Calibration of an Elastic Humanoid Upper Body and Efficient Compensation for Motion Planning

要約

人型ロボットが障害物を回避しながら自律的かつ堅牢に操作タスクを実行するには、高い絶対精度が必須の前提条件です。
我々は、関節と横方向の弾性を組み込んだ人型上半身の運動学モデルを初めて提示します。
これらの弾性により、ロボットの自重による大きな変形が生じ、結果として得られるモデルはトルク平衡によって暗黙的に定義されます。
すべての Denavit-Hartenberg パラメータと弾性を含めて、DLR の人型ロボット Agile Justin 向けにこのモデルを正常に校正しました。
キャリブレーションは、事前分布を組み合わせた最小二乗問題として定式化され、外部追跡システムを介した両アームのエンドエフェクター位置の測定に基づいています。
絶対位置誤差は、ワークスペース全体で平均 21mm から 3.1mm に大幅に減少します。
この複雑で暗黙的な運動学モデルを動作計画に使用するのは困難です。
最適化ベースのパス プランニングでは、陰的モデルの反復解を最適化ループに統合することで、洗練された高効率の解が得られることを示します。
Agile Justin のような軽度の弾性ロボットの場合、パフォーマンスへの影響はありません。また、20 倍高い弾性を持つシミュレートされた非常に柔軟なロボットの場合でも、実行時間は 30% しか増加しません。

要約(オリジナル)

High absolute accuracy is an essential prerequisite for a humanoid robot to autonomously and robustly perform manipulation tasks while avoiding obstacles. We present for the first time a kinematic model for a humanoid upper body incorporating joint and transversal elasticities. These elasticities lead to significant deformations due to the robot’s own weight, and the resulting model is implicitly defined via a torque equilibrium. We successfully calibrate this model for DLR’s humanoid Agile Justin, including all Denavit-Hartenberg parameters and elasticities. The calibration is formulated as a combined least-squares problem with priors and based on measurements of the end effector positions of both arms via an external tracking system. The absolute position error is massively reduced from 21mm to 3.1mm on average in the whole workspace. Using this complex and implicit kinematic model in motion planning is challenging. We show that for optimization-based path planning, integrating the iterative solution of the implicit model into the optimization loop leads to an elegant and highly efficient solution. For mildly elastic robots like Agile Justin, there is no performance impact, and even for a simulated highly flexible robot with 20 times higher elasticities, the runtime increases by only 30%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google