ヒューマノイド・ロボットは、自分が何を経験しているのかを知らなければ、その体を効果的に制御することはできません。関節の位置、四肢全体にかかる力、足の下の圧力、把持の安定性などを継続的に監視する必要があります。また、高温、異常振動、機械的摩耗といった、性能や安全性を損なう可能性のある状況を認識することも必要です。
世界を見ることは、身体的な知能の一部に過ぎません。ヒューマノイド・ロボットは、自分が何を経験しているのかを知らなければ、その体を効果的に制御することはできません。関節の位置、四肢全体にかかる力、足の下の圧力、把持の安定性などを継続的に監視する必要があります。また、高温、異常振動、機械的摩耗といった、性能や安全性を損なう可能性のある状況を認識することも必要です。移動し、物体を操作し、安全に相互作用を行うために、ヒューマノイド・ロボットは自分の体の中で何が起こっているのかを感知する必要があります。
ヒューマノイド・ロボットが何を経験しているのかを理解する能力は、身体的自己認識と呼ぶことができます。ただし、それは意識や人間的な内省のようなものではなく、ロボットが自身の機械的状態について、継続的に更新される信頼性の高いモデルを維持する能力を意味します。
外部知覚は、ロボットが物体を識別したり目的地を選択したりするのに役立つとしても、ロボットの体内で起こっているすべてを明らかにすることはできません。手首に過負荷がかかっていたり、指先が牽引力を失っていたり、ギアボックスに余分な摩擦が発生していたりする状況は、カメラでは直接判断できません。そのような状況は、物理的なソースで測定する必要があります。
この内部認識に必要なセンサの多くは、アナログ信号を生成します。それらの出力は、小さな差動電圧、抵抗の変化、ブリッジ測定値、調整された電圧および電流信号などです。NAFEB43388などのアナログ・フロント・エンド (AFE) は、これらの物理的測定値をローカル・コントローラや上位レベルのプロセッサで使用できる正確なデジタル情報に変換するための柔軟なパスを提供します。
ヒューマノイドが現実世界で稼働するために不可欠な内的感覚を付与しましょう。NAFEB43388がどのようにして、高精度アナログ・センシングを通じて身体的な自己認識を可能にするかをご覧ください。
NAFEB43388は、8つの設定可能なアナログ入力、24ビットのシグマデルタADコンバータ (ADC)、プログラマブル・ゲイン・アンプ、統合された電圧および電流励起/診断機能により、ブリッジ・センサ、測温抵抗体 (RTD)、熱電対、抵抗センサ、電圧または電流出力から信号を取得できます。この汎用性により、ヒューマノイド・ロボットの設計者は、分散したセンサ情報の取得に必要な精度と柔軟性を確保しながら、力、位置、温度、および状態監視機能を統合することができます。
手、足、その他の接触面は、ヒューマノイドが物理的な世界に遭遇する場所です。接触センシングにより、ロボットは何かに触れたかどうかだけでなく、その相互作用がどのように生じているかを判断できます。
複数のアナログ・センサ・テクノロジにより、さまざまな情報を取得できます。
力検知抵抗器や圧電素子は、システムが表面全体の圧力を検出する必要がある場合に有用です。それらは、指先、手のひら、足の裏、前腕、または規定の保護カバーなどに配置できます。加えられた負荷に応じて抵抗が変化するため、適切な励起および測定機能を備えたAFEによって、物理的圧力をデジタル値に変換できます。
ひずみゲージ構造は、より精密に力を測定できます。指先または把持面の下にある機械的要素が、負荷を受けることでわずかに変形します。この要素に結合されたひずみゲージが、この変形をブリッジ電圧の微小な変化へと変換します。この信号は一般的に振幅が小さいため、低ノイズでの増幅、高分解能での変換、安定した励起、および校正が必要となります。
圧力とひずみの測定を組み合わせることで、接触位置、加わった力、および負荷分布を明らかにできます。この情報により、単純な接触スイッチを使用した場合と比べて、はるかに正確な力制御と物体操作が可能になります。
物体を安定して把持することは、動的な操作です。ロボットが移動したり、物体の重心がずれたり、接触面が変化したりすると、必要な把持力が変化する可能性があります。物体が明らかに動くまで待っていたのでは遅すぎるかもしれません。
マイクロスリップ（微小なすべり）は、振動、圧力分布、接線荷重にわずかな変化を引き起こす場合があります。ヒューマノイドの手では、複数のアナログ測定を組み合わせることで、そのような遷移を検出できます。たとえば、圧電素子が高周波数の振動を捉えるのと同時に、近くの圧力センサが接触力の分布に変化を検知したとします。これらの信号は、指と物体の間の界面が不安定になっていることを示している可能性があります。
このローカル・ループにより、中央プロセッサへの依存を減らし、不必要な遅延を回避します。上位レベルの制御では、生の触覚サンプルをすべては必要としません。知る必要があるのは、物体が安全な状態であること、把持力が修正されていること（あるいは把持を安定化できないこと）だけです。
サンプリング要件はAFEの選定に影響します。ゆっくりと変化する圧力信号では分解能と電力効率が優先される一方、振動やマイクロスリップの検出には、より高いデータ・レートが求められる場合があります。したがって、混合アーキテクチャでは、静的な負荷測定と動的な接触事象に対して異なるNAFE構成を使用できます。
身体的自己認識は手だけに留まるものではありません。力は手首、肘、肩、胴体、膝、足首、足など体全体にかかっています。これらの負荷を測定することで、制御システムは、指令された動きが機械的な動作へとどのように変換されているかを理解できます。
ホイートストン・ブリッジとして構成されるひずみゲージは、この作業に適しています。これらは、次のような各重点ポイントで、適切に設計された機械的要素に統合できます。
測定された変形は力またはトルクとして検知できます。たとえば、手首の構造は、力とモーメントのいくつかの成分を推定できるように設計できます。これにより、ロボットはツールの圧力を調整したり、相互作用の力を制限したり、ペイロードを推定したり、予期しない接触を検知したりできます。
また、関節の近くでトルクを感知することにより、アクチュエータの動作を独立した観点から捉えることができます。コントローラが特定のトルクを指令したときに、測定された構造的応答がそれとは大きく異なっている場合、システムは障害物、機械的バックラッシュ、ドライブトレインの摩擦、センサの誤差など、考えられる要因を調べることができます。
ひずみゲージの出力は小さいため、ロボットが認識できる内容はシグナルチェーンの品質によって直接影響を受けます。オフセット、ドリフト、ノイズ、励起安定性、温度はすべて、最終的な測定値に影響を与えます。設定可能なNAFEは、プログラマブルなゲインと高分解能の変換によってさまざまなブリッジ感度に対応し、信号経路全体にわたる較正をサポートします。
固有受容感覚とは、身体的自己認識の構成要素の1つであり、関節の位置、四肢の構成、内部の動きなどに関するロボット自身の知覚を意味します。これには、関節の角度、直線的な変位、指の位置、規定のメカニズム内での変形などが含まれます。
ヒューマノイドの関節では通常、デジタル・エンコーダが使用されますが、いくつかのアナログ位置エンコーダでそれらを補完したり、場合によっては置き換えることもできます。
これらの機器は、NAFEによる取得に適した電圧信号または抵抗信号を生成できます。指などのコンパクトな機構では、フレックス・センサや磁気センサによって関節構成に関する直接のフィードバックを提供できます。より大きな関節では、メインのエンコーダとともに独立した2次的な測定要素としてアナログ・センサを使用できます。
多様なセンシング原理を使用することで、故障検出が向上します。デジタル・モーター・エンコーダでモーターのシャフトが指令位置に達したことが示される一方、関節出力のアナログ・センサでは、機械的なコンプライアンスまたはドライブトレインの損傷によって四肢が想定角度に到達できなかったことが示される場合もあります。2つの測定値を比較することで、どちらか一方のセンサだけでは見逃す可能性のある問題も明らかになります。
アナログ位置測定は、力、トルク、モーター電流と比較することもできます。電流と力の測定値が増加しているのに位置が変化しない場合、関節が障害物に押し付けられている可能性があります。指令された動きどおりにモーターが回転している一方で、出力変位が小さい場合は、ドライブトレインに過度のバックラッシュや機械的不具合が生じている可能性があります。
モーター電流は、ヒューマノイドの物理的状態を別の観点から見る指標となります。多くの種類のアクチュエータでは、電流は発生したトルクに関連しています。したがって、これを測定することで、労力の推定、接触の識別、ドライブトレインの状態の監視に役立ちます。
モーター電流は、シャント抵抗、ホール効果センサ、変流器、または絶縁測定段を通して測定できます。結果として得られるアナログ電圧または電流は、NAFEのプログラマブル・ゲイン・アンプ (PGA) と設定可能な入力アーキテクチャを使用して、測定範囲に合わせて調整されます。
モーター電流測定から得られる有用な情報には次のようなものがあります。
電流だけでは完全なトルク測定にはなりません。ギアの効率、加速度、温度、潤滑、摩擦なども、電流と生じる力との関係に影響を与えます。電流を関節の位置、構造的なひずみ、温度と組み合わせることで、最大の価値が得られます。
たとえば、繰り返される動きの中で電流が徐々に増加する場合、ベアリングの摩耗またはギアボックスの摩擦の増加を示している可能性があります。構造的トルクが変化しない場合は、追加の電流による労力が負荷に供給されず、内部で消費されている可能性が高くなります。
ヒューマノイドが歩行するためには、自身の重量が各時点でどのように分布しているかを知る必要があります。足に埋め込まれた圧力センサにより、かかとの接触、つま先の荷重、重心の移動、支持されているフェーズと支持されていないフェーズ間の遷移を識別できます。
圧電素子が空間的な圧力マップを提供する一方、ロード・セルやひずみゲージ構造によって合力をより正確に測定できます。足首のひずみセンシングにより、曲げモーメントと水平荷重に関する情報が追加されます。
これらの測定値により、コントローラは次のような重要な状況判断を行うことができます。
足にかかる力の測定は、ロボットと地面の間の実際の機械的境界を把握するうえで特に価値があります。指令された関節位置が正しく見える場合でも、すべり、部分的な接触、不安定な負荷などが明らかになる可能性があります。
ヒューマノイドには、内部の健全性に対する認識も必要です。モーター、ギアボックス、ベアリング、パワー・エレクトロニクス、構造部品は、変化する負荷の下で動作します。それらの温度および振動パターンにより、動きの中で問題が顕在化するよりも前にそれらの問題を明らかにすることができます。
NAFE対応の温度テクノロジには次のようなものがあります。
抵抗ベースのセンサでは、制御された励起と正確な抵抗測定が必要です。熱電対が生成する電圧は小さいため、増幅と冷接点補償が必要となります。選択するアプローチは、温度範囲、精度、配置、応答時間、およびコストによって異なります。NAFEの設定可能なアーキテクチャは、複数のタイプの温度センサをサポートできるため、設計者は基盤となる測定プラットフォームを変更する必要なしに、RTD、サーミスタ、熱電対、アナログ出力温度センサにそれぞれ対応できます。
熱に関する情報は、保護と測定精度の両方に役立ちます。アクチュエータが安全な動作温度を超えるのを防ぐだけでなく、温度によって出力が変化する他のセンサを補償することもできます。ロード・セル、ひずみゲージ、圧電センサ、機械式トランスミッションは、すべて温度に依存した挙動を示す場合があります。
振動センシングは、状態監視に新たな次元を追加します。圧電センサとアナログ加速度センサにより、衝撃、ギアの歯に関する問題、ベアリングの欠陥、構造的共振、緩みなどを検出できます。繰り返し測定を行うことで、各アクチュエータのベースライン・シグネチャを確立できます。そのシグネチャの変化により、発生しつつある不具合を特定できます。
ヒューマノイドは、この情報を使用して、関節速度を下げたり、負荷を制限したり、メンテナンスをスケジュールしたり、損傷を加速する可能性のある動きを回避したりできます。
身体的自己認識は、無差別にセンサを増やすことで生まれるものではありません。それは、正確で、時間的に調整され、診断可能な、互いに整合性の取れた測定値を生成することによって得られます。
すべてのセンシング・チャネルが次のような適切なチェックをサポートする必要があります。
センサ間の比較は、次のような観点から特に重要です。
信号が一致しない場合、コントローラはいずれの測定値も信頼できる値として扱うべきではありません。その代わり、動作制限を減らしたり、チャネルを再較正したり、冗長センサに切り替えたり、制御された安全な状態に移行したりできます。
NAFEB43388などのデバイスに基づく分散測定ノードは、このようなアーキテクチャの構成に役立ちます。すべての低レベルのアナログ信号を1つの中央ボードにルーティングするのではなく、手、手首、足首、足、または関節全体にわたって測定回路をセンサの近くに配置できます。アナログ接続の配線を短くすることでノイズの影響を軽減し、局所的な処理によって生サンプルを較正値、健全性指標、および時間重視のイベントへと変換できます。
ヒューマノイドのセンシング・システムでは、周囲の環境を観察することはもとより、機械に自分の体内で何が起こっているのかを伝達するネットワークこそが、最も重要なものと言えます。以下にその例を示します。
NAFEB43388は、設定可能なアナログ入力、高精度の変換、励起、ゲイン制御、較正、診断機能をサポートすることにより、これらのセンサの多くに対してきめ細かい設定が可能な測定プラットフォームを提供します。これにより、物理的な測定値がさまざまに異なっていても、ヒューマノイドを構成する各部分が一貫した取得アーキテクチャを形成できるようになります。異なる種類のセンサ間で一貫性のあるアーキテクチャを使用することで、開発者はシステム設計を簡素化しながら、精巧な操作、バランス制御、状態監視、人間と機械との安全な相互作用のために必要な、正確で信頼性の高い、応答性に優れた測定値を提供できます。
これらの信号の組み合わせによって、ロボットは構成、負荷、接触、状態について継続的に更新されるモデルを獲得します。このような内部感覚によって、ロボットは力を制御し、外乱から回復し、障害を認識し、人や物体と安全に相互作用できるようになります。
要約すると、身体的知能は体の状態を知ることから始まりますが、ヒューマノイドの場合、その知識の多くは、一度に1つのアナログ信号で物理的な状態を測定することによって得られます。
Alec is Marketing and Applications Director at NXP, managing Analog ASSPs for industrial applications. He has 20 years of experience in the semiconductor industry and has held various roles including Applications Engineer, Marketing Engineer, Business Manager, Director, and Executive Director. His technical experience spans the areas of RF, data conversion, and sensors. Alec holds a BSEE and an MSEE degree from the University of Texas at Austin.