Development of an EtherCAT-based motion control system and a semantic segmentation yaw control algorithm for quadruped robots

Βαϊνδηρλής, Νεοκλής; Vaindirlis, Neoklis

dc.contributor.author	Βαϊνδηρλής, Νεοκλής	el
dc.contributor.author	Vaindirlis, Neoklis	en
dc.date.accessioned	2024-01-22T10:55:17Z
dc.date.available	2024-01-22T10:55:17Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58620
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26316
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Τετράποδα ρομποτ	el
dc.subject	Τμηματοποίηση εικόνας	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Ethercat	en
dc.subject	Έλεγχος κατεύθυνσης	el
dc.subject	Semantic segmentation	en
dc.subject	Neural networks	en
dc.subject	Legged robots	en
dc.subject	Agricultural robots	en
dc.subject	Γεωργικά ρομπότ	el
dc.title	Development of an EtherCAT-based motion control system and a semantic segmentation yaw control algorithm for quadruped robots	en
heal.type	bachelorThesis
heal.secondaryTitle	Ανάπτυξη ενός συστήματος ελέγχου κίνησης βασισμένο σε EtherCAT και ενός αλγόριθμου ελέγχου κατεύθυνσης μέσω τμηματοποίησης εικόνας για τετράποδα ρομπότ	el
heal.classification	Ρομποτική	el
heal.classification	Robotics	en
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-06-14
heal.abstract	Η εργασία αυτή αποτελείται από δύο μέρη. Στο πρώτο μέρος της εργασίας έγινε αναβάθμιση των ηλεκτρονικών και ηλεκτρικών υποσυστημάτων του τετράποδου ρομπότ Laelaps. Στο δεύτερο και κύριο μέρος της εργασίας έγιναν τα πρώτα βήματα για την ανάπτυξη ενός αλγόριθμου ελέγχου της κατεύθυνσης ενός τετράποδου γεωργικού ρομπότ με την χρήση νευρωνικών δικτύων βαθιάς μάθησης. Το ρομπότ αναπτύσσεται υπό την επίβλεψη του καθηγητή Ευάγγελου Παπαδόπουλου, στο εργαστήριο Αυτομάτου Ελέγχου της Σχολής Μηχανολόγων Μηχανικών Ε.Μ.Π. Στo πρώτο μέρος της εργασίας περιγράφεται η διαδικασία σχεδιασμού και υλοποίησης των νέων ηλεκτρονικών και ηλεκτρικών υποσυστημάτων του τετράποδου ρομπότ. Η νέα αρχιτεκτονική έγινε με γνώμονα την περαιτέρω βελτίωση των χρόνων απόκρισης του συστήματος Ethercat, καθώς και την βελτίωση της ηλεκτρικής σταθερότητας και της γενικότερης αξιοπιστίας του συστήματος ελέγχου των ηλεκτρικών κινητήρων. Στο δεύτερο μέρος της εργασίας περιγράφεται η διαδικασία σχεδιασμού και υλοποίησης ενός αυτόνομου συστήματος πλοήγησης για γεωργικά ρομπότ ικανά να κινούνται μέσα σε ένα αμπέλι με την βοήθεια νευρωνικών δικτύων βαθιάς μάθησης. Εν ολίγοις, μέσω μίας κάμερας καταγράφεται η εικόνα του αμπελιού μπροστά από το ρομπότ και σε πραγματικό χρόνο μετατρέπεται μέσω του μοντέλου βαθιάς μάθησης σε μία τμηματοποιημένη εικόνα που χρησιμοποιείται για τον έλεγχο της κατεύθυνσής του. Αρχικά υλοποιήθηκε το μοντέλο μηχανικής μάθησης στο διαδεδομένο περιβάλλον μηχανικής μάθησης PyTorch. Έπειτα εφαρμόστηκαν διάφορες τεχνικές με σκοπό την βελτίωση της ακρίβειας του μοντέλου. Για την επικύρωσή της ορθής λειτουργίας του συστήματος, μέσω πρωτότυπων τεχνικών, δημιουργήθηκε ένα σύνολο δεδομένων εικόνων, από μία ειδικά διαμορφωμένη αίθουσα με τεχνητό αμπέλι, πάνω στο οποίο εκπαιδεύτηκε το μοντέλο. Έπειτα, σχεδιάστηκε και επικυρώθηκε ένας αλγόριθμος εξαγωγής του σφάλματος απόκλισης της πορείας του ρομπότ από την τμηματοποιημένη εικόνα. Ο αλγόριθμός αυτός πραγματοποιεί ακόμα έλεγχο της κατεύθυνσης του, βάση του σφάλματος αυτού. Η ανάπτυξή του έγινε σε μία προϋπάρχουσα ρομποτική πλατφόρμα και με την βοήθεια του τεχνητού αμπελιού. Τέλος υλοποιήθηκε και μία απλή διαδικασία αναγνώρισης και αλλαγής σειράς αμπελιών.	el
heal.abstract	This thesis consists of two parts. In the first part, upgrades were made to the electronic and electrical subsystems of the quadrupedal robot Laelaps. The second part involved the development of an algorithm for controlling the direction of an agricultural robot using deep learning neural networks. The robot is being developed under the supervision of Professor Evangelos Papadopoulos, in the Automatic Control Systems Laboratory of the School of Mechanical Engineering National Technical University of Athens. Regarding the first part of the thesis, the process of designing and implementing part of the new electronic and electrical subsystems of the quadruped robot is analyzed. The main design goal of the new architecture was improving response times of the EtherCAT system, as well as improving the electrical stability and the reliability of the motion control system. The aim of the second part of the thesis is to describe the design and implementation process of an autonomous navigation system using deep learning for agricultural robots in vineyards. In short, an image of the vine in front of the robot is captured and transformed in real time, through a deep learning model, into a segmented image used to control its direction. The machine learning model was implemented in the popular machine learning environment PyTorch. Then various techniques were applied in order to improve the accuracy of the model. To validate the correct operation of the system, through novel techniques, a dataset of images was created, from a specially configured room with a synthetic vineyard, on which the model was trained. Then, an algorithm to extract the robot path deviation error from the segmented image was designed and validated. This algorithm also controls the robot’s direction based on this error. Its development was mainly done on a pre-existing robotic platform and with the help of the synthetic vineyard. Finally, a simple procedure for identifying and changing the row in a vineyard was implemented.	en
heal.advisorName	Papadopoulos, Evangelos	en
heal.committeeMemberName	Soudris, Dimitrios	en
heal.committeeMemberName	Sotiriadis, Paul	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Μηχανολογικών Κατασκευών και Αυτομάτου Ελέγχου. Εργαστήριο Αυτομάτου Ελέγχου και Ρυθμίσεως Μηχανών και Εγκαταστάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	86 σ.	el
heal.fullTextAvailability	false