キネステティック教示2026/9/18arXiv:2609.21416

性能最適化されたキネステティック教示のための統合動的力ガイダンスフレームワーク

A Unified Dynamic Force Guidance Framework for Performance-Optimized Kinesthetic Teaching

協働ロボットのキネステティック教示において、可変アドミタンス制御と仮想力で操作性能を保ちながらユーザーを良い姿勢へ導くオンライン力ガイダンス手法を提案し、作業効率の向上を実証した。

詳しい要約

1. どんなもの？

- 産業用協働ロボットのkinesthetic teachingにおいて、ユーザーがロボットの性能を考慮せず教示すると動作性能が低下する問題に対処するため、性能制約と最適化を統合したオンライン動的力ガイダンス手法を提案。 - 操作性能をJacobian行列の最小特異値で定量化し、これを閾値以上に維持しつつ、仮想力でユーザーを性能の良い姿勢へ誘導する。 - 6-DOF協働ロボットで実験し、教示軌道の再生実験により操作性能と作業効率の関係を分析。

2. 先行研究と比べてどこがすごい？

- 従来のkinesthetic teachingではユーザーがロボットの性能を考慮せず教示するため、動作性能が低下する可能性があった。 - 提案手法は、性能制約と最適化を同時に実現するオンライン動的力ガイダンスを導入し、操作性能を閾値以上に保ちながら改善された性能の姿勢へ誘導する点が新しい。 - これにより作業効率の向上が期待でき、生産タクトタイムの短縮に貢献する。

3. 技術・手法の肝は？

- 可変アドミタンス制御（variable admittance control）により、ロボットの操作性能を事前定義された閾値以上に維持する。 - 仮想力を用いてユーザーを性能が改善される姿勢へ能動的にガイドする。 - 操作性能はJacobian行列の最小特異値（Minimum Singular Value）で定量化される。

4. どうやって有効だと検証した？

- 6-DOF協働ロボット上で実験を実施し、タスク空間における3つの典型的な経路を比較。 - 教示された軌道の品質を評価するため、軌道再生実験を行い、ロボットの操作性能と作業効率の関係を分析。 - 結果、提案手法が操作性能を効果的に向上させ、作業効率を改善することを示した。

5. 議論はある？

- 提案手法は操作性能を向上させ作業効率を改善し、産業展開における生産タクトタイム短縮に重要な価値を持つ。 - 要旨からは、手法の限界や適用条件、他の性能指標との比較に関する議論は不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、kinesthetic teaching、variable admittance control、Jacobian行列の最小特異値を用いた性能評価に関する研究が挙げられる。 - 同分野の定番として、協働ロボットのプログラミング手法やアドミタンス制御に関する論文を読むと良い。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Chunxin Li, Jianhua Wu, Zhenhua Xiong, Xiangyang Zhu

分類: cs.RO

原文アブストラクト

Collaborative robots are increasingly deployed in industrial scenarios characterized by frequent product changeovers. As an intuitive programming method, kinesthetic teaching facilitates rapid robot deployment. However, users may overlook the configuration of the robot during kinesthetic teaching, leading to degradation in operational performance. Operational performance refers to the capability of the robot to generate motion and can be quantified by the Minimum Singular Value of the Jacobian matrix. To address this issue, this paper proposes an online dynamic force guidance method that integrates performance constraint and optimization mechanisms. Specifically, variable admittance control maintains the operational performance of the robot above a predefined threshold, while a virtual force actively guides the user to drag the robot towards configurations with improved performance. Experiments are conducted on a 6-DOF collaborative robot, comparing three typical paths in the task space. To evaluate the quality of the taught trajectories, trajectory playback experiments are conducted to analyze the relationship between the operational performance of the robot and the work efficiency. The results demonstrate that the proposed method effectively enhances the operational performance of the robot and consequently improves the work efficiency, holding significant value for reducing production takt time in industrial deployment.

arXivで原文を読む →arXiv概要ページ

← 論文一覧