Bio-inspired neural control algorithms for applications in biomimetic robotics
- Autores: Francisco García Córdova
- Directores de la Tesis: Antonio Guerrero González (dir. tes.), Toribio Fernández Otero (codir. tes.)
- Lectura: En la Universidad Politécnica de Cartagena ( España ) en 2023
- Idioma: inglés
- Número de páginas: 576
- Títulos paralelos:
- Algoritmos de control neuronal bioinspirados para aplicaciones en robótica biomimética
- Tribunal Calificador de la Tesis: Laura Luz Valero Conzuelo (presid.), José Andrés Moreno Nicolás (secret.), Iván Felis Enguix (voc.)
- Programa de doctorado: Programa de Doctorado en Tecnologías Industriales por la Universidad Politécnica de Cartagena
- Materias:
- Enlaces
- Tesis en acceso abierto en: Repositorio Digital de la UPCT
- Resumen
- español
Los sistemas robóticos han experimentado un fuerte desarrollo en esta última década debido a la creciente necesidad de contar con una capacidad robótica para trabajar de forma autónoma en entornos no accesibles para los humanos y cuyo entorno no esté estructurado. Debido a la complejidad de las tareas/aplicaciones, algunos de los robots convencionales son incapaces de cumplir las exigencias de ciertas tareas. Por ello, los diseñadores de robótica están observando en la naturaleza cómo los animales realizan estos tipos de tareas, para diseñar robots con morfología de inspiración biológica (conocidos como robótica biomimética). En esta dirección, combinando la capacidad de decisión y creatividad humana con las cualidades que poseen los robots biomiméticos ante entornos peligrosos o inaccesibles, se consigue un sistema eficaz capaz de operar en una gran variedad de entornos. De acuerdo a la complejidad de las tareas y las redundancias de los diseños de los robots biomiméticos, las técnicas de control convencional o no-lineal no han logrado consolidarse como controladores de estos robots. En esta última década, se han incrementado el diseño e implementación de algoritmos de control bioinspirados basados en los diferentes niveles del sistema nervioso central para la robótica biomimética. Basado en lo anterior, este trabajo de investigación presenta dos motivaciones para el desarrollo de algoritmos bioinspirados para la robótica biomimética, estas motivaciones son: 1) Cómo el sistema nervioso central en humano/primate controla el movimiento y la rigidez variable en los dedos de una mano en un sistema de actuación agonista-antagonista para agarrar y manipular objetos de forma versátil y eficiente; y 2) Cómo los humanos o los animales realizan la navegación autónoma con evasión de obstáculos de forma eficiente en entornos diferentes y no estructurados. En esta dirección, el objetivo principal de esta Tesis Doctoral es diseñar/modelar, implementar y proporcionar algoritmos de control basados en la neurobiología, así como una arquitectura distribuida de control inteligente de inspiración neurobiológica, para el control sensoriomotor del movimiento, el seguimiento de trayectorias y la evasión de obstáculos (navegación autónoma activa y reactiva) en entornos no estructurados. Para alcanzar el objetivo principal en este trabajo de investigación, se han propuesto dos tipos de algoritmos neurobiológicamente inspirados. El primer algoritmo propuesto es una red neuronal corticoespinal que está dentro del ámbito de la neurofisiología y la psicofísica motora para el control de los movimientos voluntarios y el seguimiento de la trayectoria de las articulaciones en sistemas robóticos antropomórficos. Este algoritmo propuesto representa los niveles y la conectividad del sistema nervioso central tales como las áreas corticales, la médula espinal y el sistema nervioso periférico para accionar actuadores agonistasantagonistas con propiedades similares a las de los músculos humanos o de primates. Este algoritmo de inspiración neurobiológica se implementó para controlar diferentes plataformas robóticas antropomórficas (1. Un dedo robótico de dos grados de libertad accionado por tendones y motores DC. 2. Un dedo robótico de tres grados de libertad accionado por tendones y actuadores de aleación con memoria de forma. 3. Una mano robótica antropomórfica de varios dedos, cada dedo tiene cuatro grados de libertad accionados por tendones y con motores lineales de DC). En este trabajo de investigación, también se innovó con la fabricación, el diseño y el estudio de las propiedades sensoras y actuadoras de un músculo artificial de triple-capas basado en polímeros conductores, e implementando la red neuronal cortico espinal para el control de movimiento angular de este músculo biomimético. Los resultados experimentales demuestran que la red neuronal corticoespinal propuesta e implementada en diferentes plataformas robóticas es eficiente, fiable, estable, adaptativo y robusta a diferentes cargas o perturbaciones, estableciéndose como un neuro-controlador en sistemas robóticos antropomórfico para el control de movimiento y seguimiento de trayectorias articulares. El segundo algoritmo propuesto es una arquitectura distribuida de control inteligente de inspiración neurobiológica compuesta por dos tipos diferentes de redes neuronales bioinspiradas para la navegación autónoma, la evasión de obstáculos y la capacidad de resiliencia en sistemas robóticos biomiméticos redundantes. Esta arquitectura se basa en el conocimiento de las áreas activas del córtex motor de los humanos/primates, presentando la conectividad e integración de forma simplificada del córtex premotor, el córtex motor primario, el córtex somatosensorial primario y el córtex motor parietal/visual. Los algoritmos bioinspirados que componen la arquitectura son: 1. Una red de mapeo de dirección autoorganizada. Está red neuronal bio-inspirada permite la generación de trayectorias, el seguimiento de trayectorias, la localización de objetivos e incorpora capacidades de resiliencia. La red neuronal propuesta representa el córtex motor primario, el premotor, somatosensorial primario y el visual. El aprendizaje es no supervisado y utiliza un sistema de aprendizaje asociativo para generar transformaciones entre coordenadas espaciales y coordenadas de velocidad de los actuadores en los sistemas robóticos. Además, este algoritmo tiene la capacidad de aprender la resiliencia de los sistemas robóticos redundantes.
2. Una red neuronal para la evasión de obstáculos. Esta red neuronal está basada en el comportamiento y el aprendizaje animal conocida como condicionamiento operante para controlar los comportamientos de evasión de obstáculos del robot. El aprendizaje es no supervisado y el robot aprende moviéndose en un entorno no estructurado lleno de obstáculos. La arquitectura distribuida de control inteligente se implementó en plataformas robóticas móviles terrestre y marinas para entornos no estructurados. La primera plataforma robótica es un vehículo móvil terrestre autónomo capaz de operar durante largos periodos de tiempo (integrando un sistema dual de paneles fotovoltaicos y una pila de combustible de metanol para la recarga de las baterías) para la observación y el seguimiento de trayectorias en entornos no estructurados. La segunda plataforma robótica es un novedoso e innovador sistema de monitorización marino denominado BUSCAMOS, que está formada por un buque autónomo de superficie combinado con un vehículo submarino autónomo no tripulado. Los vehículos cuentan con un sistema de propulsión eléctrica y las baterías se recargan mediante un sistema dual de paneles solares y un generador diésel de reserva (situado en el vehículo autónomo de superficie). Ambos vehículos tienen implementado la arquitectura distribuida de control inteligente a través de una arquitectura software modular y controlados por dispositivos redundantes que proporcionan la robustez necesaria para operar en entornos difíciles y desestructurados. Se realizaron operaciones de monitorización en ambos sistemas robóticos terrestre y marinos. El sistema de monitorización marino BUSCAMOS realizó la monitorización a largo plazo de vertidos de petróleo (hidrocarburos), incluyendo la búsqueda del vertido y la transmisión de información sobre su localización, extensión, dirección y velocidad. Los resultados experimentales demuestran la integración de forma fiable y modular, la eficacia, la estabilidad, la capacidad adaptativa, la capacidad de resiliencia y robustez de la arquitectura distribuida de control inteligente propuesta para la navegación adaptativa y la evitación de obstáculos en entornos no estructurados para sistemas robóticos móviles autónomos marinos y terrestres para aplicaciones innovadoras a largo plazo.
Los algoritmos de control neurobiológicamente inspirados propuestos en esta tesis doctoral proporcionan la eficiencia, la fiabilidad, la estabilidad, la capacidad adaptativa, la robustez, la flexibilidad, y la capacidad de resiliencia en sistemas robóticos biomiméticos redundantes para el control sensoriomotor del movimiento, el seguimiento de trayectorias y la evitación de obstáculos (navegación autónoma activa y reactiva) en entornos diferentes y no estructurados. Este trabajo de investigación abre la puerta para conocer y comprender de manera simplificada cómo los niveles del sistema nervioso central (áreas corticales, médula espinal y sistema nervioso periférico) interactúan para controlar de forma agonista-antagonista movimientos articulares, así como la navegación espacial autónoma activa y reactiva en humanos o primates. Con el fin de diseñar nuevos algoritmos de inspiración neurobiológica para sistemas robóticos biomiméticos redundantes. Palabras claves: Redes neuronales bioinspiradas, red cortico-espinal, aprendizaje del condicionamiento operante, robótica biomimética, arquitectura distribuida de control inteligente.
- English
Robotic systems have experienced a strong development in the last decade, due to the growing need for a robotics capability to work autonomously in non-human accessible and unstructured environments. Due to the complexity of the tasks/applications, some of the conventional robots are unable to fulfill the demands of certain tasks. Therefore, robotics designers look at how animals perform these tasks in nature to design robots with biologically inspired morphology (known as biomimetic robotics). In this approach, combining human decision making and creativity with the qualities possessed by biomimetic robots in hazardous or inaccessible environments results in an effective system capable of operating in a wide variety of environments. According to the complexity of the tasks and the redundancies of biomimetic robot designs, conventional or nonlinear control techniques have not been able to consolidate as controllers of these robots. In this last decade, the design and implementation of bio-inspired control algorithms based on the different levels of the central nervous system for biomimetic robotics have increased.
Based on the above, this research work presents two motivations for the development of bio-inspired algorithms for biomimetic robotics, these motivations are 1) How the central nervous system in human/primate controls variable motion and stiffness in the fingers of a hand in an agonist-antagonist actuation system to grasp and manipulate objects in a versatile and efficient manner; and 2) How humans or animals perform autonomous navigation with obstacle avoidance efficiently in different and unstructured environments. In this direction, the main objective of this PhD Thesis is to design/model, implement and provide neurobiologically based control algorithms and a distributed neurobiologically inspired intelligent control architecture for sensorimotor control of motion, trajectory tracking and obstacle avoidance (active and reactive autonomous navigation) in unstructured environments. To achieve the main objective in this research work, two types of neurobiologically inspired algorithms have been proposed.
First proposed algorithm is a corticospinal neural network that is within the field of neurophysiology and motor psychophysics for voluntary movement control and joint trajectory tracking in anthropomorphic robotic systems. This algorithm represents the levels and connectivity of the central nervous system such as cortical areas, spinal cord, and peripheral nervous system to drive agonistantagonist actuators with properties like human or primate muscles. This neurobiologically inspired algorithm was implemented to control different anthropomorphic robotic platforms (1. A two-degree-offreedom robotic finger driven by tendons and DC motors. 2. A three-degree-of-freedom robotic finger driven by tendons and shape memory alloy actuators. 3. An anthropomorphic multi-finger robotic hand, each finger having four degrees of freedom driven by tendons and DC linear motors). In this research work, we also innovated with the fabrication, design, and study of the sensing and actuating properties of a triple-layered artificial muscle based on conductive polymers, and implemented the cortico-spinal neural network for angular motion control of this biomimetic muscle. Experimental results demonstrate that the proposed corticospinal neural network implemented on different robotic platforms is efficient, reliable, stable, adaptive, and robust to different loads or perturbations, and establishing itself as a neurocontroller in anthropomorphic robotic systems for movement control and joint trajectory tracking.
Second proposed algorithm is a neurobiologically inspired distributed intelligent control architecture composed of two different types of bio-inspired neural networks for autonomous navigation, obstacle avoidance and resilience capabilities in redundant biomimetic robotic systems.
This architecture is based on knowledge of the active areas of human/primate motor cortex, presenting the connectivity and integration in a simplified form of premotor cortex, primary motor cortex, primary somatosensory cortex, and parietal/visual motor cortex. The bio-inspired algorithms that compose the architecture are: 1. A self-organizing direction mapping network. This bio-inspired neural network enables trajectory generation, trajectory tracking, target localization and incorporates resilience capabilities.
The proposed neural network represents primary motor, premotor, primary somatosensory and visual cortex. The learning is unsupervised and uses an associative learning system to generate transformations between spatial coordinates and velocity coordinates of actuators in robotic systems. In addition, this algorithm can learn the resilience of redundant robotic systems.
2. A neural network for obstacle avoidance. This neural network is based on animal behavior and learning known as operant conditioning to control the robot's obstacle avoidance behaviors.
The learning is unsupervised and the robot learns by moving in an unstructured environment full of obstacles.
The distributed intelligent control architecture was implemented in terrestrial and marine mobile robotic platforms for harsh and unstructured environments. The first robotic platform is an autonomous land mobile vehicle with an electric propulsion system capable of operating for long time periods (integrating a dual system of photovoltaic panels and a methanol fuel cell for battery recharging) for observation and trajectory tracking in unstructured environments. The second robotic platform is a novel and innovative marine monitoring system called BUSCAMOS, which consists of an autonomous surface vessel combined with an unmanned autonomous underwater vehicle. The vehicles have an electric propulsion system and batteries are recharged by a dual system of solar panels and a backup diesel generator (located in the autonomous surface vehicle). Both vehicles have distributed intelligent control architecture implemented through a modular software architecture and controlled by redundant devices that provide the necessary robustness to operate in harsh and unstructured environments. Monitoring operations were performed on both land and marine robotic systems. The marine monitoring system BUSCAMOS performed long-term monitoring of oil spills (hydrocarbons), including searching for the spill and transmitting information on its location, extent, direction, and speed. Experimental results demonstrate the reliable and modular form integration, efficiency, stability, adaptive capability, resilience, and robustness of the proposed distributed intelligent control architecture for adaptive navigation and obstacle avoidance in unstructured environments for marine and terrestrial autonomous mobile robotic systems for long-term innovative applications.
The neurobiologically inspired control algorithms proposed in this PhD thesis provide efficiency, reliability, stability, adaptive capability, robustness, flexibility, and resilience in redundant biomimetic robotic systems for sensorimotor control of motion, trajectory tracking, and obstacle avoidance (active and reactive autonomous navigation) in diverse and unstructured environments. This research work opens the door to know and understand in a simplified way how the levels of the central nervous system (cortical areas, spinal cord, and peripheral nervous system) interact to control in an agonistantagonist manner joint movements, as well as active and reactive autonomous spatial navigation in humans/primates. In order to design new neurobiologically inspired algorithms for redundant biomimetic robotic systems.
- español
