Fast Object Inertial Parameter Identification for Collaborative Robots

要約

協働ロボット (コボット) は、人間中心の環境で人々と一緒に安全に作業できるように設計された機械です。
操作対象の慣性パラメータを迅速に推論する機能をコボットに提供すると、コボットの柔軟性が向上し、製造やその他の分野での使用が可能になります。
安全性を確保するために、協働ロボットには運動学的制限が設けられており、その結果、速度、加速度、および力とトルクのデータの信号対雑音比 (SNR) が低くなります。
このため、既存の慣性パラメータ同定アルゴリズムは法外に遅く、不正確になります。
モデルの取得をより速くしたいという欲求に動機付けられ、SNR を改善するための剛体ダイナミクスの近似の使用を調査します。
さらに、形状情報を利用して操作対象の妥当な慣性パラメータを迅速に特定できる質量離散化手法を導入します。
私たちは、広範なシミュレーション研究と実世界の実験を紹介し、私たちのアプローチが、特に典型的な協働ロボットの動作体制を対象とすることで、既存の慣性パラメータ同定方法を補完することを実証しています。

要約(オリジナル)

Collaborative robots (cobots) are machines designed to work safely alongside people in human-centric environments. Providing cobots with the ability to quickly infer the inertial parameters of manipulated objects will improve their flexibility and enable greater usage in manufacturing and other areas. To ensure safety, cobots are subject to kinematic limits that result in low signal-to-noise ratios (SNR) for velocity, acceleration, and force-torque data. This renders existing inertial parameter identification algorithms prohibitively slow and inaccurate. Motivated by the desire for faster model acquisition, we investigate the use of an approximation of rigid body dynamics to improve the SNR. Additionally, we introduce a mass discretization method that can make use of shape information to quickly identify plausible inertial parameters for a manipulated object. We present extensive simulation studies and real-world experiments demonstrating that our approach complements existing inertial parameter identification methods by specifically targeting the typical cobot operating regime.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google