MUKCa：无需外部测量设备的精准且经济的协作机器人校准
机器人学
2025-03-18 v1 系统与控制
系统与控制
摘要
为了提高协作机器人在日常任务中执行准确性，不仅需要可重复性，还需要准确性。然而，可用的校准工具通常比机器人本身昂贵，以致校准模型成为一种奢侈品。本文旨在通过提供一种低成本且高效的替代方案来推动协作机器人校准的民主化。 proposed 的极简校准程序仅依赖一种可3D打印的工具作为校准过程的唯一物理辅助。该工具在末端执行器处对机器人进行运动约束，同时收集训练数据。优化程序更新初始模型，以确保每个插座的预测一致，并且两个插座之间的平均距离保持无畸变。我们在三个机器人平台上验证了该算法：Franka、Kuka 和 Kinova 协作机器人。校准后的模型将 Franka 和 Kuka 机器人的平均绝对误差从约10 mm 降低到0.2 mm。我们提供了两个额外的实验 campaign，以更直观地展示改进效果。首先，我们在校准前后实现了笛卡尔坐标控制，用于执行公认的 peg-in-hole 任务，任务容差为0.4 mm。其次，我们组合笛卡尔控制与演示学习执行重复绘图任务。两项任务在模型未校准时始终失败，而在校准后始终成功。
引用
@article{arxiv.2503.12584,
title = {MUKCa: Accurate and Affordable Cobot Calibration Without External Measurement Devices},
author = {Giovanni Franzese and Max Spahn and Jens Kober and Cosimo Della Santina},
journal= {arXiv preprint arXiv:2503.12584},
year = {2025}
}