論文の概要: A Unified Calibration Framework for Coordinate and Kinematic Parameters in Dual-Arm Robots

• arxiv url: http://arxiv.org/abs/2603.14809v1
• Date: Mon, 16 Mar 2026 04:25:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.845418
• Title: A Unified Calibration Framework for Coordinate and Kinematic Parameters in Dual-Arm Robots
• Title（参考訳）: デュアルアームロボットにおける座標パラメータと運動パラメータの統一校正フレームワーク
• Authors: Tianyu Huang, Bohan Yang, Bin Li, Wenpan Li, Haoang Li, Wenlong Li, Yun-Hui Liu,
• Abstract要約: 両腕の座標変換と運動パラメータの統一校正のための新しい枠組みを提案する。 我々のキーとなる考え方は、1つのリー代数的定式化の中で密結合なパラメータを統一することである。 提案アルゴリズムは,地球近傍の最適性を検証可能な信頼性の高い推定値が得られる。
• 参考スコア（独自算出の注目度）: 23.991712799218217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Precise collaboration in vision-based dual-arm robot systems requires accurate system calibration. Recent dual-robot calibration methods have achieved strong performance by simultaneously solving multiple coordinate transformations. However, these methods either treat kinematic errors as implicit noise or handle them through separated error modeling, resulting in non-negligible accumulated errors. In this paper, we present a novel framework for unified calibration of the coordinate transformations and kinematic parameters in both robot arms. Our key idea is to unify all the tightly coupled parameters within a single Lie-algebraic formulation. To this end, we construct a consolidated error model grounded in the product-of-exponentials formula, which naturally integrates the coordinate and kinematic parameters in twist forms. Our model introduces no artificial error separation and thus greatly mitigates the error propagation. In addition, we derive a closed-form analytical Jacobian from this model using Lie derivatives. By exploring the Jacobian rank property, we analyze the identifiability of all calibration parameters and show that our joint optimization is well-posed under mild conditions. This enables off-the-shelf iterative solvers to stably optimize these parameters on the manifold space. Besides, to ensure robust convergence of our joint optimization, we develop a certifiably correct algorithm for initializing the unknown coordinates. Relying on semidefinite relaxation, our algorithm can yield a reliable estimate whose near-global optimality can be verified a posteriori. Extensive experiments validate the superior accuracy of our approach over previous baselines under identical visual measurements. Meanwhile, our certifiable initialization consistently outperforms several coordinate-only baselines, proving its reliability as a starting point for joint optimization.
• Abstract（参考訳）: ビジョンベースのデュアルアームロボットシステムにおける精密なコラボレーションには、正確なシステムキャリブレーションが必要である。 最近の二ボット校正法は,複数座標変換を同時に解き,高い性能を実現している。 しかし、これらの手法は、キネマティックエラーを暗黙のノイズとして扱うか、あるいは分離されたエラーモデリングによってそれらを処理し、非無視的な累積誤差をもたらす。 本稿では,両腕の座標変換と運動パラメータの統一校正のための新しい枠組みを提案する。 我々のキーとなる考え方は、1つのリー代数的定式化の中で密結合なパラメータを統一することである。 この目的のために,積の指数式に根ざした統合誤差モデルを構築し,座標パラメータと運動パラメータをツイスト形式に自然に統合する。 本モデルでは, 人工的な誤り分離を伴わず, エラー伝播を大幅に軽減する。 さらに、このモデルからリー微分を用いた閉形式解析ヤコビアンを導出する。 ジャコビアン階数特性を探索することにより、全てのキャリブレーションパラメータの同定可能性を分析し、軽度条件下での関節最適化が良好であることを示す。 これにより、オフ・ザ・シェルフ反復解法は多様体空間上でこれらのパラメータを安定に最適化することができる。 さらに,共同最適化の堅牢な収束を保証するため,未知の座標を初期化するアルゴリズムを開発した。 半定値緩和を前提として,我々のアルゴリズムは,ほぼ球面的最適性を検証可能な信頼できる推定値が得られる。 広汎な実験により, 従来のベースラインに対するアプローチの精度を, 同一の視覚的測定で検証した。 一方、認証された初期化は座標のみのベースラインを一貫して上回り、その信頼性を共同最適化の出発点として証明している。

関連論文リスト

• DLBAcalib: Robust Extrinsic Calibration for Non-Overlapping LiDARs Based on Dual LBA [11.721420447780032]
  本稿では,マルチLiDARシステムのための新しいターゲットレス外部キャリブレーションフレームワークを提案する。 提案手法は,目標LiDARからの連続走査により,正確な基準点クラウドマップを構築する。 本フレームワークでは,平均翻訳誤差が5mm,回転誤差が0.2deg,初期誤差が0.4m/30degである。
  論文  参考訳（メタデータ） (2025-07-12T07:48:02Z)
• Towards Initialization-free Calibrated Bundle Adjustment [8.698137120086065]
  本稿では、既知のカメラキャリブレーションを利用して、近距離距離の解を生成できる手法を提案する。 本手法は,pOSEフレームワークに回転平均化を組み込むことが可能である。
  論文  参考訳（メタデータ） (2025-06-30T12:55:44Z)
• Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models [57.52124921268249]
  本稿では,1次と2次の両方の定常点を見つけるための信頼逐次準計画法を提案する。 本手法は, 1次定常点に収束するため, 対象対象の近似を最小化して定義された各イテレーションの勾配ステップを計算する。 2階定常点に収束するため,本手法は負曲率を減少するヘッセン行列を探索する固有ステップも計算する。
  論文  参考訳（メタデータ） (2024-09-24T04:39:47Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Differentiable DG with Neural Operator Source Term Correction [0.0]
  圧縮可能なNavier-Stokes方程式を解くためのエンドツーエンドの微分可能なフレームワークを提案する。 この統合アプローチは、微分可能不連続なガレルキン解法とニューラルネットワークのソース項を組み合わせる。 提案するフレームワークの性能を2つの例で示す。
  論文  参考訳（メタデータ） (2023-10-29T04:26:23Z)
• Globally Optimal Multi-Scale Monocular Hand-Eye Calibration Using Dual Quaternions [9.287964414592826]
  本稿では,2重四元数に基づくセンサごとの自我運動からモノクルハンドアイキャリブレーションのアプローチを提案する。 本アルゴリズムは,シミュレーションおよび実世界のデータに対する最先端の手法と比較して評価・比較する。
  論文  参考訳（メタデータ） (2022-01-12T13:48:04Z)
• Neural Control Variates [71.42768823631918]
  ニューラルネットワークの集合が、積分のよい近似を見つけるという課題に直面していることを示す。 理論的に最適な分散最小化損失関数を導出し、実際に安定したオンライントレーニングを行うための代替の複合損失を提案する。 具体的には、学習した光場近似が高次バウンスに十分な品質であることを示し、誤差補正を省略し、無視可能な可視バイアスのコストでノイズを劇的に低減できることを示した。
  論文  参考訳（メタデータ） (2020-06-02T11:17:55Z)

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。