Excitation Trajectory Optimization for Dynamic Parameter Identification Using Virtual Constraints in Hands-on Robotic System

要約

この論文では、自己衝突回避に重点を置き、動的パラメータ同定のためにロボットの励起軌道を最適化するための、より計算効率の高い新しい方法を提案します。
これは、さまざまなツールを装備できる共同操作ロボット アームに関連する高品質のトレーニング データを取得するためのシステム識別の課題に対処します。これは、産業だけでなく臨床および研究の状況でも一般的なシナリオです。
Unified Robotics description Format (URDF) を利用して再帰ニュートン オイラー アルゴリズム (RNEA) のシンボリック Python 実装を実装するこのアプローチは、実際のロボットからのデータに対する回帰分析を使用して慣性などのパラメーターを動的に推定するのに役立ちます。
励起軌道は評価され、自己衝突やツールの校正を考慮していない最先端の報告結果と比較した場合、同等の基準に達しました。
さらに、NASA TLX アンケートによる 30.1% の作業負荷削減を示す、導出された逆動力学モデルを評価するために、物理的なヒューマン ロボット インタラクション (pHRI) アドミッタンス制御実験が外科手術の状況で実施されました。

要約(オリジナル)

This paper proposes a novel, more computationally efficient method for optimizing robot excitation trajectories for dynamic parameter identification, emphasizing self-collision avoidance. This addresses the system identification challenges for getting high-quality training data associated with co-manipulated robotic arms that can be equipped with a variety of tools, a common scenario in industrial but also clinical and research contexts. Utilizing the Unified Robotics Description Format (URDF) to implement a symbolic Python implementation of the Recursive Newton-Euler Algorithm (RNEA), the approach aids in dynamically estimating parameters such as inertia using regression analyses on data from real robots. The excitation trajectory was evaluated and achieved on par criteria when compared to state-of-the-art reported results which didn’t consider self-collision and tool calibrations. Furthermore, physical Human-Robot Interaction (pHRI) admittance control experiments were conducted in a surgical context to evaluate the derived inverse dynamics model showing a 30.1\% workload reduction by the NASA TLX questionnaire.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google