Automated Continuous Force-Torque Sensor Bias Estimation

要約

6軸力覚センサは一般的にシリアルロボットの手首に取り付けられ、ロボットのエンドエフェクタに作用する外力とトルクを測定します。これらの測定値は、荷重の識別、接触検出、人間とロボットの相互作用などの用途に使用されます。一般的に、フォーストルクセンサから得られる測定値は、関節トルクの測定値から計算される推定値よりも正確です。しかし、力覚センサの測定値は、温度変化や機械的応力などの複合的な影響により、時間と共にドリフトするバイアスの影響を受けます。本研究では、ロボットの手首に取り付けられた力覚センサのバイアスとそのドリフトを連続的に推定するパイプラインを紹介する。パイプラインの最初のコンポーネントは、ロボットの関節の運動学的状態（位置、速度、加速度）を推定するカルマンフィルタである。2番目のコンポーネントは、関節空間運動学と力覚センサーのタスク空間運動学を対応付ける運動学モデルです。最後に、第3のコンポーネントは、力覚センサーの遠位端に取り付けられたグリッパーの慣性パラメータが確実に既知であると仮定して、力覚センサーのバイアスとバイアスのドリフトを推定するカルマンフィルターです。

要約(オリジナル)

Six axis force-torque sensors are commonly attached to the wrist of serial robots to measure the external forces and torques acting on the robot’s end-effector. These measurements are used for load identification, contact detection, and human-robot interaction amongst other applications. Typically, the measurements obtained from the force-torque sensor are more accurate than estimates computed from joint torque readings, as the former is independent of the robot’s dynamic and kinematic models. However, the force-torque sensor measurements are affected by a bias that drifts over time, caused by the compounding effects of temperature changes, mechanical stresses, and other factors. In this work, we present a pipeline that continuously estimates the bias and the drift of the bias of a force-torque sensor attached to the wrist of a robot. The first component of the pipeline is a Kalman filter that estimates the kinematic state (position, velocity, and acceleration) of the robot’s joints. The second component is a kinematic model that maps the joint-space kinematics to the task-space kinematics of the force-torque sensor. Finally, the third component is a Kalman filter that estimates the bias and the drift of the bias of the force-torque sensor assuming that the inertial parameters of the gripper attached to the distal end of the force-torque sensor are known with certainty.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL