日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

キャリブレーションarXiv:2510.19962

構成依存型ロボット運動学モデルとキャリブレーション

Configuration-Dependent Robot Kinematics Model and Calibration

シェア:XThreadsFacebookLINEはてブBluesky

関節角度に依存する運動学誤差をフーリエ基底補間でモデル化し、6自由度産業ロボットの位置決め誤差を50%以上低減するキャリブレーション手法を提案。

詳しい要約

1. どんなもの?

- 産業用多関節ロボットの位置決め精度を高めるための、コンフィギュレーション依存型の運動学キャリブレーション枠組みを提案する論文。 - 作業空間全体にわたる精度向上を目的とし、複数コンフィギュレーションで局所的な Local Product-of-Exponential (POE) モデルを同定し、それらをグローバルモデルへ補間する。 - 補間には肩・肘関節角でパラメータ化した Fourier 基底関数補間を採用。 - 2台の 6-DoF 産業用ロボットで検証し、cold spray manufacturing に必要な sub-millimeter 精度を満たすと報告。

2. 先行研究と比べてどこがすごい?

- 非幾何学的要因によるコンフィギュレーション依存のモデル誤差に対処する点が特徴。 - 局所 POE モデルはパラメータ化の連続性の観点から選択されている。 - Fourier 基底関数補間により、neural network や autoencoder を用いる手法と同等の精度を、大幅に高い学習効率で達成すると主張。 - コンフィギュレーション依存の乖離が大きいロボットほど効果が大きいと報告。

3. 技術・手法の肝は?

- 複数のコンフィギュレーションで Local Product-of-Exponential (POE) モデルを同定する。 - 同定した局所モデルをグローバルモデルへ補間する。 - 補間は関節重力荷重の表現に着想を得て、肩関節角と肘関節角でパラメータ化した Fourier 基底関数補間を用いる。 - これによりコンフィギュレーション依存のモデル差を連続的に表現する枠組みとなっている。

4. どうやって有効だと検証した?

- 2台の 6-DoF 産業用ロボットで検証。 - 提案手法により最大位置決め誤差を 50% 以上低減。 - cold spray manufacturing に求められる sub-millimeter 精度を満たすことを確認。 - コンフィギュレーション依存の乖離が大きいロボットでは効果がさらに大きいと報告。 - dual-robot collaborative task により実用性と再現性を示す。

5. 議論はある?

- コンフィギュレーション依存の非幾何学的誤差が作業空間全体の精度に影響する点を議論の出発点としている。 - Fourier 基底関数補間の精度は neural network や autoencoder 手法と同等だが学習効率が高いと主張。 - コンフィギュレーション依存の乖離が大きいロボットほど利点が大きいという傾向を示す。 - 限界や失敗事例、計算コストの詳細は要旨からは不明。

6. 次に読むべき論文は?

- Local Product-of-Exponential (POE) モデルに関する論文。 - neural network を用いたロボットキャリブレーション手法。 - autoencoder を用いたロボットキャリブレーション手法。 - Fourier 基底関数補間および関節重力荷重表現に関する文献。 - cold spray manufacturing 向けロボット精度要件に関する研究。 - dual-robot collaborative task に関する研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Chen-Lung Lu, Honglu He, Agung Julius, John T. Wen

分類: cs.RO

原文アブストラクト

Accurate robot kinematics is essential for precise tool placement in articulated robots, but non-geometric factors can introduce configuration-dependent model discrepancies. This paper presents a configuration-dependent kinematic calibration framework for improving accuracy across the entire workspace. Local Product-of-Exponential (POE) models, selected for their parameterization continuity, are identified at multiple configurations and interpolated into a global model. Inspired by joint gravity load expressions, we employ Fourier basis function interpolation parameterized by the shoulder and elbow joint angles, achieving accuracy comparable to neural network and autoencoder methods but with substantially higher training efficiency. Validation on two 6-DoF industrial robots shows that the proposed approach reduces the maximum positioning error by over 50%, meeting the sub-millimeter accuracy required for cold spray manufacturing. Robots with larger configuration-dependent discrepancies benefit even more. A dual-robot collaborative task demonstrates the framework's practical applicability and repeatability.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI