Bu tədqiqat fiziki sənaye robotu ilə onun virtual qarşılığını millisaniyə miqyasında birlikdə izləmək və müxtəlif hərəkət planlaşdırma alqoritmlərinin simulyasiyada deyil, real avadanlıq üzərində necə davrandığını ölçmək üçün hazırlanmış real vaxt rejimli robotik rəqəmsal əkiz və Hardware-in-the-Loop (HIL) doğrulama çərçivəsini araşdırır. Rəqəmsal əkiz bu tədqiqatda yalnız robotun üçölçülü simulyasiyası deyil; fiziki UR10e robotundan gələn mövqe, oriyentasiya, sürət, oynaq səyi, qüvvə və fırlanma momenti məlumatlarını virtual modellə zaman baxımından uyğunlaşdıran və davranış fərqlərini ölçülə bilən edən fiziki-virtual doğrulama sistemidir. Tədqiqatda ROS 2, Apache Kafka, Elasticsearch, MariaDB, Gazebo, MoveIt 2, OMPL və Functional Mock-up Unit (FMU) komponentləri eyni məlumat zəncirində birləşdirilmişdir.

Eksperimental sistem altı fırlanan oynaqlı Universal Robots UR10e manipulyatorunun Festo xətti oxu üzərinə yerləşdirilməsi ilə yaradılmış 7 sərbəstlik dərəcəli robotik quruluşdan istifadə edir. Robot dörd bölməli dar avtobus şassisi demonstratorunun ətrafında hərəkət etmiş; 11 müxtəlif OMPL planlayıcısı 10 dəfə işə salınmış və ümumilikdə 110 fiziki icra həyata keçirilmişdir. Sistem 50 Hz sürətində məlumat toplamış və tədqiqat boyunca 785.192 sinxronlaşdırılmış ölçmədən istifadə edilmişdir. Məlumat xəttində oynağa əsaslanan gecikmələr 0,09–15,51 ms intervalında ölçülmüş, bununla da tədqiqatın müəyyən etdiyi 20 ms-lik 50 Hz real vaxt həddi daxilində fiziki və virtual sistemin birlikdə izlənə bildiyi göstərilmişdir.

Nəticələrin ən mühüm cəhətlərindən biri robotun əmri düzgün izləməsi ilə simulyasiya və real dünyanın eyni həndəsi yolu yaratmasının eyni problem olmadığını göstərməsidir. Fiziki robotun TCP izləmə xətası əksər təcrübələrdə təxminən 2–4 mm səviyyəsində qaldığı halda, RRTstar üçün simulyasiya və real dünya yolları arasındakı planlaşdırma səviyyəli fərq bir nöqtədə 457,65 mm-ə çatmışdır. Tədqiqat bu makroskopik fərqi topoloji sapma kimi şərh edir: real nöqtə buludundakı səs-küy, qaynaq tikişləri, səth qeyri-bərabərlikləri və sensor örtülmələri nümunələmə əsaslı planlayıcının simulyasiyadakından tamamilə fərqli bir maneənin ətrafından keçməsinə səbəb ola bilər. Buna görə yüzlərlə millimetrlik fərq robot mühərriklərinin yüzlərlə millimetr xəta etdiyi mənasına gəlmir.

Robot rəqəmsal əkizi niyə sadəcə simulyasiya deyil?

Bu tədqiqatdakı rəqəmsal əkiz fiziki robotla virtual model arasında davamlı məlumat mübadiləsi, ortaq zaman istinadı, fiziki ölçmələrin doğrulanması və davranış müqayisəsi qurduğu üçün klassik oflayn simulyasiyadan fərqlənir. Gazebo modeli fiziki sistemin virtual qarşılığıdır; ROS 2, RTDE və Kafka isə fiziki ölçmələrin bu virtual qatla real vaxtda əlaqələndirilməsini təmin edir.

Fiziki eksperimental qurğu

Təcrübənin mərkəzində Universal Robots UR10e əməkdaşlıq edən robot yerləşir. UR10e-nin altı fırlanan oynağına əlavə olaraq robot Festo CMMT servo sürücülü xətti ox üzərinə quraşdırılmışdır. Bununla fiziki iş sahəsi genişləndirilmiş və sistem effektiv şəkildə 7 sərbəstlik dərəcəli kinematik zəncirə çevrilmişdir.

Robotun ətraf mühitini qavraması üçün SICK Visionary T-Mini dərinlik kamerasından istifadə edilmişdir. Kameradan yaradılan nöqtə buludları hərəkət planlayıcılarının qarşılaşdığı real mühit maneələrinin həndəsəsini təmsil edir. Fiziki avtobus şassisinin, xətti oxun və digər komponentlərin mövqeləri OptiTrack hərəkət tutma sistemi ilə millimetr miqyasında ölçülmüş; həndəsə Autodesk Fusion 360 daxilində modelləşdirilərək URDF quruluşu vasitəsilə Gazebo-ya ötürülmüşdür.

Hesablama infrastrukturu Ubuntu 22.04 LTS işlədən, Intel Core i9-14900 prosessoru, NVIDIA RTX 4000 Ada GPU-su və 64 GB RAM-i olan iş stansiyasında qurulmuşdur. Robot, xətti ox və görüntüləmə sistemləri xüsusi 1000 Mbps Ethernet şəbəkəsinə qoşulmuşdur. ROS 2 Humble robot idarəetməsi və məlumatların əldə edilməsi qatını, Gazebo Ignition 6.16.0 rəqəmsal əkiz mühitini, Apache Kafka 3.8.1 məlumat axınını, Elasticsearch 8.19.0 zaman sıralarının indeksləşdirilməsini və MariaDB əlaqəli saxlamanı yerinə yetirmişdir.

Məlumat xəttinin dörd funksional qatı

Xüsusi olaraq hazırlanmış double_ros2_kafka_bridge düyünü; /dynamic_joint_states, qüvvə-fırlanma momenti sensorunu, TCP pozasını və digər ROS 2 mövzularını dinləyərək mesajları JSON-a çevirir və Kafka-ya göndərir. ROS 2 tərəfindəki yüksək tezlikli sensor mövzularında Sensor_Data və Best_Effort QoS profillərindən, Kafka istehsalçısında isə gecikməni azaltmaq üçün linger.ms = 0 kimi sazlamalardan istifadə edilmişdir.

Robot məlumatları 50 Hz-də toplandığı üçün iki nümunə arasındakı nəzəri zaman intervalı 20 ms-dir. Tədqiqatda “real vaxt” həddi bu 20 ms dövr üzərindən müəyyən edilmişdir. Burada mühüm fərq ondan ibarətdir ki, məlumat qeydi 50 Hz-də aparıldığı halda bəzi yol uzunluğu hesablamaları daha sonra oflayn şəkildə 0,5 saniyəlik zaman pəncərələrinə endirilmişdir. Bu oflayn downsampling əməliyyatı canlı məlumat xəttinin 50 Hz ayırdetməsini dəyişdirmir.

Hərəkət tapşırığı niyə çətindir?

Təcrübə ssenarisi dörd əsas bölmədən ibarət dar avtobus şassisinin ətrafında qurulmuşdur. Robotun son effektoru şassinin sağ və sol tərəflərində şaquli skanlar həyata keçirmiş, bölmələrin daxilində tam 360 dərəcə oriyentasiya hərəkətləri etmişdir. Belə mühit yalnız başlanğıc və hədəf nöqtəsi arasında yol tapmağı deyil, dar keçidlərdən toqquşmadan keçməyi və robotun fiziki dinamik hədlərini qorumağı tələb edir.

Müqayisə edilən 11 OMPL planlayıcısı

Tədqiqatda KPIECE, EST, LBKPIECE, SBL, RRTConnect, BKPIECE, PRMstar, RRT, TRRT, RRTstar və PRM istifadə edilmişdir. Planlayıcılar eyni başlanğıc və hədəf şərtlərində işə salınmış, lakin sabit təsadüfi ədəd toxumu istifadə edilməmişdir. Bununla nümunələmə əsaslı alqoritmlərin real stoxastik davranışı qorunmuşdur.

Bütün planlayıcılarda MoveIt 2 OMPL interfeysi və AddTimeOptimalParameterization istifadə edilmişdir. Toqquşma yoxlamasının ayırdetməsi longest_valid_segment_fraction = 0.005 olaraq müəyyən edilmişdir. Maksimum sürət və təcil miqyasları fiziki robot üçün 0,05, simulyasiya üçün 0,1-dir. KDL kinematik həlledicisinin vaxt aşımı 0,005 s; hədəf mövqe tolerantlığı 0,001 m və hədəf oriyentasiya tolerantlığı 0,001 rad-dır. Hər planlayıcıya 5 saniyə planlaşdırma vaxtı verilmişdir. Bu şərtlərdə 11 alqoritmin hamısı 10 sınağın 10-nu tamamlamış və ümumilikdə 110 uğurlu fiziki icra əldə edilmişdir.

Fiziki robot hərəkəti ilə dünya koordinatları necə uyğunlaşdırıldı?

TCP və xətti ox müxtəlif ROS mövzularından və müxtəlif tezliklərdə gəldiyi üçün yol uzunluğunu birbaşa xam nümunələrdən toplamaq yüksək tezlikli jitter səbəbindən məsafəni süni şəkildə böyüdə bilər. Buna görə yol uzunluğunun hesablanmasının oflayn mərhələsində 0,5 s-lik zaman qutularından istifadə edilmişdir:

\[ t_{\mathrm{bin}}= \left\lfloor \frac{t_{\mathrm{raw}}}{\Delta t} \right\rfloor \Delta t \qquad \Delta t=0.5\,\mathrm{s} \]

Burada \(t_{\mathrm{raw}}\) xam sensor zaman nişanını, \(t_{\mathrm{bin}}\) isə eyni zaman pəncərəsinə endirilmiş zaman nişanını göstərir. TCP və xətti ox qeydləri daha sonra ən yaxın zaman qonşusu üsulu ilə birləşdirilmişdir.

UR10e xətti rels üzərində hərəkət etdiyi üçün robot bazasına görə ölçülən TCP koordinatının sabit dünya koordinatına çevrilməsi tələb olunur:

\[ \begin{bmatrix} x_{\mathrm{world}}\\ y_{\mathrm{world}}\\ z_{\mathrm{world}} \end{bmatrix} = \begin{bmatrix} x_{\mathrm{base}}\\ y_{\mathrm{base}}\\ z_{\mathrm{base}} \end{bmatrix} + \begin{bmatrix} \delta_x\\ \delta_y+d_{\mathrm{rail}}(t)\\ \delta_z \end{bmatrix} \]

Mənbədə montaj ofsetləri \(\delta_x=-0.158\,\mathrm{m}\), \(\delta_y=0.115\,\mathrm{m}\) və \(\delta_z=0.586\,\mathrm{m}\) olaraq verilir. \(d_{\mathrm{rail}}(t)\) xətti oxun müvafiq andakı mövqeyidir.

Dünya koordinatlarına çevrilmiş ardıcıl TCP nöqtələri arasındakı Evklid məsafələri toplanaraq ümumi Kartezyen yol uzunluğu hesablanmışdır:

\[ L=\sum_{i=1}^{N-1} \sqrt{ (x_{i+1}-x_i)^2+ (y_{i+1}-y_i)^2+ (z_{i+1}-z_i)^2 } \]

Bu tənlik robotun oynaq fəzasındakı hərəkət miqdarını deyil, son effektorun sabit dünya koordinat sistemində qət etdiyi üçölçülü həndəsi məsafəni verir.

Məlumat dəsti nə ehtiva edir?

Tədqiqat mövqe, oriyentasiya, oynaq sürətləri, oynaq səyləri, TCP qüvvə və fırlanma momentləri, GPIO/alət temperaturu kimi metadata, real və simulyasiya trayektoriyaları ilə ətraf mühit nöqtə buludlarını bir araya gətirir. Xam dinamik məlumatlar 50 Hz-də qeydə alınmış, təcrübə təkrarları təxminən 300–360 saniyə davam etmişdir. Ümumi doğrulama hovuzu 785.192 sinxronlaşdırılmış nümunəyə çatmışdır.

Mənbə sıxılmamış məlumat dəstinin ölçüsünü 9,97 GB olaraq bildirir. Bunun 3,36 GB-lıq hissəsi emal edilmiş məlumatlar, 6,61 GB-lıq hissəsi isə trayektoriya və əlaqəli xam qeydlər kimi açıqlanır. Mənbənin ətraflı kataloq təsviri ilə xülasə inventar cədvəlindəki bəzi fayl sayları tam uyğun gəlmədiyi üçün fayl sayı barədə xülasə cədvəli ilə ətraflı kataloq siyahısını vahid dəqiq inventar kimi birləşdirmək düzgün deyil.

Tədqiqatın Metodu və Nəticələri

Topoloji sapma niyə robotun izləmə xətası deyil?

Çünki robotun real TCP izləmə xətası əksər təcrübələrdə bir neçə millimetr səviyyəsində qaldığı halda, topoloji sapma simulyasiya və real nöqtə buludu üzərində işləyən stoxastik planlayıcının maneənin fərqli tərəfindən keçməsi nəticəsində yaranan makroskopik yol fərqidir. Mənbədə RRTstar üçün topoloji sapmanın RMSE-si 88,08 mm, ən yüksək nöqtəvi fərq isə 457,65 mm olaraq verilmişdir.

Fiziki və virtual robotun aşağı səviyyəli uyğunluğu

Fiziki UR10e ilə Gazebo modeli eyni zaman oxunda müqayisə edildikdə TCP mövqe fərqləri əksər təcrübələrdə təxminən 2–4 mm intervalında qalmışdır. Oynaq mövqeyi RMSE dəyərləri 0,0092 rad ilə 0,1089 rad arasında dəyişir. Bəzi bilək oynaqlarında ani maksimum xətalar 1 rad-dan yuxarı qalxsa da, tədqiqat bunların kinematik təklik yaxınlıqlarında və ya qəfil yüksək təcilli oriyentasiya dəyişiklikləri zamanı yaranan qısamüddətli keçidlər olduğunu bildirir.

Oynaq məlumatlarının çarpaz korrelyasiyası ilə hesablanan orta gecikmə dəyərləri 0,09 ms ilə 15,51 ms arasındadır. Ən aşağı dəyər dirsək oynağında 0,09 ms, ən yüksək dəyər isə wrist_3 oynağında 15,51 ms olaraq bildirilmişdir.

Hansı OMPL planlayıcısı daha yaxşıdır?

Bu təcrübə vahid universal “ən yaxşı” planlayıcı göstərmir; nəticə meyardan asılı olaraq dəyişir. Bu dörd bölməli 7-DOF şassi ssenarisində KPIECE qısa və aşağı variasiyalı yollar yaradarkən EST ən aşağı orta fiziki icra müddətini vermişdir. Bunun əksinə, RRT və PRM ailəsinin bəzi nəticələri daha uzun və ya daha dəyişkən yollar yaratmışdır. Bu sıralama fərqli robot həndəsələri və iş sahələri üçün birbaşa ümumiləşdirilə bilməz.

Cədvəldəki fiziki icra müddəti robotun trayektoriyanı fiziki olaraq tamamlaması üçün keçən müddətdir; ilkin planlaşdırma hesablama vaxtı bu dəyərə daxil deyil. KPIECE-nin 0,53 m-lik yol uzunluğu standart sapması bu təcrübədə ən aşağı dəyişkənliklərdən birini göstərir. PRM-nin 6,80 m-lik standart sapması isə eyni başlanğıc və hədəf şərtlərində müxtəlif təkrarlar arasında daha yüksək yol müxtəlifliyinə işarə edir.

Planlayıcılar arasındakı fərq yalnız müşahidə xarakterli deyil. On təkrar üzərində aparılan Kruskal-Wallis H testi real fiziki icra müddəti üçün \(H=35.90,\ p<0.001\), real yol uzunluğu üçün \(H=63.62,\ p<0.001\) vermişdir. Buna görə bu xüsusi eksperimental quruluşda alqoritmlər arasındakı paylanma fərqləri statistik baxımdan əhəmiyyətlidir.

Planlaşdırma yükü də alqoritmə görə dəyişir

Mənbədə ümumi qeyd müddətindən fiziki icra müddəti çıxılaraq planlaşdırma yükü ayrıca qiymətləndirilmişdir. LBKPIECE üçün təxminən %34,6, BKPIECE üçün %30,5, PRM üçün %25,6 və RRTConnect üçün %22,8 planlaşdırma yükü bildirilmişdir. PRMstar və RRTstar üçün cədvəldə təxminən sıfıra yaxın xarici planlaşdırma yükü görünür. Bu dəyərlər alqoritm dizaynının yalnız həndəsi yolu deyil, ümumi tapşırıq vaxtlamasını da təsirləndirə bildiyini göstərir.

Robot real dünyada niyə simulyasiyadan daha qısa yol gedə bilər?

Araşdırılan nümunələrdən birində simulyasiyada planlaşdırılan yol 10.110,4 mm, fiziki olaraq icra edilən yol isə 9.776,3 mm-dir; fərq təxminən 334 mm-dir. Bunun səbəbi fiziki robotun “daha düzgün” planlayıcıdan istifadə etməsi deyil. OMPL kəskin həndəsi waypoint-lər yaratsa da, ROS 2 joint trajectory controller və UR10e-nin yerli idarəetmə sistemi waypoint keçidlərində sürət fasiləsizliyini qorumaq üçün spline interpolasiyası və künc yumşaltması tətbiq edir. Beləliklə TCP bəzi kəskin düyünlərin düz üzərindən keçmək əvəzinə küncü daxili tərəfdən yuvarlaqlaşdıra bilər.

Bu tapıntı göstərir ki, simulyasiya benchmark-larında yalnız xam planlaşdırılmış həndəsəyə baxmaq kifayət deyil: fiziki robot nəzarətçisi də icra zamanı ikinci bir hərəkət formalaşdırma qatı yarada bilər.

Qüvvə və fırlanma momenti məlumatları nə göstərdi?

TCP qüvvə-fırlanma momenti sensoru fiziki təmasla yanaşı sürətlənmə, yavaşlama, son effektor kütləsi və cazibə kompensasiyası qalıqlarından yaranan dinamik qüvvələri də ölçür. Buna görə sensor dəyərinin sıfırdan fərqli olması təkbaşına toqquşma demək deyil.

Tədqiqatda oflayn hərəkətli orta aşağıkeçirən filtr tətbiq edilmiş və eksperimental qiymətləndirmə üçün qüvvədə 120 N, fırlanma momentində 5 Nm hədlərindən istifadə edilmişdir. Bu hədlər tədqiqatın öz qiymətləndirmə sərhədləridir; universal robot təhlükəsizlik standartı kimi şərh edilməməlidir. RRT qısa müddətə təxminən 100,089 N qüvvə pik dəyəri yaratmış, PRM-də maksimum fırlanma momenti 3,709 Nm olaraq ölçülmüşdür. Ölçülən dəyərlər tədqiqatda istifadə olunan hədlərin altında qalmışdır.

TRRT-nin orta qüvvə böyüklüyü 5,509 N ilə cədvəldəki ən aşağı dəyərlərdən biridir; RRTstar-da qüvvə RMS dəyəri 10,33 N və standart sapma 5,227 N ilə nəzərəçarpacaq dərəcədə daha yüksəkdir. Bu nəticələr həndəsi baxımdan etibarlı iki yolun fiziki robot üzərində eyni mexaniki yükü yaratmaq məcburiyyətində olmadığını ortaya qoyur.

Simulyasiya-real dünya sapması niyə yüzlərlə millimetrə çatdı?

RRTstar üçün 27 hədəf mövqeyi üzrə hesablanan simulyasiya-real dünya trayektoriya fərqinin RMSE dəyəri 88,08 mm, ən yüksək fərqi isə 457,65 mm-dir. Tədqiqat bu böyüklüyün zaman sinxronizasiyası və ya robot kalibrlənməsi ilə izah edilə bilməyəcəyini vurğulayır; çünki eyni təcrübələrdə aşağı səviyyəli TCP izləməsi bir neçə millimetr səviyyəsindədir və kommunikasiya gecikməsi 20 ms dövr həddindən aşağıdır.

Əsas səbəb planlaşdırma fəzasının dəyişməsidir. CAD əsaslı simulyasiya təmiz həndəsi səthlərlə işlədiyi halda real dərinlik kamerası qaynaq tikişlərini, qeyri-bərabər səthləri, sensor səs-küyünü və örtülmələri də görür. Stoxastik planlayıcı bu yeni maneə xəritəsində bir hissənin simulyasiyadakının əks tərəfindən keçməyi seçə bilər. Riyazi olaraq iki yol fərqli homotopiya sinfinə keçə bilər. Buna görə “457,65 mm xəta” robot qolunun hədəfdən yarım metr yayınması kimi oxunmamalıdır.

200,66 mm minimum məsafə robotun bütün gövdəsinin təhlükəsiz olduğunu sübut edirmi?

Xeyr. Mənbədə hesablanan 200,66 mm dəyər fiziki TCP trayektoriyasının filtrlənmiş real nöqtə buludundakı ən yaxın maneə nöqtəsinə olan minimum məsafəsidir. Tədqiqat gələcəkdə bütün robot bağlantılarının və son effektor həcminin modelə əlavə edilməli olduğunu açıq şəkildə bildirir; buna görə bu dəyər bütün gövdə üçün ISO-uyğun toqquşma zəmanəti kimi şərh edilməməlidir.

Ani TCP mövqeyi \(P_{\mathrm{TCP}}(t)=[x(t),y(t),z(t)]\) və ətrafdakı etibarlı maneə nöqtələri \(O=\{O_1,O_2,\ldots,O_k\}\) kimi təyin edildikdə ani ən yaxın maneə məsafəsi:

\[ d(t)= \min_{O_i\in O} \sqrt{ (x(t)-x_{O_i})^2+ (y(t)-y_{O_i})^2+ (z(t)-z_{O_i})^2 } \]

şəklində hesablanmışdır. Hesablamanı sürətləndirmək üçün KD-Tree axtarışından istifadə edilmişdir. Bütün trayektoriya üçün minimum məsafə isə:

\[ C_{\min}=\min_t d(t) \]

olaraq təyin edilmişdir. 171.000-dən çox etibarlı fiziki nöqtə üzərində aparılan bu hesablamada müşahidə olunan minimum TCP məsafəsi 200,66 mm-dir.

Real nöqtə buludu CAD modelinə nə əlavə etdi?

OctoMap əsaslı həcmli təhlildə 0,02 m voxel ayırdetməsindən istifadə edilmişdir. 44 hissəli CAD modelindən yaradılmış ilkin “belief map” 20.334 yarpaq düyünü ehtiva etdiyi halda, real sensor skanları əlavə edildikdən sonra xəritə 26.590 düyünə yüksəlmişdir.

İlk HIL dövrünün 26 sensor skanından ümumilikdə 5.108.938 dünya-koordinatlı nöqtə əldə edilmişdir. Bunların 1.884.392-si, yəni %36,9-u şassi sərhəd həcmi daxilində qalmış; 3.224.546 nöqtə şassi xarici müşahidə kimi çıxarılmışdır. 44 CAD hissəsinin 38-də ən azı bir işğal olunmuş voxel aşkar edilmiş, yəni bir skan dövründə hissə səviyyəsində %86,4 əhatə əldə edilmişdir.

İlkin 20.334 düyünlə sensor məlumatlarından sonrakı 26.590 düyün arasındakı 6.256 düyünlük fərq; ideal CAD-ın ehtiva etmədiyi qaynaq tikişlərinin, daxili səthlərin və real səth qeyri-bərabərliklərinin sensor tərəfindən tutulması ilə əlaqələndirilmişdir. Bu nəticə rəqəmsal əkiz üçün real sensor məlumatının niyə sadəcə “əlavə məlumat” deyil, birbaşa toqquşma xəritəsini dəyişə bilən məlumat qatı olduğunu göstərir.

FMU-nun kinematik doğrulanması

Forward Kinematics FMU, UR10e-nin altı fırlanan oynaq bucağını \(q_1-q_6\) giriş kimi qəbul edərək Denavit-Hartenberg parametrlərindən TCP mövqeyi və quaternion oriyentasiyası yaradır. Burada mühüm metodoloji məhdudiyyət var: fiziki sistem 7-DOF olsa da, FMU doğrulaması UR10e-nin altı fırlanan oynağını birbaşa modelləşdirir. Xətti ox dünya koordinat çevrilməsində xarici translasiya ofseti kimi nəzərə alınmışdır.

785.192 nümunə üzrə mövqe RMSE-si planlayıcıdan asılı olaraq 1,847 mm ilə 2,081 mm arasında qalmışdır. Oriyentasiya RMSE-si isə 0,129° ilə 0,177° arasındadır. Beləliklə müxtəlif OMPL trayektoriyalarına baxmayaraq kinematik model xətasının təxminən eyni böyüklük səviyyəsində qaldığı göstərilmişdir.

X oxunda təxminən +0,886 ilə +1,603 mm arasında sistematik müsbət bias müşahidə edilmişdir. Mənbə bunu FMU-nun fiziki alət TCP ofsetini daxil etmədən robot flanş nöqtəsini hesablaması ilə əlaqələndirir. Başqa sözlə, bu, təsadüfi kinematik pozulmadan daha çox sabit və düzəldilə bilən həndəsi ofsetdir.

FMU fırlanma momenti modeli harada çətinlik çəkir?

Inverse Dynamics FMU nəticələri altı robot oynağında real effort ölçmələri ilə müqayisə edilmişdir. Joint 2 və Joint 3 ən yüksək mütləq fırlanma momenti RMSE dəyərlərini göstərmişdir: müvafiq olaraq orta hesabla 6,932 Nm və 3,422 Nm. Joint 1 üçün orta RMSE 0,857 Nm; bilək oynaqları Joint 4, 5 və 6 üçün isə müvafiq olaraq təxminən 0,352, 0,352 və 0,451 Nm-dir.

Bu fərqin əsas səbəbi alqoritm seçimindən daha çox fiziki modelin quruluşudur. Mənbədəki FMU ideal sərt cisim dinamikasından istifadə edir; Coulomb və viskoz oynaq sürtünməsini, bəzi Coriolis/mərkəzdənqaçma terminlərini və real mexanizmdəki digər qeyri-xətti təsirləri tam şəkildə daxil etmir. Yük daşıyan çiyin və dirsək oynaqlarında bu buraxılma daha böyük fırlanma momenti sapmasına çevrilir.

Planlayıcılar üzrə bütün oynaqlar birlikdə qiymətləndirildikdə orta RMSE 2,007 Nm ilə 2,125 Nm arasında dar intervalda qalır. Bu vəziyyət fırlanma momenti proqnozu xətasının mühüm hissəsinin planlayıcı kimliyindən daha çox oynaq mexanikası və model fərziyyələri ilə müəyyənləşdiyini dəstəkləyir.

FMU hesablaması real vaxt həddinə sığırmı?

Mənbə tək bir Forward Kinematics FMU addımının orta hesabla təxminən 2,47 ms, inverse dynamics addımının isə təxminən 2,56 ms çəkdiyini bildirir. ROS 2-Kafka bağlantısında ölçülən oynağa əsaslanan kommunikasiya gecikmələri 0,09–15,51 ms arasındadır. Məqalə bu arxitekturanın 50 Hz üçün müəyyən edilmiş 20 ms dövr həddini qoruduğunu bildirir.

Bu müddətlər şərh edilərkən FK və inverse dynamics müddətlərinin maksimum şəbəkə gecikməsi ilə hər bir halda ardıcıl vahid kritik yol üzərində mexaniki şəkildə toplanmaması lazımdır; mənbə sistemin işini real vaxt pipeline-ı bütövlükdə doğrulayır. Bundan əlavə, ROS 2-Kafka körpüsündə paket itkisi %0,1-dən aşağı bildirilmiş və uzunmüddətli zaman sürüşməsinin NTP sərhədləri daxilində qaldığı qeyd edilmişdir.

Tədqiqatın dedikləri və demədikləri

Tədqiqat real robot məlumatlarının rəqəmsal əkiz və hərəkət planlaşdırma benchmark-ına daxil edilməsinin simulyasiyanın gizlətdiyi mühüm fərqləri görünən edə bildiyini göstərir. Xüsusilə təmiz CAD mühitindəki planlayıcı nəticəsi ilə səs-küylü fiziki nöqtə buludundakı yolun həndəsi baxımdan ciddi şəkildə ayrıla bildiyi eksperimental olaraq ortaya qoyulmuşdur.

Bununla belə, tədqiqat tək bir nəzarət olunan laboratoriya ssenarisinə əsaslanır. Mühit vibrasiyası və dəyişən işıqlandırma kimi istehsal sahəsi şərtləri sistematik şəkildə sınaqdan keçirilməmişdir. Qüvvə-fırlanma momenti təhlili təmas baxımından zəngin montaj/manipulyasiya tapşırıqlarını əhatə etmir. Mövcud FMU altı UR10e oynağını birbaşa modelləşdirir; xətti oxun tam dinamik modeli gələcək inkişaflar sırasındadır. Dinamik model sürtünmə, Coriolis və mərkəzdənqaçma təsirlərini tam şəkildə ehtiva etmir. Bundan əlavə, clearance qiymətləndirilməsi TCP-mərkəzlidir; bütün robot bağlantılarının həcmli toqquşma təhlili hələ həyata keçirilməmişdir.

Buna görə burada görünən KPIECE, EST, RRT, PRM və ya digər planlayıcı davranışları “bu alqoritm hər robotda daha yaxşıdır” şəklində ümumiləşdirilə bilməz. Mənbənin öz məlumatları planlayıcı performansının kinematik zəncirdən, maneə həndəsəsindən, sensor mühitindən və tətbiq olunan fiziki idarəetmə qatından asılı olduğunu göstərir.

Mənbə və Metod Qeydi

Özgün başlıq: Real-Time Big Data Pipelines for Industrial Robot Digital Twins: An OMPL Benchmarking Framework

Müəlliflər: Metin Yılmaz; Cem Suha Yılmaz; Serhat Kahraman; Uğur Yayan.

Məsul müəllif: Metin Yılmaz.

Qurumlar: Autonomous Systems & Technology for TR-Metin Yılmaz; Eskişehir Osmangazi Üniversitesi Bilgisayar Mühendisliği Bölümü; Eskişehir Osmangazi Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü; DEFTR Tek. Elek. Müh. Dan. Enerji ve Ulus. Tic. Ltd.; Eskişehir Osmangazi Üniversitesi Yazılım Mühendisliği Bölümü.

Jurnal: Machines.

Nəşriyyat: MDPI.

Cild / nömrə / məqalə: 14 / 6 / 702.

Nəşr tarixi: 18 iyun 2026.

Təqdim / reviziya / qəbul: 23 aprel 2026 / 2 iyun 2026 / 3 iyun 2026.

DOI:10.3390/machines14060702

Mənbə növü və rəyçilik: Rəyli elmi jurnal məqaləsi; yayımlanmış Version of Record.

Lisenziya: Creative Commons Attribution (CC BY).

Məlumatlara çıxış: Mənbə tədqiqatı məlumat dəstini Mendeley Data-da yayımlayır: Mendeley Data — xsnpgfz5mb/3.

Maliyyələşdirmə: Tədqiqat KDT Joint Undertaking Grant Agreement No. 101140216 çərçivəsində dəstəklənmişdir. Mənbə həmçinin İsveç Vinnova, Avstriya FFG, Business Finland, İtaliya Ministry of Universities and Research, Portuqaliya FCT və Türkiyədə TÜBİTAK 124N448 dəstəyini bildirir.

Maraqların toqquşması: Mənbəyə görə Metin Yılmaz AST4TR, Serhat Kahraman isə DEFTR-də çalışır. Digər müəlliflər kommersiya və ya maliyyə maraqlarının toqquşmasını bildirməmiş; maliyyələşdirən qurumların tədqiqat dizaynında, məlumatların toplanması/təhlilində, məqalənin yazılmasında və ya nəşr qərarında rolunun olmadığı qeyd edilmişdir.

Müəllif töhfələri: Konseptuallaşdırma M.Y. və U.Y.; metod M.Y. və C.S.Y.; proqram təminatı M.Y.; doğrulama M.Y., C.S.Y. və S.K.; formal təhlil M.Y. və C.S.Y.; tədqiqat M.Y. və S.K.; resurslar U.Y. və C.S.Y.; məlumat kurasiyası və vizuallaşdırma M.Y.; nəzarət və layihə idarəçiliyi U.Y. tərəfindən həyata keçirilmişdir. İlkin mətn M.Y. tərəfindən hazırlanmış, nəzərdən keçirmə və redaktə C.S.Y., S.K. və U.Y. tərəfindən aparılmışdır.

Süni intellektdən istifadə bəyanatı: Müəlliflər Gemini 3.1 Pro, Claude Opus 4.6 və Claude Sonnet 4.6 modellərindən köməkçi Python kodlarının ilkin qaralamaları və dil redaktəsi üçün; həmçinin Grammarly-dən dil redaktəsində istifadə etdiklərini açıqlamışlar. Mənbəyə görə AI alətləri tədqiqatın konseptuallaşdırılmasında, fiziki robot təcrübələrinin aparılmasında və ya əsas elmi nəticələrin əldə edilməsində istifadə olunmamış; yaradılan kod insan müəlliflər tərəfindən sınaqdan keçirilərək doğrulanmışdır.

Əsas metodoloji məhdudiyyətlər: Nəzarət olunan laboratoriya mühiti; mühit vibrasiyası və dəyişən işıqlandırmanın əhatə dairəsindən kənar olması; təmas ağırlıqlı robot tapşırıqlarının qiymətləndirilməməsi; FMU-nun xətti oxu tam dinamik 7-DOF model kimi daxil etməməsi; sürtünmə və bəzi sürətdən asılı dinamik təsirlərin ideal dinamik modeldə natamam olması; təhlükəsizlik məsafəsinin bütün robot gövdəsi əvəzinə TCP-mərkəzli nöqtə buludu məsafəsi ilə ölçülməsi.

Mənbədaxili redaksiya xəbərdarlığı: Əsas metod və nəticələr bölmələrindəki 11 planlayıcı siyahısı ilə məqalənin Nəticə bölməsində keçən “BiEST” və “LazyPRM*” adları üst-üstə düşmür. Bundan əlavə, nəticələrin müzakirəsindəki bir “Table 4” istinadı məzmun baxımından Table 7-dəki variasiya məlumatlarına işarə edir kimi görünür. Məlumat dəstinin ətraflı kataloq təsviri ilə Table 5-dəki xülasə fayl sayları da tam eyni deyil. Bu Verianla mətni həmin uyğunsuzluqları düzəldib yeni mənbə gerçəyi yaratmaq əvəzinə onları görünən edir və rəqəmsal şərhlərini doğrulana bilən əsas metod/nəticə cədvəlləri ilə məhdudlaşdırır.