), tamamlanma süresi %31,4 azaldı, yörünge verimliliği %57,8 arttı ve alt hareket sayısı takip teleoperasyonuna kıyasla %37,9 azaldı. Ayrıca, ani hareket algılama mekanizması %100 gerçek pozitif oranı ve 20 ms tepki süresi elde etti. Önerilen yöntem, tehlikeli operasyonlarla ilişkili yorgunluğu nesnel olarak azaltarak elektrik şebekesi bakımını modernize etmek için önemli bir öneme sahiptir. Güç dağıtım ağlarının ötesinde, bu paylaşılan kontrol çerçevesi, insan bilişsel uyum sağlama ile robotik hassasiyetle birleştirilmesi gereken yangın kurtarma veya jeolojik keşif için kullanılan robotlar gibi son derece yapılandırılmamış ve tehlikeli ortamlarda çalışan diğer özel amaçlı robotiklerde potansiyel uygulamalara sahiptir.

Bu sonuçlar kontrollü senaryolarda uygulanabilirliği gösterse de, sınırlamalar arasında tek bir görev türü (dokunma) ve farklı operatör deneyimleri üzerindeki etkilerin analizinin eksikliği yer alır. Çeşitli görevler, operatörler ve çevresel koşullar üzerinde daha fazla doğrulama gereklidir. Gelecekteki çalışmalar, mevcut Kartezyen pozisyondaki riske göre güncellenecek α uyarlayıcı α ayarlama ve genişletilmiş saha denemeleri ile risk hesaplamak için bir risk alanı oluşturmaya odaklanacaktır.

Başarılı gösterilerse rağmen, bu çalışmanın birkaç sınırlaması vardır. İlk olarak, deneysel doğrulama esas olarak tek bir görev türüne (canlı hat tıklama) odaklanmıştı. İkincisi, paylaşılan kontrol ağırlığı her görevden önce sabitlenmişti ve değişen belirsizliklere karşı gerçek zamanlı uyum sağlama yeteneği yoktu. Son olarak, çalışmada sınırlı sayıda eğitimli operatör değerlendirildi ve farklı operatör deneyim seviyelerinin etkisi analiz edilmedi. Gelecekteki yönler, gerçek zamanlı görev bağlamı ve operatör^{durumu 17} temelinde tahkim ağırlığını dinamik olarak ayarlayan uyarlanabilir paylaşılan bir kontrol çerçevesi geliştirmeye odaklanacaktır. Ayrıca, sistemin dayanıklılığını daha da doğrulamak için çeşitli bakım görevleri, farklı operatörlerin deneyimi ve değişken hava koşullarını kapsayan genişletilmiş saha denemeleri yapmayı planlıyoruz.

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
Hikvision DS-2DC2D20IW-DE3	Hikvision	https://www.hikvision.com/cn/products/pdplist/161056/	pan-tilt-zoom (PTZ) izleme kamerası
KUNWEI KWR75	KUNWEItech	https://www.kunweitech.com/products/866.html	kuvvet sensörü
LivoxAVIA	Livox(DJI)	https://www.livoxtech.com/cn/avia	lazer LiDAR
Piper	AGILEX	https://www.agilex.ai/page/690abe7b5e78cfa260412c92?mi=1&rn=PIPER+%E6%A0%87%E5%87%86%E7%89%88	laboratuvar platformunda deney doğrulama için ana/köle manipülatör
Python	Python Software Foundation	https://www.python.org/	programlama dili
RealSenseD435	Intel	https://store.realsenseai.com/buy-intel-realsense-depth-camera-d435.html	binoküler kamera
Touch	3D Systems	https://cn.3dsystems.com/haptics-devices/touch	haptik cihaz
Ubuntu 24.04	Canonical Ubuntu	https://ubuntu.cn/	işletim sistemi
UR10	Universal Robots	https://www.universal-robots.cn/	Canlı hatta çalışan robot manipülatörü