論文の概要: Whole-Body Elasto-Geometrical Calibration of Wheeled Humanoid Robots Using a Shared-Waist Dual-Chain Model
- arxiv url: http://arxiv.org/abs/2611.07560v1
- Date: Thu, 05 Nov 2026 07:07:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.578579
- Title: Whole-Body Elasto-Geometrical Calibration of Wheeled Humanoid Robots Using a Shared-Waist Dual-Chain Model
- Title（参考訳）: 共有水二重鎖モデルを用いた車輪付きヒューマノイドロボットの全体要素・幾何学的校正
- Abstract要約: 車輪付きのヒューマノイドロボットは、通常トルクセンサーを使わずに、両腕を1つの作動した腰に運び、両端エフェクターの精度は単一の腰モデルに依存する。
両フランジの目標位置から腰と両腕を1つの問題で同定し,光学式トラッカーで測定した。
独立キャリブレーションでは2つの腰のモデルが得られ、両腕を使用すれば、もう一方の腕の誤差は最大3.21mmまで上昇する。
- 参考スコア（独自算出の注目度）: 18.022121758927216
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wheeled humanoid robots carry both arms on one actuated waist, usually without torque sensors, so the accuracy of both end-effectors depends on a single waist model. After a first stage that estimates the tracker and target extrinsics, we identify the waist and both arms in one problem from the target positions on both flanges, measured by an optical tracker. The kinematic model is complete, with waist-base, parallel-axis, and branch parameters; arm compliances are driven by measured torques and waist compliances by gravity torques of the robot's mass model; and Gaussian priors with evidence-maximizing scales stabilize the estimate. Independent and sequential single-chain calibration are restrictions of this problem, and its waist information is the sum of the single-chain Schur complements. On two robots with different waists, each without and with a payload, calibration reduces the mean errors on held-out poses from 11.3-31.1 mm to 0.50-1.11 mm. For every training-set size from 20 poses to all, the method has 17-63% lower mean errors than adaptations of two published whole-body calibration methods, mainly through the waist compliance. Independent calibration yields two waist models; using either for both arms raises the other arm's error to up to 3.21 mm.
- Abstract（参考訳）: 車輪付きのヒューマノイドロボットは、通常トルクセンサーを使わずに、両腕を1つの作動した腰に運び、両端エフェクターの精度は単一の腰モデルに依存する。
トラッカーと目標外在物とを推定する第1段階の後、光学式トラッカーによって測定された両フランジの目標位置から、腰と両腕を1つの問題で同定する。
運動モデルは、腰ベース、平行軸、分岐パラメータで完全であり、腕のコンプライアンスは、ロボットの質量モデルの重力トルクによって測定されたトルクと腰のコンプライアンスによって駆動される。
独立かつシーケンシャルな単鎖キャリブレーションはこの問題の制約であり、その腰情報は単鎖シュア補体の和である。
異なる腰を持つ2つのロボットにおいて、キャリブレーションはホールドアウトポーズの平均誤差を 11.3-31.1 mm から 0.50-1.11 mm に減少させる。
20のポーズから全てのポーズまで、トレーニングセットのサイズごとに平均誤差が17～63%低くなる。
独立キャリブレーションでは2つの腰のモデルが得られ、両腕を使用すれば、もう一方の腕の誤差は最大3.21mmまで上昇する。
関連論文リスト
- Anchor 1: Precise and Stable Humanoid Control for Whole-Body Manipulation [51.334811442145245]
我々は,体全体を正確に,安定した操作を行うための全身制御装置であるAnchor 1を紹介する。
アンカー1は、タスク関連人体運動構造を保存するためにスパース動作参照を採用する。
モーションエンコーディングから切り離された明示的なエラーフィードバックにより、制御精度が向上する。
論文 参考訳（メタデータ） (2026-10-30T17:56:53Z) - Sim4RAD: A MATLAB Toolkit for Design-Phase Sizing, Actuator Selection and URDF-Model Verification of Serial Robotic Arms [4.295048678741513]
Sim4RADはCADモデルが存在する前にアクチュエータをサイズ化するためのツールキットである。
少数のパラメータから剛体モデルを構築し、4つの仕様を分析している。
検証には詳細なモデルのURDFモデルを使用する必要がある。
論文 参考訳（メタデータ） (2026-10-13T00:56:04Z) - Scale-Invariant Manipulability Shape Tracking Across Heterogeneous Manipulators [11.674310487759833]
スケール不変なマニピュラの形状追跡法を提案する。
提案手法は,9.30×10-5の終端形状距離をスケールチューニングなしで達成する。
同時に作業を行う人間に対して, 提案手法は, 全4ロボットの目標となるXに沿って, 二重力の伸長形状を出力する。
論文 参考訳（メタデータ） (2026-09-29T05:56:41Z) - ArticulateArena: A Metric for Articulated Kinematics [56.23391152623764]
ArticulateArenaは、調音のためのチャンファー距離の表現不変である。
これは、それを符号化するパラメータではなく、1-DOF関節の運動を比較する。
ArticulateArena-20Kは19,977個の調音されたオブジェクトからなる新しいスイートで、キネマティクスを検証する。
論文 参考訳（メタデータ） (2026-09-27T21:19:22Z) - ForwardDLO: Model-Based Bimanual Shape Matching of Unconstrained Deformable Linear Objects [12.045392054359551]
ロープ、ケーブル、その他の変形可能な線形オブジェクトは、切断からケーブルのルーティング、縫合までタスクに現れる。
モデルに基づく形状制御を汎用的に研究する。
本稿では、この固定されていないバイマニュアル設定に対して、リカレント遅延力学モデルであるForwardDLOを提案する。
論文 参考訳（メタデータ） (2026-09-16T10:47:33Z) - Contact-Constrained Lower-Limb Joint-Offset Calibration for Humanoid Robots [4.637705968841629]
本報告では,車載継手エンコーダと骨盤装着型IMUのみを利用した自己完結型校正フレームワークを提案する。
ヘッセン固有構造解析は、平行ピッチ軸が回転結合を誘導することを示している。
立位姿勢膝は、残りの弱ピッチチェーン分解をアンカーする。
論文 参考訳（メタデータ） (2026-09-02T08:51:37Z) - Characterizing pitch and roll torque coupling in insect-sized flapping-wing robots using a microfabricated gimbal [1.3955252961896318]
ロールとピッチトルクのアクティベーションのカップリング効果は測定されていない。
ロールトルクとピッチトルクと推力を正確に同時に測定できるマイクロファブリックジンバルデザイン。
結果は,音高と音高が独立に制御可能であるという仮定を検証した。
論文 参考訳（メタデータ） (2026-04-23T23:46:05Z) - MAGIC: Achieving Superior Model Merging via Magnitude Calibration [46.30162864565835]
モデルマージは、特殊化されたモデルの能力を統一されたモデルにマージすることを目的としている。
特徴は方向と大きさの2つの重要な構成要素から成っている。
MAGnItude (MAGIC) は,特徴空間と重み空間の層規模を補正するプラグイン・アンド・プレイ・フレームワークである。
論文 参考訳（メタデータ） (2025-12-22T12:13:17Z) - RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。
複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
論文 参考訳（メタデータ） (2025-09-25T03:30:34Z) - DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
状態推定は、高い操作性を持つ3次元物体追跡において困難である。
本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。
DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
論文 参考訳（メタデータ） (2025-05-18T10:12:41Z) - 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)
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。