High-Precise Robot Arm Manipulation based on Online Iterative Learning and Forward Simulation with Positioning Error Below End-Effector Physical Minimum Displacement

要約

高精度のマニピュレーションにより幅広いアプリケーションが可能になるため、精度はロボット アームの重要な性能指標です。
ロボット アームの精度を向上させる従来の方法は、誤差補正に依存しています。
ただし、これらの方法は多くの場合、堅牢ではなく、適応性に欠けています。
学習ベースの方法は柔軟性と適応性に優れていますが、現在の調査では、高精度を達成するには不十分であり、高精度を必要とする多くのシナリオを処理するのに苦労していることが示されています。
この論文では、エンドエフェクタの物理的最小変位よりも小さい位置決め誤差 (精度) を達成できる、オンライン反復学習とフォワード シミュレーションに基づく新しい高精度ロボット アーム操作フレームワークを提案します。
さらに、複数の高精度操作戦略を並列化して、オンラインの反復学習とフォワード シミュレーションをより適切に組み合わせます。
さらに、実際のロボット アームの関節角度分解能を考慮します。これは、関連する作業では通常無視されます。
シミュレーションと実際の UR3 ロボット アーム プラットフォームの両方での一連の実験は、提案された方法が効果的で有望であることを示しています。
関連するコードはすぐに利用できるようになります。

要約(オリジナル)

Precision is a crucial performance indicator for robot arms, as high precision manipulation allows for a wider range of applications. Traditional methods for improving robot arm precision rely on error compensation. However, these methods are often not robust and lack adaptability. Learning-based methods offer greater flexibility and adaptability, while current researches show that they often fall short in achieving high precision and struggle to handle many scenarios requiring high precision. In this paper, we propose a novel high-precision robot arm manipulation framework based on online iterative learning and forward simulation, which can achieve positioning error (precision) less than end-effector physical minimum displacement. Additionally, we parallelize multiple high-precision manipulation strategies to better combine online iterative learning and forward simulation. Furthermore, we consider the joint angular resolution of the real robot arm, which is usually neglected in related works. A series of experiments on both simulation and real UR3 robot arm platforms demonstrate that our proposed method is effective and promising. The related code will be available soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google