CafkNet：图神经网络赋能的绳驱并联机器人正向运动学建模
机器人学
2024-11-26 v4
摘要
绳驱并联机器人 (CDPRs) 因其显著优势而受到广泛关注。在实际部署 CDPRs 时，运动学建模是一个关键问题。与串联机器人不同，CDPRs 具有简单的逆运动学问题，但正向运动学 (FK) 问题复杂。因此，开发准确高效的 FK 求解器一直是 CDPR 应用中的主要研究焦点。通过观察 CDPRs 内部的拓扑结构，本文提出了一种基于图的表示方法来对 CDPRs 进行建模，并引入了 CafkNet，这是一种快速且通用的 FK 求解方法，利用图神经网络 (GNN) 学习拓扑结构，并以卓越的通用性、高精度和低时间成本生成真实的 FK 解。CafkNet 在模拟器和真实场景中对不同配置下的 3D 和 2D CDPRs 进行了广泛测试。结果证明了其学习 CDPRs 内部拓扑结构并准确解决 FK 问题的能力。随后，验证了从一种配置到另一种配置的零样本泛化能力。此外，CafkNet 利用仿真和真实世界数据 bridging 了 sim2real 差距。据我们所知，这是首次采用 GNN 解决 CDPRs FK 问题的研究。
引用
@article{arxiv.2402.18420,
title = {CafkNet: GNN-Empowered Forward Kinematic Modeling for Cable-Driven Parallel Robots},
author = {Zeqing Zhang and Linhan Yang and Cong Sun and Weiwei Shang and Jia Pan},
journal= {arXiv preprint arXiv:2402.18420},
year = {2024}
}
备注
The 2024 IEEE International Conference on Robotics and Biomimetics (IEEE ROBIO 2024). Bangkok, Thailand, December 10-14 2024. Videos and codes are available at https://sites.google.com/view/cafknet/site