This paper presents a control scheme for the humanoid robot TEO's elbow joint based on a novel tuning method for fractional-order PD and PI controllers. Due to the graphical nature of the proposed method, a few basic operations are enough to tune the controllers, o®ering very competitive results compared to classic methods. The experiments show a robust performance of the system to mass changes at the tip of the humanoid arm.

No abstract

La alta dimensionalidad y no linealidad hacen del modelado y el control del equilibrio de un robot humanoide bípedo un proceso complejo y difícil. Para controlar el robot en tiempo real se necesitan modelos cinemáticos y dinámicos simplificados. El modelo del Péndulo Invertido Lineal (LIPM) es uno de los modelos simples más utilizados en el control del equilibro. Sin embargo, este modelo introduce errores de aproximación que se añaden a las imprecisiones inherentes del robot. Este trabajo presenta un nuevo modelo basado en el LIPM, llamado modelo Dinámico del Péndulo Invertido Lineal (DLIPM), que minimiza el error y reduce las oscilaciones. Esto es debido a que planifica el comportamiento del robot con respecto a cambios en el estado del equilibro dado por el Punto de Momento Cero (ZMP). Además, se han realizado experimentos que consisten en perturbaciones en el equilibrio utilizando ambos modelos de péndulo invertido para dos robots distintos: TEO, de la Universidad Carlos III de Madrid y REEM-C, de PAL Robotics. Los resultados muestran que las respuestas ante perturbaciones de equilibro utilizando el modelo DLIPM son más precisas y muestran menos oscilaciones en ambos robots.

Este artículo presenta las diversas mejoras realizadas en el módulo de sujeción del robot autónomo subterráneo BADGER, que permite la realización de canalizaciones para cables o tuberías sin necesidad de realizar una excavación a cielo abierto. Es importante tener una buena sujeción con el terreno para así poder realizar el empuje del robot y excavar; para ello se utiliza un módulo que ejerce una presión contra el terreno que rodea al robot mediante la expansión de una cámara de aire.

La robótica blanda es una rama con gran potencial en el campo de la robótica actual. Presenta grandes ventajas frente a la antigua perspectiva rígida. Sin embargo, su desarrollo se ve limitado por la complejidad del modelado, identificación y control de estos sistemas, debido entre otros factores a su no linealidad. Es en este contexto, donde el uso de redes neuronales, capaces de adaptarse al comportamiento de sistemas muy variados independientemente del conocimiento disponible de los mismos, adquiere relevancia. En el presente trabajo se analiza la identificación de una articulación robótica blanda mediante redes neuronales, comparando los resultados frente a los obtenidos a través de la identificación mediante funciones de transferencia.