Cinemática del robot manipulador

La cinemática del robot estudia el movimiento del mismo con respecto a un

sistema de referencia. La cinemática se interesa por la descripción analítica del
movimiento espacial del robot como una función del tiempo, y en particular por las
relaciones entre la posición y la orientación de la herramienta del robot con los
valores que toman sus coordenadas de sus articulaciones.

Existen dos problemas fundamentales a resolver con respecto a la cinemática del

robot:

 Cinemática Directa. Consiste en determinar la posición y orientación del

extremo final del robot con respecto al sistema de la base del robot a partir
de conocer los valores de las articulaciones y los parámetros geométricos.
 Cinemática Inversa. Resuelve la configuración que debe adoptar el robot
para una posición y orientación conocidas del extremo.

Método de Denavit-Hartenberg

En 1955 Denavit y Hartenberg propusieron un método matricial que permite

establecer de manera sistemática un sistema de coordenadas. La representación
de Denavit-Hartenberg (D-H) establece que, seleccionándose adecuadamente los
sistemas de coordenadas asociados a cada eslabón, será posible pasar de uno al
siguiente mediante 4 transformaciones básicas que dependen exclusivamente de
las características geométricas del eslabón.

Reduciéndose al siguiente patrón de transformaciones que permiten relacionar el

sistema de referencia del elemento i con respecto al sistema del elemento i-1:

 Rotación alrededor del eje Zi −1 un ángulo θi

 Traslación a lo largo de Zi −1 una distanciad i
 Traslación a lo largo de X i una distanciaa i
 Rotación alrededor del eje X i un ángulo α i
i
Ai−1=T ( z , θi ) ∙ T ( 0,0 , d i ) ∙T ( ai , 0,0 ) ∙T ( x , α )
Para que la matriz Aii−1 relacione los sistemas coordenados Oi y Oi−1 es necesario
que los sistemas coordenados se determinen mediante los siguientes pasos:

1. Numerar y etiquetar el eslabón fijo (base) como O .

2. Numerar y etiquetar los eslabones móviles desde 1 hasta n eslabón móvil.
3. Localizar y numerar el eje de cada articulación y etiquetarla comenzando
desde z 0 hasta z n−1 . Si la articulación es rotativa, el eje será su propio eje
de giro. Si la articulación es prismática, el eje será a lo largo del cual se
produce el desplazamiento.
4. Establecer el sistema coordenado de la base estableciendo el origen como
O 0 en cualquier punto del eje z 0 . arbitrariamente establecer los ejes x 0 y y 0
respetando la regla de la mano derecha.
5. Localizar el origen O i
a. En la intersección del eje z i con la línea normal común a la
intersección de z i y z i−1 .
b. En la intersección de z i y z i−1 , si es que z i y z i−1 se intersectan.
c. En la articulación i , si z i y z i−1 son paralelos.
6. Establecer x i :
a. A lo largo de la línea normal común entre los ejes z i y z i−1 que pasan
por Oi.
b. En la dirección normal al plano formado por z i y z i−1 , si es que estos
dos ejes se intersecan.
7. Establecer y i de acuerdo con la regla de la mano derecha.
8. Localizar el sistema coordenado n-ésimo en el extremo del robot. Si es una
articulación rotacional, establecer z n a lo largo de la dirección z n−1 y
establecer el origen O n de la manera que más convenga a lo largo de z n ,
preferente en el centro de la pinza o la punta de cualquier herramienta que
el robot tenga montada.
9. Establecer x n y y n de acuerdo con la regla de la mano derecha. Si la
herramienta es una pinza, es común establecer el eje y n entre los “dedos”
de la pinza y x n será ortonormal a z n y y n .
 10. Crear una tabla con los parámetros D-H de los eslabones:

Eslabón i θi di ai αi

Donde:

 θi = Es el ángulo formado por los ejes x i−1 y x i medido en un plano

perpendicular a z i−1 utilizando la regla de la mano derecha. Este es
un parámetro variable en articulaciones rotatorias.
 d i = Es la distancia a lo largo del eje z i−1 desde el origen Oi−1 hasta la
intersección del eje x i con el eje z i−1 . Este es un parámetro variable
en articulaciones prismáticas.
 a i = Para articulaciones
o rotatorias: es la distancia a lo largo del eje x i desde el origen
Oi hasta la intersección del eje z i con el eje z i−1 .
o prismáticas: es la distancia más corta entre los ejes
 α i = Es el ángulo formado por los ejes z i y z i−1 medido en un plano
perpendicular al eje x i utilizando la regla de la mano derecha.
11. Realizar la matriz D-H de transformación homogénea Ai , i−1 para cada
eslabón de acuerdo con los datos de la tabla del punto anterior.
12. Obtener la matriz de transformación que relacione el sistema coordenado
de la base con el sistema coordenado del extremo del robot, resultando en
la posición y la orientación del sistema coordenado de la herramienta
expresado en coordenadas de la base.
n
T = A =∏ A i(i−1)
n
0
i=1

Modelo cinemático de robot a utilizar

Sea el modelo de DH del robot a utilizar el siguiente:

Se utilizará la siguiente tabla:

Eslabón i θi di ai αi
1 θ1 d1 0 0
2 0 d2 0 −π /2
3 θ3 0 0 0
4 0 0 0 π /2
5 0 d5 0 −π /2
6 θ6 0 0 0
7 0 0 0 π /2
8 0 d8 0 −π /2
9 θ9 0 0 0
10 0 0 0 π /2
 11 θ11 d 11 0 0
12 0 d 12 0 0

Lo que nos permite obtener la matriz de transformación (se omite el resultado final
al ser demasiado extenso):

T 0,12= A1∗A 2∗A3∗A 4∗A5∗A 6∗A 7∗A8∗A9∗A 10∗A11∗A 12

Cinemática inversa

Como se explicó anteriormente, la cinemática inversa se refiere a la utilización de

las ecuaciones cinemáticas de un robot para determinar los parámetros comunes
que proporcionan una posición deseada del efector final. Dentro los métodos de
esta existen dos vertientes bien diferenciadas: los analíticos y los numéricos. Esto
surge a raíz de que no siempre es posible obtener todos los parámetros de la
matriz de transformación de forma analítica, por lo que los métodos numéricos se
convierten en la única opción.

Entre los algoritmos numéricos se encuentra el algoritmo Broyden-Fletcher-

Goldfarb-Shanno (BFGS), utilizado comúnmente para optimización. Este forma
parte de la familia de los métodos cuasi-Newton. Los métodos cuasi-Newton son
uno de los métodos más efectivos para resolver problemas de optimización no
lineal y fue propuesto por el físico W.C. Davidon del Laboratorio Nacional Argonne
en los Estados Unidos en la década de 1950. El algoritmo diseñado por Davidon
parecía ser uno de los inventos más creativos en el campo de la optimización no
lineal en ese momento. Pronto R. Fletcher y M. J. D. Powell confirmaron que este
nuevo algoritmo es mucho más rápido y confiable que otros métodos, haciendo
que el tema de la optimización no lineal avance a pasos agigantados de la noche a
la mañana.

El algoritmo BFGS determina la dirección de descenso por el

preacondicionamiento de la gradiente con información curvatura. Lo hace
mejorando gradualmente una aproximación a la matriz hessiana de la función de
pérdida, obtenido solo a partir de evaluaciones de gradiente (o evaluaciones de
gradiente aproximadas) mediante un método secante generalizado.

Dado que las actualizaciones de la matriz de curvatura BFGS no requieren

inversión de matriz , su complejidad computacional es solo O(n 2) , en comparación
con O(n3 ) en el método de Newton.

Función a utilizar

Para la implementación del algoritmo de BFGS en el presente proyecto, se hará

uso de la función ‘build-in’ de Matlab ‘inversekinematics’, la cual toma como
argumento un modelo de árbol de cuerpo rígido (construido a partir del modelo
cinemático de DH) y crea un algoritmo de optimización personalizado.

ik = inverseKinematics('RigidBodyTree',robot);

Para calcular los valores de las articulaciones, de hace uso del método siguiente:

[configSoln,solnInfo] = ik(endeffector,pose,weights,initialguess);

Donde ‘endeffector’ representa el nombre del componente del árbol de cuerpo

rígido que se toma como efector final (o extremo del robot), ‘pose’ es la posición
deseada del extremo del robot, ‘weights’ corresponde a las ponderaciones de error
tanto en la orientación (en ángulos de Euler) como en posición del error en el
efector final y ‘initialguess’ es un valor con el que se inicializa el algoritmo de
optimización (comúnmente es la posición actual).

Bibliografía
Ecured. (2019). Cinemática Inversa. Obtenido de Ecured: https://www.ecured.cu/Cinem
%C3%A1tica_Inversa

García, R. (2017). Transformación de Denavit-Hartenberg (Algoritmo). Obtenido de Tecnológico

Tuxtla Gutierrez:
https://s1b0d3d77136c1679.jimcontent.com/download/version/1584826460/module/
13063133930/name/U3%20Transformaci%C3%B3n%20de%20D-H%20tema%20f.pdf
HMONG. (2014). Algoritmo de Broyden-Fletcher-Goldfarb-Shanno. Obtenido de hmong:
https://hmong.es/wiki/BFGS_method

Palarea, G. (2021). Matrices de parámetros de Denavit-Hartenberg y transformaciones de base.

Obtenido de Hackaday: https://hackaday.io/project/177750-desarollo-de-un-robot-
hexapodo-uvg-mt3005/log/191886-matrices-de-parmetros-de-denavit-hartenberg-y-
transformaciones-de-base