NIST、産業用ロボットの運動学モデリングでハイブリッド手法を発表

何が起きたか

米国立標準技術研究所（NIST）のVinh Nguyen氏とJeremy Marvel氏は、産業用ロボットの運動学をモデル化するためのハイブリッド手法を開発し、論文として発表した。この手法は、解析的運動学モデルと統計的モデルを組み合わせることで、較正誤差やギアのバックラッシュなどの影響を考慮しつつ、少ないデータ点で高精度な予測を可能にする。

詳細

産業用ロボットは製造や手術などの用途で高い需要があるが、ロボットアームの運動学モデリングの誤差が位置精度を制限している。解析的運動学モデルは係数の較正誤差やギアのバックラッシュなどの影響を考慮できない一方、統計的モデリング手法は較正に大量の点を必要とし、実用的な産業環境では実現が困難である。 この問題に対処するため、NISTの研究者らは、解析的手法と統計的手法を組み合わせたハイブリッドモデリング手法を開発した。具体的には、明示的に記述された解析的運動学モデルをガウス過程の事前平均分布として定式化し、統計的ベイズ推論を用いて実験データで事前分布を更新する。これにより、少ないデータ点でロボットの運動学をより正確に記述できる。 ハイブリッドモデルは、UR5およびUR10ロボットの前方および逆運動学の予測において、解析モデルと事前情報のないガウス過程回帰モデルの両方を上回る性能を示した。また、逆運動学解の誤差伝播も研究された。さらに、この研究で使用されたテストフレームワークは、代替の運動学モデルを評価するための標準化されたベンチマークとして使用できるとしている。

Key Facts

なぜ重要か

この研究は、産業用ロボットの位置精度向上に寄与する可能性がある。特に、小規模産業でも適用しやすい直感的なモデリング手法を提供することで、ロボットの応用範囲を広げることが期待される。また、標準化されたベンチマークを提供することで、今後の運動学モデルの評価と改善を促進する。