In this thesis, solutions to two of the problems encountered in the design and control of human-friendly robots are investigated. The first problem is severe human injuries can occur when an accidental human-manipulator impact happens. A theoretical and experimental study on using foam coverings to reduce the severity of a human-manipulator impact and enhance human safety is presented. An improved human-manipulator impact model that incorporates the manipulator dynamics, foam covering dynamics and the coupling between the human head and torso is introduced. A method for approximating the configuration-dependent dynamics of robotics manipulators with the dynamics of a single DOF manipulator is proposed. With this model, the design parameters that significantly influence the human head acceleration are investigated. A model-based foam covering design procedure to properly select parameters of foam coverings in accordance with safety criteria and the foam thickness constraint is then proposed. The impact model and the foam covering design procedure are validated experimentally with two manipulators. The maximum error between the predicted and experimental head acceleration was less than 9%. The maximum error between the predicted and experimental foam compressed depth was less than 12%. The second problem is mobile robot navigation in the presence of humans and other motion-unpredictable obstacles. A novel navigation algorithm, based on the virtual force field (VFF) method, is proposed as a solution. It features improved functions for the repulsive and detour virtual forces, and a new stabilizing virtual force. Methods to calculate sizes of the active and critical regions for different obstacles are developed. Stability of the new VFF is proven using a novel piecewise Lyapunov function and Lyapunov's second method. Based on simulations for different obstacle configurations, the new VFF-based algorithm successfully produces collision-free paths while five well known navigation algorithms incurred collisions in one of the configurations. With the new VFF-based navigation algorithm, simulations and experiments are successfully performed with a holonomic robot and a nonholonomic robot for several configurations, including multiple moving obstacles. / Thesis / Doctor of Philosophy (PhD)

No description available.

<p>The aim of the Master’s Thesis work is to study and develop algorithms for autonomous travel of a UGV (Unmanned Ground Vehicle). A vehicle for the mounting of sensors has been constructed in order to perform the work. Since the UGV is to be used outdoor in urban areas, GPS can be used. To improve precision and robustness, inertial navigation is used in addition to GPS, since GPS reception is likely to be diminished in such areas. The sensors used for navigation are consequently GPS, magnetometers, accelerometers, gyroscopes, tachometers and ultra sonic sensors measuring distance to be used in detection of obstacles. The system has been implemented in Matlab. Two alternative methods of navigation with sensor fusion have been developed; one is a decentralized method with Kalman filtering using an error model and the other is a centralized particle filter using an all-embracing model of the vehicle. The two methods have been evaluated and compared. Test results show that the two methods perform equivalently.</p><p>The autonomous travel is undertaken between predetermined waypoints. In order to steer the vehicle a PID-controller based on the error between heading and its reference value is used. The computation of the reference value is based on position and heading in comparison to the desired path. The system has been tested using different routes and the results show an evident improvement of the precision in navigation compared to using only GPS-data. This holds for both navigation methods. Simulation of collision avoidance using virtual force fields shows satisfying results as well as terrain navigation with coordinate map referencing.</p> / <p>Examensarbetet är en studie i utveckling av algoritmer för autonom förflyttning av en UGV (eng Unmanned Ground Vehicle). För ändamålet har en farkost konstruerats där budgetsensorer för navigering används. Farkosten är tänkt att färdas utomhus i tätbebyggt område och GPS används. För förbättring av noggrannhet och robusthet vid dålig GPS-mottagning används även sensorer för tröghetsnavigering vilket här innebär magnetometrar, accelerometrar, gyron och tachometrar. För hinderdetektering finns avståndsmätande ultraljudssonar. Systemet som tagits fram har implementerats i realtid i Matlab. Två olika navigeringsmetoder med sensorfusion har utprovats; en decentraliserad variant med kalmanfilter som är uppbyggd kring felmodeller och en centraliserad variant med ett partikelfilter som använder en helhetsmodell för farkosten. De båda navigeringsmetoderna har utvärderats och jämförts. Resultat visar att de båda metoderna presterar likvärdigt.</p><p>Den autonoma förflyttningen utförs mellan förutbestämda brytpunkter. För att styra farkosten har en PID-regulator baserad på felet mellan kurs och börvärde använts. Börvärdet på kurs baseras på nuvarande position och riktning relativt den önskade färdvägen. Olika körsituationer har testats och resultaten visar en markant förbättring av navigeringsprecisionen jämfört med endast GPS-mätningar för både kalman- och partikelfilter. Simuleringar på vektorfältsstyrning med virtuella kraftfält för att undvika hinder har utförts med goda resultat liksom simuleringar av kartreferenspositionering.</p>

The aim of the Master’s Thesis work is to study and develop algorithms for autonomous travel of a UGV (Unmanned Ground Vehicle). A vehicle for the mounting of sensors has been constructed in order to perform the work. Since the UGV is to be used outdoor in urban areas, GPS can be used. To improve precision and robustness, inertial navigation is used in addition to GPS, since GPS reception is likely to be diminished in such areas. The sensors used for navigation are consequently GPS, magnetometers, accelerometers, gyroscopes, tachometers and ultra sonic sensors measuring distance to be used in detection of obstacles. The system has been implemented in Matlab. Two alternative methods of navigation with sensor fusion have been developed; one is a decentralized method with Kalman filtering using an error model and the other is a centralized particle filter using an all-embracing model of the vehicle. The two methods have been evaluated and compared. Test results show that the two methods perform equivalently. The autonomous travel is undertaken between predetermined waypoints. In order to steer the vehicle a PID-controller based on the error between heading and its reference value is used. The computation of the reference value is based on position and heading in comparison to the desired path. The system has been tested using different routes and the results show an evident improvement of the precision in navigation compared to using only GPS-data. This holds for both navigation methods. Simulation of collision avoidance using virtual force fields shows satisfying results as well as terrain navigation with coordinate map referencing. / Examensarbetet är en studie i utveckling av algoritmer för autonom förflyttning av en UGV (eng Unmanned Ground Vehicle). För ändamålet har en farkost konstruerats där budgetsensorer för navigering används. Farkosten är tänkt att färdas utomhus i tätbebyggt område och GPS används. För förbättring av noggrannhet och robusthet vid dålig GPS-mottagning används även sensorer för tröghetsnavigering vilket här innebär magnetometrar, accelerometrar, gyron och tachometrar. För hinderdetektering finns avståndsmätande ultraljudssonar. Systemet som tagits fram har implementerats i realtid i Matlab. Två olika navigeringsmetoder med sensorfusion har utprovats; en decentraliserad variant med kalmanfilter som är uppbyggd kring felmodeller och en centraliserad variant med ett partikelfilter som använder en helhetsmodell för farkosten. De båda navigeringsmetoderna har utvärderats och jämförts. Resultat visar att de båda metoderna presterar likvärdigt. Den autonoma förflyttningen utförs mellan förutbestämda brytpunkter. För att styra farkosten har en PID-regulator baserad på felet mellan kurs och börvärde använts. Börvärdet på kurs baseras på nuvarande position och riktning relativt den önskade färdvägen. Olika körsituationer har testats och resultaten visar en markant förbättring av navigeringsprecisionen jämfört med endast GPS-mätningar för både kalman- och partikelfilter. Simuleringar på vektorfältsstyrning med virtuella kraftfält för att undvika hinder har utförts med goda resultat liksom simuleringar av kartreferenspositionering.