ロボット支援3Dプリンティングのための協働ロボットの統合同定

本論文は、Robot Assisted 3D Printing Processes における collaborative robot の統合的な同定手法を提案する。Additive Manufacturing (AM) と産業用ロボティクスを組み合わせ、従来の Cartesian システムの寸法制約や運動学的制約を克服し、非平面堆積や幾何学的柔軟性を可能にする。しかし、ロボットマニピュレータの動的複雑性が精度・制御・誤差予測の課題を生む。そこで、robot・actuators・controllers を含むシステムパラメータの統合同定手順を備えたモデルベースアプローチを提案し、collaborative robot 特有の感覚・プログラミング制約下でも信頼できる動的モデルを得ることを示す。

従来の Cartesian システムは寸法・運動学的制約が大きく、非平面堆積や複雑形状の造形が困難であった。また、ロボット支援 AM では動的複雑性により精度・制御・誤差予測が課題となる。本論文は、robot・actuators・controllers を統合的に同定する手順を提案し、collaborative robot に特有の感覚・プログラミング制約があっても信頼できる動的モデルを構築できる点が先行研究と異なる。さらに、同定パラメータの物理的整合性を本質的に保証する点が優位性として挙げられる。

マニピュレータの動的モデルを5段階の統合手法で同定する。 - 第1段階: geometric analysis と inertial analysis を実施。 - 第2段階: friction parameters の同定。 - 第3段階: controller parameters の同定。 - 第4段階: 残りのパラメータ同定。 - 第5段階: 全体の統合。 この手順により、同定されたパラメータの物理的整合性を本質的に保証する。対象は robot・actuators・controllers を含むシステム全体である。

実世界のケーススタディとして、thermoplastic extrusion process に使用される 6-Degrees-Of-Freedom (DoFs) collaborative robot を用いて検証した。実際のロボットから得られた実験結果と、同定モデルから得られた結果が非常に良く一致した。これにより、Robot Assisted 3D Printing Processes における精度・制御・誤差予測の潜在的な向上が示された。

要旨からは不明。ただし、collaborative robot に特有の感覚・プログラミング制約が存在すること、およびそれらが同定に影響し得ることは述べられている。また、同定手法が物理的整合性を保証すること、実験とモデルの一致が良いことが示されているが、限界や議論の詳細は要旨からは不明。

要旨で参照・比較されている研究は明示されていない。関連手法として、robot dynamics identification、friction identification、controller parameter identification、model-based control for robotic additive manufacturing などが挙げられる。同分野の定番として、Khalil & Dombre の『Modeling, Identification and Control of Robots』や、Siciliano & Khatib の『Springer Handbook of Robotics』などが参考になる。