受约束的逆运动学的传递距离优化
机器人学
2024-06-18 v1
摘要
本文研究受各种约束(如关节限制和障碍物碰撞避免)的受约束逆运动学(IK)问题，旨在寻找可行的机器人配置。 由于高维度和复杂约束，通常通过迭代局部数值求解。 经典局部优化方法以关节角度为决策变量，因三角约束的非线性而受限。 最近发展出基于距离的 IK 方法，将 IK 表述为机器人附着点与障碍物之间距离的优化。 虽然基于距离的方法显示出独特优势，但仍因通常忽略串联机器人运动学链结构而导致计算效率低下。 本文提出一种新方法，称为受约束逆运动学的传递距离优化(PDO-IK)，它捕获并利用基于距离的表述中的链结构，通过在运动学链上传递计算正向运动学和雅可比矩阵来加速优化。 测试结果表明，PDO-IK 在关节限制约束和障碍物避免约束下，比现有基于距离的方法快了两个数量级。 它在 IK 问题中也比传统的关节角基于优化方法 achieves最高成功率提高了约三倍。 PDO-IK 的高运行时效率允许进行实时计算(10-1500 Hz)，使 19 自由度(DoF)的仿真人形机器人能够避免移动障碍物，而基线方法难以实现。
引用
@article{arxiv.2406.11572,
title = {Propagative Distance Optimization for Constrained Inverse Kinematics},
author = {Yu Chen and Yilin Cai and Jinyun Xu and Zhongqiang Ren and Guanya Shi and Howie Choset},
journal= {arXiv preprint arXiv:2406.11572},
year = {2024}
}