第45回 脳科学ライフサポート研究センターセミナー【1月27日開催】
2017年01月06日
| 日時 | 2017年1月27日（金）13:00～14:30 |
|---|---|
| 場所 | 電気通信大学 東3号館306会議室
|
| 講師 | 朱 笑笑(Zhu Xiaoxiao)（電気通信大学 グローバルアライアンスラボ推進室 特任助教、上海交通大学 ロボッティクス研究所博士研究員） |
| 司会 | 横井浩史教授（機械知能システム学専攻） |
| 題目 | ROS based Control of a 7-DoF Robot Arm for BMI（Brain-Machine-Interface用のROSを用いた7自由度ロボットアームの制御） |
| 参加費 | 無料（予約不要） |
| 問い合わせ先 | 山田幸生（脳科学ライフサポート研究センター 特任教授） メールアドレス：yukioyamada@uec.ac.jp 電話042-443-5220 |
- （新しいウィンドウが開きます）電気通信大学 脳科学ライフサポート研究センター
ロバスト性、拡張性、知能などを持つロボット制御システムをどうやって作るのか。専門家ではないが良いアイディアを持っているのでロボット作りを始めたいがどうすれば良いのか。これらの質問に対する回答は ROS(Robot Operating System) を導入することです。ROSは，オープンで優れたオペレーティングシステムであり、ハードウェアの抽象化、下層のデバイス制御、よく使われる機能の実装、プロセス間の通信、パッケージの管理など、ロボットの運転に必要なサービスを提供します。
本講演では、ROSを用いた7自由度で賢いロボットアームについて詳細に報告します。このロボットアームは、BMI(Brain Machine Interface)用に開発されています。ワイヤ干渉駆動機構を利用することにより、腕の長さが0.8 mで自重が2.5 kgと小型・軽量でありながら、1kgの物体を速度1m/sで持ち上げることができます。さらに、画像認識のためのRGB-Dセンサと障害物回避のための近接覚センサを備えています。ハードウェアのドライバー、コントローラ、物体認識、およびアームの運動経路計画はROSで実現されています。BMIへの応用では、脳の信号から解読された人間の意図に従って運動を実現することが要求されますが、このロボットアームはその要求に応え、人間の腕の自然な動きを実現することが可能です。ロボットアームとBMIシステムとを統合するための戦略についても本講演で論じます。（講演は英語で行われます。）
How to build a robot control system with robustness, scalability, intelligence…? How to start playing with a robot if you are not an expert of robotics but do have some good ideas？In this report, the Robot Operating System (ROS) is introduced, which is a good answer to these questions. ROS is an open-source, meta-operating system that provides the services required for operating a robot system, including hardware abstraction, low-level device control, implementation of commonly-used functionality, message-passing between processes, and package management.
After the introduction of ROS, an intelligent 7-DoF robot arm system is then discussed in detail. This robot arm is designed for a Brain Machine Interface (BMI) system. Thanks to the coupled tendon-driven mechanism, the arm is 0.8m long and weighs 2.5kg, but can lift a 1kg object at a speed of 1m/s. Besides that, the robot has a RGB-D sensor for computer vision task and four multi-point proximity sensors for obstacle avoiding. Several ROS modules of hardware driver, controller, object recognition and arm path planning are developed for constructing the control system of the robot. The robot arm controlled by ROS can naturally simulate the movement of a human arm, which is desired by BMI applications that execute human motion intention decoded from brain signals with robots. The strategies to integrate the robot arm system with the BMI system will also be discussed.