Étalonnage de systèmes bi-robots par entraînement de réseaux de neurones

RÉSUMÉ L’objectif de recherche est de parvenir à améliorer la précision de robots soumis à des tâches coopératives. Les travaux se focalise sur l’étalonnage commun des robots et cherche à réduire l’erreur de poursuite statique entre les deux brides des deux robots. La méthode proposée consiste à réaliser un premier étalonnage afin d’obtenir un modèle géométrique de chacun des deux robots et de situer ces modèles dans l’espace de travail. Ensuite, une série de mesure est effectuée afin de pouvoir évaluer l’erreur résiduelle de l’étalonnage pour chaque combinaison de poses du robot maître et du robot esclave. Ces données sont utilisées pour entraîner un réseau de neurones afin de prédire les erreurs non-géométriques et les erreurs aléatoires résiduelles à la suite de la calibration géométrique. L’utilisation de réseau de neurone pour la prédiction de l’erreur de poursuite a tout d’abord été mis à l’épreuve en simulation à partir de données issues d’un projet antérieur portant également sur la calibration de robots coopératifs. Les résultats obtenus ont permis de valider qualitativement la méthode, mais il fut nécessaire de récolter davantage de données expérimentales pour l’obtention de résultats quantitatifs. Un total de mille poses a été mesurées pour chacun des robots sur une cellule expérimentale contenant deux KUKA KR300 R2500 et un Leica LTD800. Une première série de mesure est effectuée, puis les robots sont ensuite étalonnés à partir de la méthode par axe. Puis, une autre série de mesure compensée est exécutée suite à cet l’étalonnage. Un réseau de neurone a été ensuite été entrainé à partir de 900 données provenant des données compensées, prenant en entrée les positions cartésiennes (XYZABC) des deux robots et en sortie les composantes cartésiennes de l’erreur de poursuite entre les deux brides. Les 100 données restantes du groupe de données compensées ont été utilisées pour évaluer la performance de l’approximation de l’erreur. La méthode proposée permet de réduire l’erreur maximale de 1.2 mm à 0.2 mm par axe pour le positionnement et de 0.5 à 0.05° par angle pour l’orientation. En conclusion, l’utilisation de réseaux de neurones pour la calibration des erreurs non-géométriques permet d’améliorer la précision de l’erreur de poursuite entre les brides de robot travaillant en coopération. Mots-clés : Robotique, Robots coopératifs, Étalonnage, Réseaux de neurones,