Manipulator Differential Kinematics: Part 1: Kinematics, Velocity, and Applications

要約

マニピュレータの運動学は、質量や力を考慮せずに、マニピュレータ内の各リンクの動きに関係します。
2 部構成のチュートリアルの最初の記事であるこの記事では、基本変換シーケンス (ETS) を使用したマニピュレータの運動学のモデリングについて紹介します。
次に、一次微分運動学を定式化し、これが速度制御と逆運動学の基礎となるマニピュレータ ヤコビアンにつながります。
いくつかの現代的なアプリケーションを紹介する前に、マニピュレーター ヤコビアンに依存する重要な古典的なテクニックについて説明します。
このチュートリアルのパート II では、2 次および高次の微分運動学の定式化を提供し、マニピュレーター ヘッセ行列を紹介し、高度なテクニックを説明します。その一部はパート I で説明したテクニックのパフォーマンスを向上させます。
このチュートリアル。
ノートブックは Python コードで書かれており、Robotics Toolbox for Python と Swift Simulator を使用してアルゴリズムの例と実装を提供します。
絶対に必須というわけではありませんが、最も魅力的で有益なエクスペリエンスを得るには、この記事を読みながら Jupyter Notebook を使用することをお勧めします。
ノートブックとセットアップ手順は、https://github.com/jhavl/dkt からアクセスできます。

要約(オリジナル)

Manipulator kinematics is concerned with the motion of each link within a manipulator without considering mass or force. In this article, which is the first in a two-part tutorial, we provide an introduction to modelling manipulator kinematics using the elementary transform sequence (ETS). Then we formulate the first-order differential kinematics, which leads to the manipulator Jacobian, which is the basis for velocity control and inverse kinematics. We describe essential classical techniques which rely on the manipulator Jacobian before exhibiting some contemporary applications. Part II of this tutorial provides a formulation of second and higher-order differential kinematics, introduces the manipulator Hessian, and illustrates advanced techniques, some of which improve the performance of techniques demonstrated in Part I. We have provided Jupyter Notebooks to accompany each section within this tutorial. The Notebooks are written in Python code and use the Robotics Toolbox for Python, and the Swift Simulator to provide examples and implementations of algorithms. While not absolutely essential, for the most engaging and informative experience, we recommend working through the Jupyter Notebooks while reading this article. The Notebooks and setup instructions can be accessed at https://github.com/jhavl/dkt.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google