étude de cas : Contrôle adaptatif non linéaire
des manipulateurs robotiques - Approche
Hyerstabilité
Mohamed Bensaadallah1 , Mourad Meguellati2
Abstract—Le contrôle adaptatif est un domaine des techniques de
contrôle, adapté à la classe de systèmes où les paramètres dynamiques
changent de manière significative, hautement non linéaires et même
pas complètement connus. Dans cet article, nous avons essayé de
passer en revue et d’expliquer une approche de contrôle adaptatif de
référence de modèle (MRAC) basée sur la théorie de l’hyerstabilité
présentée par Katbab en 1988. Nous avons commencé par un aperçu
des robots manipulateurs, de leurs problèmes et de certaines des
approches/méthodes de contrôle proposées. Après cela, nous avons
analysé et discuté les résultats de simulation de la technique suggérée.
Enfin, nous avons conçu une simulation Matlab/Simulink du contrôle
adaptatif du couple calculé basée sur la théorie de l’hyerstabilité
de Popov pour imiter le travail de l’auteur et montrer la bonne
compréhension du cas d’étude. Termes de l’index—Robot manipulateur,
systèmes non linéaires, contrôle adaptatif, méthode d’hyperstabilité,
contrôle adaptatif de référence de modèle.
Index Terms—Robot Manipulator, Nonlinear systems, Adaptive control,
Hyperstability method, Model reference adaptive control.
1 I NTRODUCTION
De nos jours, les robots manipulateurs sont utilisés dans
plusieurs applications, y compris l’industrie, la médecine
et l’armée pour effectuer des tâches difficiles et dan-
gereuses avec précision et fiabilité. Le problème de contrôle
de tels systèmes peut être décrit comme suit, la plupart
des bras de robot ont des équations dynamiques haute-
ment non linéaires et couplées, ce qui les rend plus com-
plexes à analyser que les systèmes dynamiques linéaires.
nous devons considérer que ce fait ne peut être négligé
lorsque les mouvements du robot nécessitent de grands
déplacements, des vitesses élevées et des accélérations [1].
De plus, les robots manipulateurs ont des paramètres vari-
ables dans le temps (même pas complètement connus) et
transportent différentes masses de charge utile qui sont
difficiles à mesurer avec précision ou qui varient de manière
non prévisible. Par conséquent, la connaissance imprécise
des paramètres du robot et de leur charge (par exem-
ple, la présence d’incertitudes paramétriques) entraı̂nera la
dégradation des performances du contrôleur conçu, voire
1 The author is with the Department of Electronics, University of Batna 2,
Algeria. E-mail: m.bensaadallah@univ-batna2.dz
2 The author is with the Department of Electronics, University of Batna 2,
Algeria. Email: mourmeguellati5@gmail.com
l’instabilité des systèmes [1]. D’une part, de nombreuses
méthodes de contrôle non adaptatives ont été développées
pour contrôler les robots manipulateurs, telles que la
linéarisation par rétroaction [2] qui permet de linéariser des
systèmes non linéaires par rapport à un point de fonction-
nement. La conception du contrôleur est réalisée quelle que
soit la complexité du modèle non linéaire. Cependant, cette
méthode produit de mauvaises performances du système
lorsque le système est fortement non linéaire ou que le
point de fonctionnement change. ainsi, le contrôleur de
conception fixe basé sur ce modèle linéarisé n’est plus
valide. Deux autres exemples, les contrôleurs PID linéaires
conventionnels et le standard Le contrôle de couple calculé
(CTC) est largement utilisé dans l’industrie pour sa sim-
plicité et son faible coût. Néanmoins, ils nécessitent une
description complète et précise du modèle de dynamique
du robot et de ses caractéristiques de charge comme une
nécessité préalable. En d’autres termes, les systèmes de
contrôle classiques sont inefficaces pour les systèmes non
linéaires variant dans le temps et n’ont aucune résistance à
l’incertitude. D’autre part, une nouvelle classe de techniques
de contrôle a été proposée, comme le contrôle adaptatif [3, 4]
et la théorie de la structure variable [5, 6], où les paramètres
du contrôleur sont modifiés (adaptés) pendant le contrôle.
L’avantage de la commande adaptative repose sur la gestion
de variations relativement importantes de l’incertitude des
paramètres. Il n’a pas besoin d’une modélisation précise et
n’exige pas que les paramètres complets du manipulateur
soient connus et fixes, ce qui en fait une solution intéressante
pour estimer des paramètres non linéaires ou variant dans
le temps inconnus. Généralement, la commande adaptative
est classée en trois types, référence de modèle (MRAC),
réglage automatique et gain programmé (comme illustré
à la Fig. 1). Dans cette étude, nous nous intéresserons au
modèle de contrôle adaptatif de référence (MRAC) et plus
particulièrement à celui proposé par Katbab (1988) dans son
article avec une approche d’hyerstabilité [7].
2 L E MOD ÈLE DYNAMIQUE D ’ UN BRAS MANIPULA -
TEUR
En l’absence de frottement et d’autres perturbations, la
dynamique avec un manipulateur n-joint peut être décrite

Fig. 1. La classification de la commande adaptative[1.1].
comme
τ = M̂ (θ)θ̈ + Q̂(θ, θ̇) (1)
où θ ∈ Rn est les coordonnées généralisées ; M ∈ Rnxn
est la matrice d’inertie ; Q ∈ Rn représente les termes de
biais (Centrifuge, Coriolis et Gravité); et τ ∈ Rn
est le vecteur des couples articulaires appliqués aux
actionneurs articulaires, dans lequel
Q̂(θ, θ̇)
dans l’équation (1) peut être remplacé par son équivalent
comme suit :
M θ(θ̈) + B(θ)[θ̇θ̇] + C(θ)[θ˙2 ] + G(θ) = τ (2)
D’ou
B ∈ Rn×n(n−1)/2 est la matrice du torque coriolis;
C ∈ Rn×n est la matrice du torque centrefuge; G ∈ Rn
représente le vecteur gravitationel; Lorem ipsum dolor sit
amet, consectetuer adipiscing elit. Etiam lobortis facilisis
sem. Nullam nec mi et neque pharetra sollicitudin. Prae-
sent imperdiet mi nec ante. Donec ullamcorper, felis non
sodales commodo, lectus velit ultrices augue, a dignissim
nibh lectus placerat pede. Vivamus nunc nunc, molestie ut,
ultricies vel, semper in, velit. Ut porttitor. Praesent in sapien.
Lorem ipsum dolor sit amet, consectetuer adipiscing elit.
Duis fringilla tristique neque. Sed interdum libero ut metus.
Pellentesque placerat. Nam rutrum augue a leo. Morbi sed
elit sit amet ante lobortis sollicitudin. Praesent blandit blan-
dit mauris. Praesent lectus tellus, aliquet aliquam, luctus a,
egestas a, turpis. Mauris lacinia lorem sit amet ipsum. Nunc
quis urna dictum turpis accumsan semper.
3 COMMANDE ADAPTATIVE DES ROBOTS
MANIPULATEURS
Le Computed Torque Control (CTC) est un algorithme de
contrôle simple utilisé en robotique et basé sur l’équation
(1). Il a la structure suivante :
˜
τ = M̂ (θ)θ̈ + Q̂(θ, θ̇) (3)
D’ou M̂ (θ) et Q̂(θ, θ̇) sont les valeurs estimées de M (θ)
et Q(θ, θ̇)
˜
θ̈ = θ̈d(t) + kv Ė + Kp E (4)
˜
θ̈ = θ̈d(t) + kv [θ̇d(t) − θ̇(t)] + Kp [θd(t) − θ(t)]
Avec Kv et Kp sont matrices n × n diagonales de gain
constant. et θ̈d θ̇d θd sont respectivement les accélérations,
les vitesses et les positions des articulations souhaitées.
Dans cette partie, l’auteur Katbab [7], en supposant que les
valeurs numériques des paramètres du manipulateur sont
connues à tous les instants, et qu’il n’y a pas de perturba-
tions (cas idéal) qui ne sont pas le cas dans la réalité, alors
avec des non-linéarités annulées et une interaction entre les
articulations découplée, d’où le système résultant l’équation
d’erreur serait
θ̈(t) + kv Ė + Kp E = 0 (5)
Kv et Kp sont choisis pour placer les pôles en boucle
fermée du système à l’emplacement stable souhaité. Les
perturbations externes doivent être prises en compte pour
construire des contrôleurs plus robustes. Autre inconvénient
de cette étude, l’auteur a supposé l’annulation des non-
linéarités du système en utilisant la fonction de méthode
de couple calculé. ainsi, le MRAC conçu (basé sur CTC)
n’est stable que pour les modèles linéarisés et les paramètres
constants. Au lieu de cela, nous suggérons de concevoir
avec l’avantage du champ de contrôle adaptatif, d’autres
techniques de contrôle hybrides (par exemple, le contrôle
par recul) qui tiennent compte des non-linéarités des ma-
nipulateurs de robots. La figure 2 est un schéma fonction-
nel du contrôleur conçu avec un élément adaptatif qui
utilise le modèle dynamique du manipulateur. L’élément
adaptatif observe les erreurs des actionneurs et ajuste les
paramètres de la loi de commande (3). Lors de l’estimation
des paramètres inconnus du manipulateur, M̂ (θ) et Q̂(θ, θ̇)
le système en boucle fermée doit satisfaire l’équation (5) qui
signifie que les paramètres estimés correspondent aux vrais
paramètres. Par identification, on obtient l’équation d’erreur
résultante :
θ̈d (t) + kv Ė + Kp E = M −1 [M̂ (θ)θ̈ + Q̂(θ, θ̇)] (6)
Fig. 2. MRAC ou controleur adaptatif de couple calculé.
M̃ (θ) = M (θ) − M̂ (θ) et Q̃(θ, θ̇) = Q(θ, θ̇) − Q̂(θ, θ̇)
 représente les erreurs des paramètres estimés par le 4 ALGORITHME ADAPTATIF MRAC BAS É
contrôleur adaptatif. L’équation (6) peut être réécrite sous SUR L’HYPERSTABILIT É
la forme suivante:
Dans cette section, la conception de la stabilité du
contrôleur adaptatif est discutée en appliquant le théorème
d’hyperstabilité de Popov. Etape 1 : Afin d’utiliser le
d (t) + kv Ė + Kp E = M −1 W (θ, θ̇, θ̈, t)( P − P̂ (t)) (7) théorème d’hyperstabilité, le problème de contrôle est trans-
formé en un système de rétroaction équivalent (boucle de
Popov) où l’erreur donnée par l’équation (7) est divisé en
avec P et P̂ (t) ∈ Rr sont des vecteurs représentant les deux parties : l’une est un bloc d’anticipation linéaire et
valeurs réelles et estimées de r paramètres estimés, re- l’autre est un bloc de rétroaction non linéaire. Ainsi, (7) peut
mettre sous la forme :
spectivement, et W (θ, θ̇, θ̈, t) ∈ Rn×r est une matrice
de fonctions. Dans l’analyse suivante, il est important que ( S 2 I + Kv I + Kp ) = W1 ( S) (10)
le produit M −1 W (θ, θ̇, θ̈, t) reste bornée à chaque in-
stant t. W restera borné si la trajectoire du manipulateur Où I est la matrice d’identité et W1 est l’entrée du chemin
reste bornée. La matrice M −1 nous devons noter qu’il aller linéaire et du compensateur linéaire (qui calculera les
s’agit un inconvénient car il nécessite une connaissance changements des paramètres estimés) qui est défini comme
partielle des paramètres estimés. Sinon, le calcul du produit :
V (S) = ( Cp + Cv S) E( S) (11)
M −1 W (θ, θ̇, θ̈, t) pourrait faire diverger l’algorithme adap-
tatif si les bornes ne sont pas limitées à des valeurs finies. En Les deux équations (10) et (11) définissent le chemin aller
plus de cela, l’algorithme utilisera une quantité importante linéaire de la boucle de Popov avec l’entrée W1 et la sortie
de calculs pour implémenter le contrôleur (augmente avec V, avec la fonction de transfert
les degrés du robot). Par conséquent, l’auteur a contraint les
paramètres estimés à rester dans une fourchette raisonnable V ( S) Cp + Cv S
G( S) = = 2 (12)
et acceptable comme suit : W1 ( S) S I + Kv I + Kp
Où Cv et Cp sont des constantes positives. La partie
li − δ <i +δ (8) de rétroaction non linéaire et variable dans le temps avec
′
l’entrée V et la sortie W est décrite par l’expression
où l’on sait que la valeur réelle Pi se situe entre li
suivante:
et Salut , et δ est positif choisi tel que M −1 ′
W = - W1
reste borné tant que l’équation (8) reste vraie. Dans Z t
l’article de Katbab, les pi ′
W = M̂ −1 W [P̂ (0)− P̂ ( t)+ ψ1 ( V, t, τ ) dτ +ψ2 ( V, t)]
sont les masses de liaison m1 et m2 (inconnu). 0
li − δ est choisi positif pour que leurs estimations m̂1 et (13)
m̂2 ne devrait jamais être autorisé à devenir négatif ; cela fait Selon le théorème d’hyperstabilité [14], le système de
que la masse négative ne doit jamais se présenter. De cette rétroaction non linéaire équivalent illustré à la Fig . 3 sera
façon, nous pouvons assurer que M̂ (θ) est toujours définie asymptotiquement hyperstable (c’est-à-dire (9) vrai), si les
positive. L’objectif du contrôle est de trouver un paramètre deux étapes (conditions) suivantes sont satisfaites ; Etape
2 : Trouver les fonctions ψ1 et ψ2 dans (13) pour satisfaire
d’adaptation algorithme pour ajuster P̂ (t) tel que
l’inégalité intégrale de Popov :
lim E( t) (9) Z t
′
t→+∞
V T W dτ ≥ −δ 2 (14)
0
Ce problème peut être résolu par la méthode directe
d’analyse de stabilité de Lyapunov comme dans [12], cepen- où δ 2 est une constante positive finie indépendante du
′
dant, la théorie de l’hyperstabilité de Popov des systèmes de temps. V et la sortie W sont respectivement l’entrée et la
rétroaction non linéaires donnera des lois d’adaptation plus sortie du bloc de rétroaction. D’après l’annexe A des travaux
générales assurant la stabilité globale du système MRAC. de Katbab [7], l’inégalité (14) peut être satisfaite pour :
Cette preuve sera donnée par la suite. Lorem ipsum dolor
sit amet, consectetuer adipiscing elit. Etiam lobortis facilisis ψ1 = K1 W T M̂ −1 V (15)
sem. Nullam nec mi et neque pharetra sollicitudin. Prae-
et
sent imperdiet mi nec ante. Donec ullamcorper, felis non
ψ2 = W −1 M̂ K2 V (16)
sodales commodo, lectus velit ultrices augue, a dignissim
nibh lectus placerat pede. Vivamus nunc nunc, molestie ut, d’Où K1 et K2 sont définies positives n × n diagonales
ultricies vel, semper in, velit. Ut porttitor. Praesent in sapien. matrices de gain d’adaptation. De l’équation (10) à (13), la
Lorem ipsum dolor sit amet, consectetuer adipiscing elit. loi d’adaptation des paramètres a la forme suivante :
Duis fringilla tristique neque. Sed interdum libero ut metus. Z t
Pellentesque placerat. Nam rutrum augue a leo. Morbi sed P̂ ( t) = P̂ (0) + ψ1 ( V, t, τ ) dτ + ψ2 ( V, t) (17)
elit sit amet ante lobortis sollicitudin. Praesent blandit blan- 0
dit mauris. Praesent lectus tellus, aliquet aliquam, luctus a, qui correspond à la loi d’adaptation intégrale plus propor-
egestas a, turpis. Mauris lacinia lorem sit amet ipsum. Nunc tionnelle. Le système de commande mécanique du manip-
quis urna dictum turpis accumsan semper. ulateur avec mécanisme d’adaptation est illustré à la Fig. 2.

Fig. 3. Système de rétroaction équivalent pour le système MRAC.
Étape 3 : La dernière condition à satisfaire est que la fonction
de transfert de la partie linéaire définie par (12) doit être un
réel strictement positif (SPR). Cette propriété est obtenue
par le choix approprié des constantes positives, Cv et Cv
telque Cp = [σ p I] et Cv = [σ v I] et Kv = [ρ p I] tel que
σ
ρ p et ρ v soient positifs, et σ v ≥ ρ pp .
5 SIMULATION ET DISCUSSION
Cette section présente les résultats de simulation de manip-
ulateur (comme illustré à la Fig. 4) pour tester l’algorithme
MRAC adaptatif. Le robot a deux liens rigides de longueurs
l1 et l2 avec des masses ponctuelles à l’extrémité des liens
à savoir m1 et m2 . Il est entraı̂né par deux actionneurs qui
produisent les couples τ1 et τ2 aux articulations et amènent
les angles d’articulation θ1 et θ2 à tourner; ainsi le robot
est déplacé d’une configuration initiale à une configura-
tion finale. Notez que lorsque nous avons atteint ce point
pour construire nos schémas Matlab/Simulink pour imiter
le travail de l’auteur. Tout d’abord, nous n’avons trouvé
aucun détail sur le modèle mathématique utilisé dans la
simulation, nous avons donc utilisé notre propre modèle à la
place. En outre, nous avons trouvé le travail difficile et pas
clairement détaillé dans les termes comment les Figs. 2 et
Fig. 3 sont liés ou quel bloc schématique simuler ! Quoi qu’il
en soit, nous avons fait de notre mieux pour discuter des
idées et montrer nos résultats. Les équations du mouvement
du manipulateur sont [12, 16] :
τ1 = [ m1 l2c1 + m2 ( l12 +
l2c1 + 2 l1 l c2 cos(θ2 ))] + θ¨2 − 2 m2 l1 l2 sin(θ2 )
- m2 l2 lc2 sin(θ2 )θ̇22 + m1 g l c1 cos(θ1 )
+ m2 g l1 cos(θ1 )+
m2 g lc2
cos(θ1 + θ2 )(18)
2
τ2 = m2 ( lc2 + l1 lc2 cos(θ2 ))θ¨1 + m2 lc2
2 ¨
θ2
-2 m2 l1 lc2 sin(θ2 )θ̇12 + m2 g lc2
cos(θ1 + θ2 )(19)
Fig. 4. manipulateur à deux articulations.
d’où lc1 et lc2 sont respectivement le centre des liens.
Les paramètres inconnus sont considérés comme les masses
de liaison : P̂ (t) = [m̂1 , m̂2 ] Les premières d’estimations de
ces masses sont P̂ (0) = [10, 5] en utilisant le [Kg].
 
w11 w12
(20)
w21 w22
Avec
2 ¨
w11 = lc1 θ1 + g lc2 cos(θ1 )
w12 = [ l12 + l2c1 + 2 l1 l c2 cos(θ2 ))]θ¨1 +
[ l1 l c2 cos(θ2 ))]θ¨2 − 2 l1 l2 sin(θ2 )θ˙1 θ˙1 − l1 l c2 sin(θ2 )θ̇22 +
[ g l1 cos(θ1 ) + g lc2 cos(θ1 + θ2 )].
w21 = 0
w22 = ( lc2 2
+ l1 lc2 cos(θ2 ))θ¨1 + lc2 2 2
θ̈2 −
2 l1 lc2 sin(θ2 )θ̇12 + g lc2 cos(θ1 + θ2 ).(21)
θ1d = sin(t) + sin(2t)
θ2d = cos(4t) + sin(6t)(22)
Les figures. 5 et 6 montrent l’articulation angulaire de
référence et réelle des articulations 1 et 2 respectivement.
Ceci indique comment le système peut suivre la trajectoire
souhaitée en présence de paramètres inconnus (m1, m2). Le
temps d’adaptation est influencé par les valeurs des gains
d’adaptation K1 et K2 , où l’on note
qu’en les augmentant, on diminuerait le temps
d’adaptation ainsi que l’erreur et l’oscillation de sortie.
Les masses estimées m̂1(t) et m̂2(t) sont présentées dans
les Figures. 7 et 8 respectivement. Nos propres paramètres
de conception pour la simulation sont : K1 = K2 = 0,1, Kv =
100 et Kp = 400. Ces valeurs donnent une plage raisonnable
de gains du contrôleur pour des transitoires d’adaptation
du système physiquement acceptables, c’est-à-dire plage
acceptable de masses variables entre 1 et 15 [kg], suivi précis
de la trajectoire souhaitée.
6 CONCLUSION
Dans ce travail, nous avons passé en revue les travaux
publiés par Katbab en 1988 sur le contrôle adaptatif du
Fig. 5. Suivi angulaire de la 1er suivi articulation.
Fig. 6. Suivi angulaire de la 2ème articulation MRAC.
couple calculé pour un robot manipulateur non linéaire à
deux articulations. Le contrôleur adaptatif conçu a montré
un suivi de trajectoire satisfaisant en présence de paramètres
inconnus (m1 et m2) où ils ont été estimés en ligne
sur la base de l’approche d’hyperstabilité qui a rendu
l’élément d’adaptation globalement stable. Les principaux
inconvénients que nous avons remarqués à propos de cette
étude sont les suivants : premièrement, l’effet des per-
turbations externes doit être pris en compte ou estimé
pour aboutir à des contrôleurs robustes. Deuxièmement,
cette méthode adaptative utilise une quantité importante
de calculs pour implémenter le contrôleur (augmente avec
les degrés du robot). Troisièmement, alors que le contrôle
basé sur le couple calculé annule les non-linéarités utiles,
nous suggérons de concevoir avec l’avantage du champ de
contrôle adaptatif, d’autres techniques de contrôle hybrides
(par exemple, le contrôle par recul) qui tiennent compte des
non-linéarités des manipulateurs de robots. Enfin, la mise
Fig. 7. Estimation de M1 [Kg].
Fig. 8. Estimation de M2 [Kg].
en œuvre et l’évaluation expérimentale sur des robots réels
sont importantes pour valider l’efficacité de cette approche.
7 REFERENCES
[1] T. Hsia, “Adaptive control of robot manipulators-a re-
view,” in Proceedings. 1986 IEEE International Conference
on Robotics and Automation, vol. 3. IEEE, 1986, pp. 183–189.
[2] H. Hemami and P. Camana, “Nonlinear feedback in
simple locomotion systems,” IEEE Transactions on Auto-
matic Control, vol. 21, no. 6, pp. 855–860, 1976.
[3] C. Lee and M. Chung, “An adaptive control strategy
for mechan- ical manipulators,” IEEE Transactions on Auto-
matic Control, vol. 29, no. 9, pp. 837–840, 1984.
[4] A. Balestrino, G. De Maria, and L. Sciavicco, “An
adaptive model following control for robotic manipulators,”
1983.
 [5] V. Utkin, “Variable structure systems with sliding
modes,” IEEE Transactions on Automatic control, vol. 22,
no. 2, pp. 212–222, 1977.
[6] K.-K. D. Young, “Controller design for a manipulator
using theory of variable structure systems,” IEEE Transac-
tions on Systems, Man, and Cybernetics, vol. 8, no. 2, pp.
101–109, 1978.
[7] A. Katbab, “Robot control nonlinear adaptive control
of robotic manipulators-hyperstability approach,” 1988.
[8] D. T. Desforges, “S. dubowsky the application of
model- referenced adaptive control to robotic manipulators
downloaded
from: http://dynamicsystems.asmedigitalcollection.asme.org/
on 01/28/2016 terms of use: http://www.asme.org/about-
asme/terms-of-use,” 1979. [Online]. Available:
http://www. asme.org/about-asme/terms-of-use
[9] G. Student and A. P. MemASME, “Roberto
horowitz masayoshi tomizuka an adaptive control scheme
for mechanical manipulators-compensation of nonlinear-
ity and decoupling control,” 1986. [Online]. Available:
http://www.asme.org/ about-asme/terms-of-use
[10] S. Nicosia and P. Tomeit, “Model reference adaptive
control algorithms for industrial robots*,” pp. 635–644, 1984.
[11] I. Landau, “A hyperstability criterion for model
reference adap- tive control systems,” IEEE Transactions on
Automatic Control, vol. 14, no. 5, pp. 552–555, 1969.
[12] J. J. Craig’, P. Hsu, and S. S. Sastry, “Adaptive control
of mechanical manipulators.”
[13] A.-R. Merheb, “Applications of control tech-
niques in mppt view project active fault tolerant
control of quadrotor uavs based on passive con-
troller banks view project,” 2008. [Online]. Available:
https://www.researchgate.net/publication/306263222
[14] I. Landau, “A generalization of the hyperstability
conditions for model reference adaptive systems,” IEEE
Transactions on Automatic Control, vol. 17, no. 2, pp.
246–247, 1972.
[15] M. H. Yu, L. D. Seneviratne, and P. S. W. E. Earles,
“Adaptive control of robot manipulators.”
[16] J. J. Craig, P. Hsu, and S. S. Sastry, “Adaptive
control of mechanical manipulators.” International Journal
of Robotics Research, vol. 6, pp. 16–28, 1987.