受约束机器人手臂运动学中的操作性最大化
机器人学
2024-06-17 v1
摘要
在机器人辅助的 minimally invasive 手术（RMIS）中，逆向运动学（IK）必须满足远程中心运动（RCM）约束，以防止在切口点处的组织损伤。然而，大多数现有的 IK 方法未考虑 RCM 约束与其他目标（如关节限制、任务性能和操作性优化）之间的权衡。本文提出了一种用于受约束 IK 的操作性最大化方法，该方法在满足 RCM 约束和关节限制的同时优化机器人的灵活性。我们的 метод 使用分层二次规划（HQP）框架，解决一系列具有不同优先级水平的二次规划问题。我们在仿真中对该方法进行了评估，针对受约束和非受约束 IK 场景下的具有冗余运动链的 6D 路径跟踪任务进行测试。我们的结果表明，该方法提高了所有案例的操作性指数，当可用的自由度数量较大时，提升幅度超过 100%。求解 IK 问题的平均计算时间低于 1ms，适用于实时机器人控制。我们的 метод为 RMIS 应用中的受约束 IK 问题提供了一种新型且有效的解决方案。
引用
@article{arxiv.2406.10013,
title = {Manipulability maximization in constrained inverse kinematics of surgical robots},
author = {Jacinto Colan and Ana Davila and Yasuhisa Hasegawa},
journal= {arXiv preprint arXiv:2406.10013},
year = {2024}
}
备注
Accepted at 2023 IEEE International Conference on Mechatronics and Automation (ICMA)