Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
State Prediction for Haptic Remote Teleoperation - A Kalman Filter ApproachState Prognos för haptisk Remote teleoperation – en metod baserad på Kalman-filter
KTH, School of Computer Science and Communication (CSC).
2016 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
State Prognos för haptisk Remote teleoperation – en metod baserad på Kalman-filter (Swedish)
Abstract [en]

Teleoperation system is an important tool to control a device or model in an isolated area remotely where the operator cannot perform the task locally. The vast majority of teleoperation systems provides the operator with visual and haptic control to accomplish the assignment as naturally as possible. However, on a teleoperation system with considerable distance, the time delay could cause a drop in performance. This thesis aims to minimize delay problem by implementing a prediction approach using Kalman Filter. Kalman Filter algorithm has been widely used to estimate user movement for tracking systems. Kalman filter provides an efficient mechanism to predict future state based on Bayesian estimation to sequentially predict future states and measure an actual system to update system parameters. The primary objective of this work is to extract information generated by our prototyping model and visualizing the data to reflect the performance of the system. We use Phantom Omni devices and 3D arm as a model. Different type of Kalman filter algorithms is used to test the accuracy and performance of predicted state generated by the filter. The result shows that the implementation of Extended Kalman Filter (EKF) and smoothing function could overcome the networking delay on certain degrees. The comparison shows that the EKF has better accuracy and performance compared to Unscented Kalman Filter (UKF) when estimating the future state. Additionally, the implementation of smoothing function could improve the stability of teleoperation system.

Abstract [sv]

Teleoperation systemet är ett viktigt verktyg för att styra en enhet eller modell i ett isolerat område på distans där operatören inte kan utföra uppgiften lokalt. De allra flesta av teleoperation system ger föraren visuell och haptisk kontroll för att utföra uppdraget så naturligt som möjligt. Men på en teleoperation system med stort avstånd, kan tidsfördröjningen medföra en nedgång i prestanda. Denna avhandling syftar till att minimera förseningar problem genom att implementera en förutsägelse tillvägagångssätt med Kalman Filter. Kalman filteralgoritm har i stor utsträckning används för att uppskatta användarens rörlighet för spårning. Kalman filter ger en effektiv mekanism för att förutsäga framtida stat grundad på Bayesian uppskattningen att sekventiellt förutsäga framtida tillstånd och mäta ett verkligt system för att uppdatera systemparametrar. Det primära syftet med detta arbete är att extrahera information som genereras av vår prototypmodell och visualisera data för att återspegla systemets prestanda. Vi använder Phantom Omni enheter och 3D-arm som en modell. Olika typer av Kalman filter algoritmer används för att testa riktigheten och prestandan hos förutsagda tillståndet genereras av filtret. Resultatet visar att genomförandet av Extended Kalman filter (EKF) och utjämningsfunktionen kan övervinna nätverk dröjsmålsvissa grader. Jämförelsen visar att EKF har bättre noggrannhet och prestanda jämfört med Unscented Kalman Filter (UKF) vid bedömningen av framtida tillstånd. Dessutom, genomförandet av utjämningsfunktionen skulle kunna förbättra stabiliteten hos teleoperation systemet.

Place, publisher, year, edition, pages
2016. , 14 p.
Keyword [en]
Teleoperation, Kalman Filter, Haptic, Network Delay, Human Computer Interaction (HCI), State Prediction
National Category
Media and Communication Technology
Identifiers
URN: urn:nbn:se:kth:diva-189155OAI: oai:DiVA.org:kth-189155DiVA: diva2:943664
Presentation
2016-06-17, 1625, Lindstedtsvägen 3, Plan 6, Stockholm, 14:15 (English)
Supervisors
Examiners
Available from: 2016-07-05 Created: 2016-06-28 Last updated: 2016-07-05Bibliographically approved

Open Access in DiVA

State Prediction for Haptic Remote Teleoperation(898 kB)58 downloads
File information
File name FULLTEXT01.pdfFile size 898 kBChecksum SHA-512
4f9d07b3ef3d50ca117cae70b13b5ec2e21716c321a24fd8acf2ccce99f32359779d892b55a3e04261f0a2f442eee7ae71b4253fe89b90b766a563aeb3058987
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Media and Communication Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 58 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 195 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf