面向 dVRK-Si 病人侧操作机械臂的动态模型识别与引力补偿
机器人学
2026-03-13 v1
摘要
da Vinci Research Kit (dVRK) 广泛用于机器人辅助手术研究，但大多数建模与控制方法针对第一代 dVRK Classic。近期引入的 dVRK-Si 基于 da Vinci Si 硬件构建，采用重新设计的病人侧操作机械臂 (PSM)，其重力负载显著增大，若模型未能准确建模将严重影响控制性能。本文提出 dVRK-Si PSM 的首个完整运动学与动力学建模框架。我们推导捕捉闭链平行机构的修正 DH 运动学模型，通过欧拉-拉格朗日方法建立动力学模型，并以线性参数回归形式表达反动力学。动态参数基于在经数值条件优化的周期激励轨迹上收集的数据，通过带物理可行性约束的凸优化进行识别。利用识别得到的模型，我们在 dVRK 控制堆栈中实现了实时引力补偿和计算扭矩前馈。实验表明，引力补偿可将稳态关节误差降低 68%-84%，静态保持期间末端执行器尖端漂移从 4.2 mm 减至 0.7 mm。计算扭矩前馈进一步提升瞬态响应与位置跟踪精度。对于正弦轨迹跟踪，计算扭矩前馈相对于仅使用引力补偿的前馈误差降低 35%，相对于 PID 控制误差降低 40%。该方法管道支持 dVRK-Si 的可靠控制、高保真仿真及基于学习的自动化。
引用
@article{arxiv.2603.12099,
title = {Towards Dynamic Model Identification and Gravity Compensation for the dVRK-Si Patient Side Manipulator},
author = {Haoying Zhou and Hao Yang and Brendan Burkhart and Anton Deguet and Loris Fichera and Gregory S. Fischer and Jie Ying Wu and Peter Kazanzides},
journal= {arXiv preprint arXiv:2603.12099},
year = {2026}
}
备注
Submitted to IEEE Transactions on Medical Robotics and Bionics (T-MRB), under review. Open-source GitHub Repo: https://github.com/jhu-dvrk/dvrk_psm_dynamics_identification