SPI-BoTER：基于稀疏注意力掩码和融合空间-物理信息的工业机器人误差补偿
机器人学
2025-07-01 v1
摘要
工业机器人在切割和焊接等领域的广泛应用, 对末端执行器的轨迹精度提出了日益严格的要求。然而, 当前的误差补偿方法面临若干关键挑战, 包括机制建模过于简化、数据驱动方法缺乏物理一致性以及数据要求巨大。这些问题使得同时实现高精度和强泛化性难以实现。为此, 本文提出了一种 Spatial-Physical Informed Attention Residual Network(SPI-BoTER)。该方法将机器人操作手臂的运动学方程与通过稀疏自注意力掩码增强的 Transformer 架构相结合。采用包含空间和物理信息的参数自适应混合损失函数, 在训练期间迭代优化网络, 实现了在小样本条件下进行高精度误差补偿。此外, 使用基于梯度下降的优化方法对关节角进行逆向补偿。在 UR5 机器人臂(724 个样本, 训练:测试:验证比例为 8:1:1)上的实验结果表明, 所提出的方法性能卓越。它实现了 3D 绝对定位误差为 0.2515 mm, 标准差为 0.15 mm, 比传统深度神经网络(DNN)方法误差降低 35.16%。此外, 逆角补偿算法在平均 147 次迭代内即可收敛到 0.01 mm 的精度。该研究为结合物理可解释性和数据可适应性的高精度工业机器人控制提供了解决方案, 为智能制造中精确任务的可靠执行提供了前景。
关键词
引用
@article{arxiv.2506.22788,
title = {SPI-BoTER: Error Compensation for Industrial Robots via Sparse Attention Masking and Hybrid Loss with Spatial-Physical Information},
author = {Xuao Hou and Yongquan Jia and Shijin Zhang and Yuqiang Wu},
journal= {arXiv preprint arXiv:2506.22788},
year = {2025}
}