Automatische Task-Frame-Ableitung mittels Schraubentheorie

Großes Masterprojekt: Implementierung und Evaluation eines aktuellen Forschungspapers (Mohammadi et al., 2024), das aus demonstrierten Roboterbewegungen automatisch den optimalen Task Frame für kontaktreiche Aufgaben ableitet — datengetrieben statt per Expertenwissen.

Hintergrund ist die intuitive Roboterprogrammierung per Playback: Der Nutzer führt den Roboter von Hand, die Bahn wird danach reproduziert. Wie Positions- und Kraftsignale dabei interpretiert und geregelt werden, bestimmt der Task Frame — bisher von Expert:innen gewählt, hier automatisch aus den Daten eines Bewegungssegments berechnet.

Implementiert wurde die komplette Pipeline des Papers: Roboterkonfigurationen werden in Twists und Wrenches übersetzt, eine Twist-/Wrench-Analyse wählt die aussagekräftigen Größen aus, der Ursprung des Task Frames entsteht über den Average Screw Intersection Point (ASIP), die Orientierung über den Average Vector Orientation Frame (AVOF).

Evaluiert wurde an vier Kontakt-Szenarien — 1D- und 2D-Schleifbewegung, Konturverfolgung und Schraubbewegung — mit Blick darauf, wie die einzelnen Schraubentheorie-Komponenten zur Bestimmung des optimalen Frames beitragen.

Begleitend entstand im Masterseminar eine theoretische Aufarbeitung der Schraubentheorie: von Twists, Wrenches und Schraubenalgebra über Lie-Gruppen (SO(3)/SE(3)) und adjungierte Transformationen bis zur Rückwärtskinematik über das Produkt der Exponentiale (Paden-Kahan-Teilprobleme).