基于在线迭代学习与正向仿真且定位误差低于末端执行器物理最小位移的高精度机械臂操控
机器人学
2023-02-28 v1
摘要
精度是机械臂的一项关键性能指标,因为高精度操控可拓展其应用范围。提升机械臂精度的传统方法依赖误差补偿,然而这些方法往往不够鲁棒且缺乏适应性。基于学习的方法具备更高灵活性与适应性,而现有研究表明其常难以实现高精度,且不易处理众多需高精度的场景。本文提出一种基于在线迭代学习与正向仿真的新型高精度机械臂操控框架,其可实现低于末端执行器物理最小位移的定位误差(精度)。此外,我们将多种高精度操控策略并行化,以更好地结合在线迭代学习与正向仿真。进一步,我们考虑了真实机械臂的关节角分辨率,这一点在相关工作中常被忽视。在仿真与真实 UR3 机械臂平台上进行的一系列实验表明,我们所提方法有效且具前景。相关代码将很快公开。
引用
@article{arxiv.2302.13338,
title = {High-Precise Robot Arm Manipulation based on Online Iterative Learning and Forward Simulation with Positioning Error Below End-Effector Physical Minimum Displacement},
author = {Qu Weiming and Liu Tianlin and Luo Dingsheng},
journal= {arXiv preprint arXiv:2302.13338},
year = {2023}
}