IKSel: Selecting Good Seed Joint Values for Fast Numerical Inverse Kinematics Iterations

要約

このペーパーでは、数値逆運動学（IK）の問題を再検討し、最新の計算リソースを活用し、分析ベースの方法と競合するソルバーを開発するためにシード選択プロセスを改良します。
提案された種子選択戦略は、3つの重要な段階で構成されています。（1）K次元ツリー（Kdtree）を利用して、ワークスペースの近接に基づいて種子候補を特定し、（2）ジョイントのスペース調整による候補者のソートを、最小限の調整を必要とするものとの数値反復を試みること、および（3）障害の場合に最も遠い関節構造を再選択します。
ジョイントスペースの調整ベースの種子の選択により、迅速な収束の可能性が高まりますが、再actment戦略は、局所的な最小値と共同制限制約を効果的に回避するのに役立ちます。
従来の数値ソルバーと学習ベースの方法の両方との比較結果は、成功率、時間効率、および精度の観点から提案されたアプローチの強みを示しています。
さらに、詳細なアブレーション研究を実施して、さまざまなパラメーターとソルバー設定の効果を分析し、カスタマイズと最適化のための実用的な洞察を提供します。
提案された方法は、一貫して高い成功率と計算効率を示します。
時間に敏感なアプリケーションに適しています。

要約(オリジナル)

This paper revisits the numerical inverse kinematics (IK) problem, leveraging modern computational resources and refining the seed selection process to develop a solver that is competitive with analytical-based methods. The proposed seed selection strategy consists of three key stages: (1) utilizing a K-Dimensional Tree (KDTree) to identify seed candidates based on workspace proximity, (2) sorting candidates by joint space adjustment and attempting numerical iterations with the one requiring minimal adjustment, and (3) re-selecting the most distant joint configurations for new attempts in case of failures. The joint space adjustment-based seed selection increases the likelihood of rapid convergence, while the re-attempt strategy effectively helps circumvent local minima and joint limit constraints. Comparison results with both traditional numerical solvers and learning-based methods demonstrate the strengths of the proposed approach in terms of success rate, time efficiency, and accuracy. Additionally, we conduct detailed ablation studies to analyze the effects of various parameters and solver settings, providing practical insights for customization and optimization. The proposed method consistently exhibits high success rates and computational efficiency. It is suitable for time-sensitive applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google