В статье рассматривается задача формирования цифровой тени процесса перемещения человека. Проведен анализ предметной области, который показал необходимость формализации процесса создания цифровых теней для имитации движений человека в виртуальном пространстве, тестировании программно-аппаратных комплексов, функционирующих на основе действий человека, а также в различных системах опорно-двигательной реабилитации. Выявлено, что среди существующих подходов к захвату движений человека нельзя выделить универсальный и стабильно работающий при различных условиях внешней среды. Разработан метод формирования цифровой тени на основе комбинирования и синхронизации данных из трех систем захвата движений (трекеры виртуальной реальности, костюм motion capture и камеры с использованием технологий компьютерного зрения). Объединение перечисленных систем позволяет получить комплексную оценку положения и состояния человека независимо от условий внешней среды (электромагнитные помехи, освещенность). Для реализации предложенного метода проведена формализация цифровой тени процесса перемещения человека, включающая описание механизмов сбора и обработки данных от различных систем захвата движений, а также этапы объединения, фильтрации и синхронизации данных. Научная новизна метода заключается в формализации процесса сбора данных о перемещении человека, объединении и синхронизации аппаратного обеспечения используемых систем захвата движений для создания цифровых теней процесса перемещения человека. Полученные теоретические результаты будут использоваться в качестве основы для программной абстракции цифровой тени в информационных системах для решения задач тестирования, имитации человека и моделирования его реакции на внешние раздражители за счет обобщения собранных массивов данных о его перемещении.
Одной из важнейших задач современной робототехники является разработка роботов для выполнения рутинных, вредных и опасных видов работ без непосредственного участия человека. Несмотря на активное развитие технологий искусственного интеллекта, на данный момент робототехнические системы не способны заменить человека при решении сложных задач в динамической среде. Наиболее перспективными для применения в ближайшее время являются роботы, реализующие копирующий тип управления, или так называемое виртуальное присутствие оператора. Принцип копирующего управления построен на захвате движения удаленно находящегося оператора и формировании управляющих сигналов для приводов робота. Для управления приводами могут использоваться следящие системы или системы на основе планирования движения. Следящие системы более просты, однако системы на основе планирования движения позволяют добиться большей плавности движения и меньшего износа деталей объекта управления. Для реализации управления на основе планирования движения вводится искусственная задержка между движениями оператора и объекта управления для накопления необходимых данных.
Цель исследования — устранение задержки, возникающей при управлении приводами антропоморфного манипулятора на основе решения обратной задачи динамики при копирующем типе управления в масштабе реального времени. Предлагается использовать для планирования движения не измеренные, а прогнозные значения обобщенных координат руки оператора. На основе измеренных значений обобщенных координат руки оператора формируются временные ряды и выполняется их прогнозирование. Прогнозные значения обобщенных координат используются при планировании траектории движения антропоморфного манипулятора и решении обратной задачи динамики. Прогнозирование осуществляется методом линейной регрессии, имеющим относительно малую вычислительную сложность, что является важным критерием для работы системы в масштабе реального времени.
Разработанный математический аппарат позволяет на основе параметров прогнозирования и максимальных допустимых ускорений движения приводов манипулятора найти теоретическую оценку пределов значений ошибки прогнозирования траектории движения руки оператора при использовании предлагаемого подхода для конкретных задач.
Проведенная программная симуляция в среде Matlab подтвердила адекватность полученной теоретической оценки максимального значения ошибки прогнозирования, а также перспективность предлагаемого подхода для проверки на практике.
1 - 2 из 2 результатов