論文の概要: Fast Functionally Redundant Inverse Kinematics for Robotic Toolpath Optimisation in Manufacturing Tasks
- arxiv url: http://arxiv.org/abs/2512.10116v1
- Date: Wed, 10 Dec 2025 22:07:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.270581
- Title: Fast Functionally Redundant Inverse Kinematics for Robotic Toolpath Optimisation in Manufacturing Tasks
- Title（参考訳）: 生産作業におけるロボットツールパス最適化のための高速機能的逆運動学
- Authors: Andrew Razjigaev, Hans Lohr, Alejandro Vargas-Uscategui, Peter King, Tirthankar Bandyopadhyay,
- Abstract要約: 逆キネマティクスアルゴリズムは、これを高速でリアクティブなフレームワークで解決することができる。
ロボット操作のための機能的冗長な逆運動学を解く新しいアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 53.04487603529418
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Industrial automation with six-axis robotic arms is critical for many manufacturing tasks, including welding and additive manufacturing applications; however, many of these operations are functionally redundant due to the symmetrical tool axis, which effectively makes the operation a five-axis task. Exploiting this redundancy is crucial for achieving the desired workspace and dexterity required for the feasibility and optimisation of toolpath planning. Inverse kinematics algorithms can solve this in a fast, reactive framework, but these techniques are underutilised over the more computationally expensive offline planning methods. We propose a novel algorithm to solve functionally redundant inverse kinematics for robotic manipulation utilising a task space decomposition approach, the damped least-squares method and Halley's method to achieve fast and robust solutions with reduced joint motion. We evaluate our methodology in the case of toolpath optimisation in a cold spray coating application on a non-planar surface. The functionally redundant inverse kinematics algorithm can quickly solve motion plans that minimise joint motion, expanding the feasible operating space of the complex toolpath. We validate our approach on an industrial ABB manipulator and cold-spray gun executing the computed toolpath.
- Abstract（参考訳）: 6軸ロボットアームによる産業自動化は、溶接や追加製造など多くの製造作業において重要であるが、これらの作業の多くは対称工具軸のために機能的に冗長であり、事実上5軸作業となる。
この冗長性をエクスプロイトすることは、ツールパス計画の実現性と最適化に必要なワークスペースとデクスタリティを達成するために不可欠です。
逆キネマティクスアルゴリズムは、高速でリアクティブなフレームワークでこれを解くことができるが、これらの手法は計算コストのかかるオフライン計画手法では利用できない。
本稿では,タスク空間分解手法,減衰最小二乗法,ハレー法を応用したロボット操作における機能的冗長な逆運動学の解法を提案する。
非平面表面へのコールドスプレー塗布におけるツールパス最適化の手法について検討した。
機能的に冗長な逆キネマティクスアルゴリズムは、関節運動を最小化し、複雑なツールパスの実行可能な操作空間を拡大する動きプランを迅速に解くことができる。
計算ツールパスを実行する産業用ABBマニピュレータとコールドスプレーガンのアプローチを検証した。
関連論文リスト
- Fast Motion Planning for Non-Holonomic Mobile Robots via a Rectangular Corridor Representation of Structured Environments [43.11194204846493]
非ホロノミックな自律移動ロボットの高速動作計画のための完全なフレームワークを提案する。
提案手法では,重なり合う矩形廊下のコンパクトグラフを生成する決定論的自由空間分解を導入する。
このフレームワークは、長方形の列を見つけて、最適に近い運動可能な軌道を生成することで、オンラインのモーションプランニングを行う。
論文 参考訳（メタデータ） (2026-02-10T12:18:14Z) - Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。
そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。
Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
論文 参考訳（メタデータ） (2024-08-29T20:22:22Z) - Bridging the gap between Learning-to-plan, Motion Primitives and Safe Reinforcement Learning [20.158498233576143]
キノダイナミック制約の下での軌道計画は、高度なロボティクス応用の基礎となる。
キノダイナミックプランニングの最近の進歩は、複雑な制約の下で複雑な動きを学習・計画技術が生成できることを実証している。
本稿では,学習から計画までの手法と強化学習を組み合わせることで,動作プリミティブのブラックボックス学習と最適化の新たな統合を実現する。
論文 参考訳（メタデータ） (2024-08-26T07:44:53Z) - A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - Design Optimizer for Planar Soft-Growing Robot Manipulators [1.1888144645004388]
本研究は,ソフト成長ロボットの設計最適化のための新しいアプローチを提案する。
ソフトマニピュレータのキネマティックチェーンを最適化し、ターゲットに到達し、材料や資源の不要な過剰使用を避ける。
提案手法を最適性にアクセスするために, 提案手法を検証したところ, 解法の性能は著しく向上した。
論文 参考訳（メタデータ） (2023-10-05T08:23:17Z) - Reinforcement Learning with Prior Policy Guidance for Motion Planning of
Dual-Arm Free-Floating Space Robot [11.272278713797537]
提案手法は,計画精度を効率的に向上するRLに基づく手法を実現するための新しいアルゴリズムであるEfficientを提案する。
私たちのコアコントリビューションは、事前の知識ガイダンスと混合ポリシーを構築し、より合理的な報酬関数を構築するために無限ノルムを導入することです。
論文 参考訳（メタデータ） (2022-09-03T14:20:17Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳（メタデータ） (2022-07-04T13:52:10Z) - DiffSkill: Skill Abstraction from Differentiable Physics for Deformable
Object Manipulations with Tools [96.38972082580294]
DiffSkillは、変形可能なオブジェクト操作タスクを解決するために、スキル抽象化に微分可能な物理シミュレータを使用する新しいフレームワークである。
特に、勾配に基づくシミュレーターから個々のツールを用いて、まず短距離のスキルを得る。
次に、RGBD画像を入力として取り込む実演軌跡から、ニューラルネットワークの抽象体を学習する。
論文 参考訳（メタデータ） (2022-03-31T17:59:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。