論文の概要: A Unified Calibration Framework for High-Accuracy Articulated Robot Kinematics

• arxiv url: http://arxiv.org/abs/2601.16638v1
• Date: Fri, 23 Jan 2026 10:51:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.917188
• Title: A Unified Calibration Framework for High-Accuracy Articulated Robot Kinematics
• Title（参考訳）: 高精度Articulated Robot Kinematicsのための統一校正フレームワーク
• Authors: Philip Tobuschat, Simon Duenser, Markus Bambach, Ivo Aschwanden,
• Abstract要約: 本稿では,ロボットモデルを特定する産業用ロボットの静的キャリブレーションに対する統一的なアプローチを提案する。 このモデルは、各モデル効果に対して仮想関節でキネマティックチェインを強化し、ガウス・ニュートン最適化を用いた同定を実現する。 結果のモデルは非常に正確で、識別が堅牢で、KUKA KR30産業用ロボットの平均位置誤差は26.8ドルである。
• 参考スコア（独自算出の注目度）: 1.4680035572775534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Researchers have identified various sources of tool positioning errors for articulated industrial robots and have proposed dedicated compensation strategies. However, these typically require individual, specialized experiments with separate models and identification procedures. This article presents a unified approach to the static calibration of industrial robots that identifies a robot model, including geometric and non-geometric effects (compliant bending, thermal deformation, gear transmission errors), using only a single, straightforward experiment for data collection. The model augments the kinematic chain with virtual joints for each modeled effect and realizes the identification using Gauss-Newton optimization with analytic gradients. Fisher information spectra show that the estimation is well-conditioned and the parameterization near-minimal, whereas systematic temporal cross-validation and model ablations demonstrate robustness of the model identification. The resulting model is very accurate and its identification robust, achieving a mean position error of 26.8 $μm$ on a KUKA KR30 industrial robot compared to 102.3 $μm$ for purely geometric calibration.
• Abstract（参考訳）: 研究者は、調音された産業用ロボットのツール位置決め誤差の様々な原因を特定し、専用の補償戦略を提案している。 しかし、それらは通常、個別の特別な実験と別々のモデルと識別手順を必要とする。 本稿では, 産業用ロボットの静的キャリブレーションに対する統一的なアプローチとして, 幾何学的および非幾何学的効果(適合曲げ, 熱変形, 歯車伝達誤差)を含むロボットモデルを特定する。 このモデルは、各モデル効果に対する仮想関節によるキネマティックチェインを強化し、ガウス・ニュートン最適化と解析勾配を用いた同定を実現する。 水産情報スペクトルは, 推定値の条件が良く, パラメータ化がほぼ最小であることを示し, 一方, 系統的時間的相互検証とモデルアブレーションはモデル同定の堅牢性を示す。 得られたモデルは非常に正確で、識別が堅牢であり、KUKA KR30産業用ロボットの平均的な位置誤差は26.8$μmであるのに対し、純幾何学的なキャリブレーションは102.3$μmである。

関連論文リスト

• Neural Collision Detection for Multi-arm Laparoscopy Surgical Robots Through Learning-from-Simulation [0.0]
  本研究では,腹腔鏡下手術におけるロボットアームの安全性と操作効率を高めるための統合的枠組みを提案する。 関節構成に基づいてロボットアーム間の最小距離を推定する解析モデルを開発した。 深部ニューラルネットワークモデルは、ロボットアームの関節アクチュエータと相対位置を入力としてトレーニングされ、平均絶対誤差は282.2mm、R二乗値は0.85である。
  論文  参考訳（メタデータ） (2026-01-21T20:54:35Z)
• Data-Driven Dynamic Parameter Learning of manipulator robots [0.8679862302950613]
  動的パラメータ推定のためのトランスフォーマーに基づく手法を提案する。 データセットは、8,192個のロボットで構成され、慣性および摩擦特性は様々である。 我々のモデルは時間的および空間的依存の両方を効果的に捉えている。
  論文  参考訳（メタデータ） (2025-12-09T16:15:58Z)
• Bayesian Calibration and Model Assessment of Cell Migration Dynamics with Surrogate Model Integration [0.0]
  ベイジアンキャリブレーションを用いた細胞移動モデルにおけるパラメータ確率分布を系統的に評価する。 このアプローチはパラメータの不確実性、予測性能、解釈可能性の合同解析を可能にする。
  論文  参考訳（メタデータ） (2025-09-23T13:45:16Z)
• Data-driven Kinematic Modeling in Soft Robots: System Identification and Uncertainty Quantification [7.888219789657414]
  まず,ソフトロボットの運動モデルによく用いられる複数の線形・非線形機械学習モデルについて検討する。 その結果,非線形アンサンブル法が最も堅牢な一般化性能を示した。 次に、分割型共形予測を利用して、予測位置の不確かさを定量化することにより、ソフトロボットのための共形体モデリングフレームワークを開発する。
  論文  参考訳（メタデータ） (2025-07-10T01:49:23Z)
• CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [46.47343031985037]
  交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。 トークン化方式は、チャネルごとのパッチで脳波信号を表現します。 本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
  論文  参考訳（メタデータ） (2025-01-18T21:44:38Z)
• Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
  我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。 学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
  論文  参考訳（メタデータ） (2022-09-07T15:15:12Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Robots State Estimation and Observability Analysis Based on Statistical Motion Models [10.941793802354953]
  本稿では,移動ロボットの動特性(翻訳と回転)を捉える汎用動作モデルを提案する。 このモデルは白色ランダムプロセスによって駆動される統計モデルに基づいており、エラー状態拡張カルマンフィルタリングフレームワーク(ESEKF)に基づく完全な状態推定アルゴリズムに定式化されている。 システム状態の観測不能なサブセットを特徴付けるために、新しいtexttextbfitthin セットの概念が導入された。
  論文  参考訳（メタデータ） (2020-10-12T18:35:33Z)

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。