Object Augmentation Algorithm: Computing virtual object motion and object induced interaction wrench from optical markers

要約

この研究は、日常生活活動 (ADL) を実行する際の人間の腕関節トルクに焦点を当てた、多様かつ包括的なデータの重要なニーズに取り組んでいます。
これまでの研究では、ADL 中の関節トルクに対する物体の影響が見落とされることが多く、その結果、分析用のデータセットが限られていました。
このギャップに対処するために、仮想オブジェクトの動きとオブジェクト誘発関節トルク推定で既存のマーカーベースのデータベースを拡張できるオブジェクト拡張アルゴリズム (OAA) を提案します。
OAA は 5 つのフェーズで構成されます: (1) 光学マーカーから手の座標系を計算する、(2) 仮想マーカーを使用してオブジェクトの動きを特徴付ける、(3) 逆運動学 (IK) によってオブジェクトの動きを計算する、(4) 規定の動作に必要なレンチを決定する
逆ダイナミクス (ID) を使用したオブジェクトの動き、(5) オブジェクト操作から生じる関節トルクの計算。
このアルゴリズムの精度は、3 つの固有のオブジェクトを操作する 5+4 自由度 (DoF) ロボット ハンドアーム システムの軌道追跡とトルク解析を通じて検証されます。
結果は、OAA が 6 DoF の物体の動きと物体に起因する関節トルクを正確かつ正確に推定できることを示しています。
計算量と測定量の間の相関は、物体の軌道については > 0.99、関節トルクについては > 0.93 でした。
OAA は、データベース間で予想される入力マーカーの数と配置の変動に対して堅牢であることがさらに示されました。
繰り返された実験間の差異はわずかではありましたが、有意でした (p < 0.05)。 このアルゴリズムにより、利用可能なデータの範囲が拡大され、人間と物体の相互作用ダイナミクスのより包括的な分析が容易になります。

要約(オリジナル)

This study addresses the critical need for diverse and comprehensive data focused on human arm joint torques while performing activities of daily living (ADL). Previous studies have often overlooked the influence of objects on joint torques during ADL, resulting in limited datasets for analysis. To address this gap, we propose an Object Augmentation Algorithm (OAA) capable of augmenting existing marker-based databases with virtual object motions and object-induced joint torque estimations. The OAA consists of five phases: (1) computing hand coordinate systems from optical markers, (2) characterising object movements with virtual markers, (3) calculating object motions through inverse kinematics (IK), (4) determining the wrench necessary for prescribed object motion using inverse dynamics (ID), and (5) computing joint torques resulting from object manipulation. The algorithm’s accuracy is validated through trajectory tracking and torque analysis on a 5+4 degree of freedom (DoF) robotic hand-arm system, manipulating three unique objects. The results show that the OAA can accurately and precisely estimate 6 DoF object motion and object-induced joint torques. Correlations between computed and measured quantities were > 0.99 for object trajectories and > 0.93 for joint torques. The OAA was further shown to be robust to variations in the number and placement of input markers, which are expected between databases. Differences between repeated experiments were minor but significant (p < 0.05). The algorithm expands the scope of available data and facilitates more comprehensive analyses of human-object interaction dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google