要約
人型ロボットによる力推定/制御タスクを成功させるには、力/トルク (F/T) センサーの高い校正精度が不可欠です。
最先端のアフィン キャリブレーション モデルは、センサー/トランスデューサーの物理現象を常に正確に近似するとは限らず、その結果、ジェット動力の人型ロボットの推力推定など、特定の用途では不正確な F/T 測定が行われます。
この論文では、F/T キャリブレーション用の非線形多項式モデルを提案および検証し、モデル係数の数を増やして推定残差を最小限に抑えます。
iCub3 ロボットの実験から収集されたデータに基づいていくつかのモデルを分析したところ、高次の多項式を使用した場合の力/トルク推定誤差の最小化において大幅な改善が見られました。
特に、4 次多項式モデルを使用した場合、二乗平均平方根誤差 (RMSE) はアフィン モデルで得られた 4.58N から 2.28N に減少し、力の絶対誤差は 6N 未満にとどまりましたが、力の絶対誤差は 6N に達しました。
アフィンモデルを使用した16N。
要約(オリジナル)
High force/torque (F/T) sensor calibration accuracy is crucial to achieving successful force estimation/control tasks with humanoid robots. State-of-the-art affine calibration models do not always approximate correctly the physical phenomenon of the sensor/transducer, resulting in inaccurate F/T measurements for specific applications such as thrust estimation of a jet-powered humanoid robot. This paper proposes and validates nonlinear polynomial models for F/T calibration, increasing the number of model coefficients to minimize the estimation residuals. The analysis of several models, based on the data collected from experiments with the iCub3 robot, shows a significant improvement in minimizing the force/torque estimation error when using higher-degree polynomials. In particular, when using a 4th-degree polynomial model, the Root Mean Square error (RMSE) decreased to 2.28N from the 4.58N obtained with an affine model, and the absolute error in the forces remained under 6N while it was reaching up to 16N with the affine model.
arxiv情報
| 著者 | Hosameldin Awadalla Omer Mohamed,Gabriele Nava,Punith Reddy Vanteddu,Francesco Braghin,Daniele Pucci |
| 発行日 | 2023-12-15 14:51:23+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google