基于高斯过程的主动学习机器人运动学标定框架
机器人学
2023-03-08 v1
摘要
未来 NASA 前往冰卫星的着陆器任务将需要完全自动化、精确且数据高效的机器人操纵臂标定方法，以采集着陆器附近的冰质地形样本。为满足该需求，本文提出一种将高斯过程（GP）应用于经典操纵臂运动学标定过程的方法。该方法不对修正后的 Denavit-Hartenberg 运动学参数进行辨识，而是用一组 GP 对机械臂在工作空间上的残差运动学误差进行建模。更重要的是，该建模框架允许采用高斯过程上置信界（GP-UCB）算法高效且自适应地选择标定测量点，从而最小化实验次数，进而缩短重新标定所需时间。该方法在仿真中于一个简单 2 自由度臂、一个几何结构作为未来 NASA 任务候选方案的 6 自由度臂以及一个 7 自由度 Barrett WAM 臂上进行了验证。
引用
@article{arxiv.2303.03658,
title = {An Active Learning Based Robot Kinematic Calibration Framework Using Gaussian Processes},
author = {Ersin Daş and Joel W. Burdick},
journal= {arXiv preprint arXiv:2303.03658},
year = {2023}
}