Enhancing Robotic Precision in Construction: A Modular Factor Graph-Based Framework to Deflection and Backlash Compensation Using High-Accuracy Accelerometers

要約

労働力不足により自動化の必要性が強調されている建設業界では、正確な位置決めが非常に重要です。
床、壁、天井などの複雑な作業スペースに到達するには、長い運動連鎖を備えたロボット システムが必要です。
これらの要件は、運動連鎖に沿ったさまざまな部品のたわみやバックラッシュなどの影響により、位置決め精度に大きな影響を与えます。
この研究では、たわみとバックラッシュの補償モデルと高精度の加速度センサーを統合する新しいアプローチを導入し、位置精度を大幅に向上させます。
私たちの方法では、ファクター グラフの定式化に基づくモジュール式フレームワークを採用し、加速度測定を活用して運動連鎖の状態を推定し、モデルに情報を与えます。
現実世界の建設障害を反映した、公開されたデータセットに対する広範なテストにより、私たちのアプローチの利点が実証されました。
提案された方法は、最先端の仮想ジョイント方法と比較して、xy 平面の $95\%$ エラーしきい値を $50\%$ 削減し、ベース チルト補償を組み込んだ場合には $31\%$ 削減します。

要約(オリジナル)

Accurate positioning is crucial in the construction industry, where labor shortages highlight the need for automation. Robotic systems with long kinematic chains are required to reach complex workspaces, including floors, walls, and ceilings. These requirements significantly impact positioning accuracy due to effects such as deflection and backlash in various parts along the kinematic chain. In this work, we introduce a novel approach that integrates deflection and backlash compensation models with high-accuracy accelerometers, significantly enhancing position accuracy. Our method employs a modular framework based on a factor graph formulation to estimate the state of the kinematic chain, leveraging acceleration measurements to inform the model. Extensive testing on publicly released datasets, reflecting real-world construction disturbances, demonstrates the advantages of our approach. The proposed method reduces the $95\%$ error threshold in the xy-plane by $50\%$ compared to the state-of-the-art Virtual Joint Method, and by $31\%$ when incorporating base tilt compensation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google