Kinova Gen3-Lite manipulator inverse kinematics: optimal polynomial solution
École de technologie supérieure(高等技术学院)
本文提出了Kinova Gen 3 Lite机器人运动学逆问题的多项式解法。该串联机器人基于6 R运动链,并且没有腕部分区。我们首先从正运动学方程提供的位置和方向的末端执行器,最后,一元多项式方程作为第一关节变量$θ_{1}$的函数。剩余的关节变量通过回代计算。因此,对于单变量方程的每个根,获得关节位置的唯一集合。数值例子,在ROS(机器人操作系统)模拟,给出验证结果,这是比较与MoveIt!and with the actual实际robot机器人.还提出了一个程序来选择一个最佳的姿态的机器人。
2021-02-01 cs.RO
IKSel: Selecting Good Seed Joint Values for Fast Numerical Inverse Kinematics Iterations
Osaka University(大阪大学)
本文提出一种基于KDTree和关节空间调整的种子选择策略,结合失败重试机制,构建了快速且高成功率的数值逆运动学求解器,优于传统数值和基于学习的方法。
2025-03-28 cs.RO
Image-to-Joint Inverse Kinematic of a Supportive Continuum Arm Using Deep Learning
Toronto Metropolitan University(多伦多都会大学)
本研究提出基于修改VGG-16的深度学习方法,实现腱驱动连续臂的图像到关节逆运动学估计,具备抗噪鲁棒性并提供实时替代方案。
2024-06-27 cs.RO
Inverse Kinematics as Low-Rank Euclidean Distance Matrix Completion
University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究所);University of Zagreb(萨格勒布大学)
大多数逆运动学(IK)算法在由关节角度定义的配置空间中搜索解。然而,许多机器人的运动学也可以用刚性连接点之间的距离来描述,这些距离共同形成了欧几里得距离矩阵。这种替代的几何描述的运动学揭示了一个优雅的等效IK和低秩矩阵完成的问题。我们使用这种连接来实现一种新的黎曼优化为基础的解决方案,以IK为各种关节式机器人与对称关节角度的约束。
2022-07-05 cs.RO
Working Modes and Aspects in Fully-Parallel Manipulator
Institut de Recherche en Cybernétique de Nantes(南特控制论研究所);École Centrale de Nantes(南特中央理工学院)
本文的目的是表征的概念方面的工作空间和关节空间的并联机器人。与串联机器人相反,并联机器人不仅可以有多个逆运动学解,而且可以有多个正运动学解。在[Borrel 86]中为串联机器人引入了方面的概念,在[Wenger 1997]中为只有一个逆运动学解的并联机器人重新定义了方面的概念,并为一般的完全并联机器人重新定义了方面的概念。在关节速率矢量和笛卡尔速度矢量之间的运动学关系中出现了两个雅可比矩阵,称为“逆运动学“和“正运动学”矩阵。这些矩阵的研究允许分别定义的并行和串行奇点。工作模式的概念被引入到分离的逆运动学解。这样,我们就可以找到工作空间和关节空间中不存在奇异的区域。应用于机械手工作空间的可动性分析以及路径规划与控制。本文以RR-RRR平面并联机器人为例说明了这一研究。
2007-07-13 cs.RO
Planning and Inverse Kinematics of Hyper-Redundant Manipulators with VO-FABRIK
Univ. Louisiana at Lafayette(路易斯安那大学拉斐特分校);Univ. Verona(维罗纳大学);Hibot Corp.(Hibot公司)
针对超冗余机械臂逆运动学求解难题,提出融合FABRIK与速度障碍思想的VO-FABRIK算法,可在约束下实现确定性IK计算与路径规划,在19关节工业机械臂上验证了其优于现有求解器的性能。
2024-03-08 cs.RO
Whole-Body Inverse Kinematics with Graph Diffusion
Large Model Algorithm Lab, Huawei(华为大模型算法实验室)
提出GraphDiff-IK,一种结构感知的图扩散逆运动学框架,通过将机器人表示为运动学图并引入分层消息传递和躯干感知条件,实现了多分支机器人的准确稳定IK求解。
2026-05-23 cs.RO
IKFlow: Generating Diverse Inverse Kinematics Solutions
Duke University(杜克大学);Third Wave Automation(第三波自动化公司);Brown University(布朗大学)
逆运动学--找到达到给定笛卡尔空间末端执行器位姿的关节位姿--是机器人中的常见操作,因为目标和路点通常在笛卡尔空间中定义,但机器人必须在关节空间中控制。然而,现有的逆运动学解算器返回单个解姿势,其中具有多于6个自由度的系统支持无限多个这样的解,这在存在约束、姿势偏好或障碍物时可能是有用的。我们介绍了一种方法,该方法使用深度神经网络来学习从这种运动链的解空间生成一组不同的样本。所得到的样品可以快速(在10 ms内生成2000个解决方案)和准确(精确解决方案的10毫米和2度范围内),并且可以在必要时通过经典方法快速改进。
2022-08-29 cs.RO
A novel partially-decoupled translational parallel manipulator with symbolic kinematics, singularity identification and workspace determination
Changzhou University(常州大学);Nanjing Vocational Institute of Mechatronic Technology(南京机电职业技术学院);Dalian University of Technology(大连理工大学);Laboratoire des Sciences du Numérique de Nantes (LS2N)(南特数字科学实验室)
采用基于位姿特征方程的并联机构拓扑设计方法,提出了一种新型三自由度平移并联机器人。所提出的PM仅由低活动度关节和驱动棱柱关节组成,并对三个重要的运动学问题进行了研究。第一方面涉及TPM的几何建模与其拓扑特征,如POC,自由度和耦合度,从它的符号直接运动学的解决方案很容易获得。此外,输入输出运动的解耦性能直接评估,而无需雅可比分析。随后,基于逆运动学,识别TPM的奇异配置,其中,借助于基于Gr{<$}bner的消除操作来可视化奇异表面。最后,TPM的工作空间的几何方法进行评估。与著名的Delta机器人相比,该3-DOF TPM具有较少的关节和连杆,从而降低了结构复杂性。其符号正运动学和部分解耦特性将简化路径规划和动态分析。TPM可用于制造大型工件。
2021-06-08 cs.RO
Propagative Distance Optimization for Constrained Inverse Kinematics
Carnegie Mellon University(卡内基梅隆大学);Shanghai Jiao Tong University(上海交通大学)
针对约束逆运动学中基于距离方法效率低、传统关节角优化受非线性约束影响的问题,提出PDO-IK,沿运动学链传播计算正运动学与雅可比,显著提升速度、成功率并支持人形机器人实时避障。
2024-06-17 cs.RO
Analytic Robot Self-Model: Learning Screw-Axis Kinematics for Rendering and Model-Based Control
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机学院)
该研究提出无需变形网络或URDF/CAD模板的解析式机器人自模型,通过多视图图像、关节读数和末端执行器位姿识别螺旋轴,在模拟和真实机械臂上验证,末端执行器预测误差优于标称模型,证明仅图像拟合不足。
2026-10-19 cs.RO
Direct Kinematics, Inverse Kinematics, and Motion Planning of 1-DoF Rational Linkages
University of Innsbruck(因斯布鲁克大学);VSB – Technical University of Ostrava(俄斯特拉发技术大学)
本研究提出了一组基于对偶四元数表示的1自由度有理单环机构轨迹规划算法,涵盖正向运动学公式、基于Gauss-Newton搜索的逆向运动学求解及弧长重参数化平滑轨迹生成,可广泛应用于四至七关节机构且无需额外几何分析。
2025-06-02 cs.RO
Kinematic analysis of the 3-RPR parallel manipulator
本文研究了一种3-RPR平面并联机器人的运动学问题。描述了机器人的正逆运动学问题和奇异位形。在并联奇异位形上,移动平台产生的运动可与平行直线机构进行比较。
2007-08-29 cs.RO
Mirror-Descent Inverse Kinematics for Box-constrained Joint Space
National Institute of Informatics (NII)(国立信息学研究所);The Graduate University for Advanced Studies (SOKENDAI)(综合研究大学院大学(SOKENDAI));Nara Institute of Science and Technology(奈良科学技术研究所)
本文提出MD-IK方法,将镜像下降与盒约束关节空间结合,并引入$ε$-clamping和加速技术,以低计算成本实现人形机器人更稳定快速的逆运动学求解。
2022-12-08 cs.RO
Degeneracy study of the forward kinematics of planar 3-RPR parallel manipulators
研究了平面3-RPR并联机器人正运动学退化的两种情况。这些情况以前没有处理过。当三个输入关节变量r1、r2和r3满足一定关系时,出现第一退化。这种简并性产生t中特征多项式的二重根,这可能被错误地解释为两种聚结组装模式。但是,与非退化情况不同的是,这个二重根产生平台位置坐标(x,y)的两组解。在第二种情况下,我们表明,正运动学退化在整个关节空间,如果基地和平台三角形是全等的和平台三角形旋转180度左右的一个方面。对于这些“退化”的机械手,这是第一次定义,正运动学减少到解决一个三次多项式和二次方程的顺序。这样的机械手构成,反过来,一个新的家庭的分析平面机械手,将更适合于工业应用。
2007-07-15 cs.RO
ETA-IK: Execution-Time-Aware Inverse Kinematics for Dual-Arm Systems
Karlsruhe University of Applied Sciences(卡尔斯鲁厄应用科学大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Proximity Robotics & Automation GmbH(近程机器人与自动化公司)
针对仅约束相对位姿的双臂任务,提出ETA-IK,将执行时间与隐式碰撞纳入逆运动学优化,并用神经网络预测高效关节构型,在UR5与KUKA iiwa系统上显著缩短执行时间且保持精度。
2025-10-19 cs.RO
Uniqueness Domains in the Workspace of Parallel Manipulators
École Centrale de Nantes(南特中央理工学院);Université de Nantes(南特大学)
本文研究了并联机器人的新运动学特征。众所周知,并联机器人通常允许几个直接运动学解用于给定的一组输入关节值。本文的目的是描述的唯一域的工作空间的并联机器人,以及他们的形象在关节空间。研究的重点是最常见的情况下,并联机器人只有一个逆运动学解。在[Borrel 86]中为串联机械手引入的方面的概念被重新定义为这样的并联机械手。然后,它表明,它是可能的链接到正向运动学问题的几个解决方案,而不会遇到一个奇点,从而意味着方面是不是唯一域。一组额外的表面,即特征表面,其特征在于将工作空间划分为基本区域并产生新的唯一域。本文以3-RPR平面并联机器人为例进行了研究。空间的八叉树模型用于计算关节空间、工作空间和所有其他新定义的集合。
2007-05-07 cs.RO
Multimodal Control of Manipulators: Coupling Kinematics and Vision for Self-Driving Laboratory Operations
1 Department of Electronics Systems, Aalborg University, Denmark;3 Extreme Robotics Laboratory, School of Metallurgy \& Materials, University of Birmingham, Birmingham, United Kingdom
本文提出三种基于雅可比方法的运动规划方案,结合RRT*算法和螺旋理论,用于优化冗余机械臂与耦合手指夹具的轨迹规划与逆解计算,以提升实验室自动化操作的效率与精度。
2025-12-03 cs.RO
Safety-related Tasks within the Set-Based Task-Priority Inverse Kinematics Framework
University of Cassino and Southern Lazio(卡西诺和南拉齐奥大学)
在本文中,我们提出了一个框架,允许自动处理不同类型的安全相关的任务的机器人手臂的运动控制。所开发的控制器是基于任务优先级逆运动学算法,该算法允许机械手的运动,同时尊重定义在关节或在操作空间中的平等为基础的或基于集合的任务的形式的约束。这使得有可能将任务定义为关节限制、避障或限制操作空间中的工作空间。此外,已经实现了一种使用深度测量实时计算机械手与环境中其他物体之间的最小距离的算法,有效地实现了避障任务。Jaco $^2$机械手的实验,在RGB-D传感器用于障碍物检测的环境中操作,显示所开发的系统的有效性。
2019-05-29 cs.RO
Dual-Arm Whole-Body Motion Planning: Leveraging Overlapping Kinematic Chains
Toyota Research Institute(丰田研究院)
针对高自由度双臂机器人在未知动态环境中实时运动规划的维度灾难问题,提出利用共享关节结构构建双动态路线图并高效搜索其组合的方法,在19自由度机器人上实验实现0.4秒平均规划时间与99.9%成功率。
2025-11-11 cs.RO
Globally Optimal Inverse Kinematics as a Quadratic Program
Faculty of Electrical Engineering, Czech Technical University in Prague(布拉格捷克技术大学电气工程学院)
本文将逆运动学建模为不定二次约束二次规划,以求解通用冗余机械臂的全局最优IK,并可扩展至多关节真实机器人与机械臂设计。
2024-04-27 cs.RO
Kinematic analysis of a class of analytic planar 3-RPR parallel manipulators
分析了一类解析平面3-RPR机器人。这些机械手具有全等的基座和移动平台,并且移动平台围绕平面中的轴旋转180度。运动学正运动学的求解问题依次归结为三次多项式和二次方程的求解。在关节空间中计算并绘制奇点。二阶奇点(杯点),这起着重要的作用,在非奇异变化的装配模式运动,也进行了分析。
2009-09-02 cs.RO
Inverse Kinematics with Dual-Quaternions, Exponential-Maps, and Joint Limits
Newcastle University(纽卡斯尔大学)
我们提出了一种新的方法来解决关节逆运动学问题(例如,字符结构)的迭代双四元数和指数映射的方法。由于双四元数是对规范的突破,并且提供了一种用于表示运动学变换的简单且计算高效的技术(即,位置和翻译)。对偶四元数能够在一个统一的状态空间变量中表示平移和旋转,并具有自己的一组代数方程用于连接和操作。因此,铰接结构可以由一组双四元数变换来表示,我们可以使用逆运动学(IK)来操纵该双四元数变换以实现特定目标(例如,将末端执行器移向目标)。我们使用投影Gauss-Seidel迭代法来解决有关节限制的IK问题。我们的方法是灵活和强大的,足以用于交互式应用程序,如游戏。我们使用数值例子来证明我们的方法,成功地在我们所有的测试用例,并产生令人愉快的视觉效果。
2022-11-02 cs.GR cs.RO
Relaxed-Rigidity Constraints: Kinematic Trajectory Optimization and Collision Avoidance for In-Grasp Manipulation
University of Utah Robotics Center(犹他大学机器人中心);School of Computing, University of Utah(犹他大学计算机学院)
本文提出了一种新的方法来执行掌握操作:移动的问题,从一个初始姿势的手掌参考对象的目标姿势,而不中断或进行接触。我们的方法来执行掌握操纵使用运动学轨迹优化,不需要知道的动态特性的对象。我们实现了我们的方法在Allegro机器人手,并进行了彻底的实验,从YCB数据集的10个对象。然而,所提出的方法是足够一般的机器人可以抓住的大多数物体产生的运动。实验结果支持其在各种物体形状上应用的可行性。我们探索我们的方法,包括避免碰撞和关节空间平滑成本的适应性,以额外的任务要求。抓取的物体通过使用带符号的距离成本函数来避免与环境的碰撞。我们通过要求平滑的关节轨迹来减少未建模对象动态的影响。我们还通过制定对象姿态反馈控制器来补偿轨迹执行过程中遇到的误差。
2018-06-09 cs.RO
Verified Task-Space Motion Planning Under Joint-Space Constraints
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);Mitsubishi Electric Research Laboratories (MERL)(三菱电机研究实验室);MERL
提出一种通过半定规划或二分法计算可验证最大笛卡尔超矩形步长的方法,并将其集成到Bug2规划器中,实现零关节限位违反和100%目标到达率。
2026-05-21 cs.RO
Whole-Body Human Kinematics Estimation using Dynamical Inverse Kinematics and Contact-Aided Lie Group Kalman Filter
Italian Institute of Technology(意大利理工学院);University of Genoa(热那亚大学);University of Manchester(曼彻斯特大学)
在没有位置传感器的情况下,通过可穿戴感测技术对人的全身运动估计是具有挑战性的。本文致力于开发一种基于模型的全身运动学估计算法,使用可穿戴分布式惯性和力-力矩传感。这是通过扩展现有的动态优化为基础的逆运动学(IK)的联合状态估计的方法,级联,包括一个中心的压力为基础的接触检测器和接触辅助卡尔曼滤波器上的李群的浮动基础姿势估计。所提出的方法进行了测试,在一个实验场景中,一个人配备了传感器的西装和鞋进行步行运动。所提出的方法被证明,以获得一个可靠的重建的全身人体运动。
2022-05-16 cs.RO
Fast Functionally Redundant Inverse Kinematics for Robotic Toolpath Optimisation in Manufacturing Tasks
CSIRO(澳大利亚联邦科学与工业研究组织)
本文提出了一种利用任务空间分解方法和阻尼最小二乘法的快速功能冗余逆运动学算法,用于优化机器人在非平面表面的冷喷涂工具路径。
2025-12-10 cs.RO
Neural Inverse Kinematics
Mentee Robotics(Mentee机器人公司)
给定运动链中选定元素的所需位置,反向运动学(IK)方法将恢复关节的参数。虽然这个问题是定义明确且低维的,但它必须快速解决,并考虑到多种可能的解决方案。在这项工作中,我们提出了一个神经IK方法,采用层次结构的问题,顺序采样有效的关节角度的条件下所需的位置和前面的关节沿链。在我们的解决方案中,超网络$f$恢复多个主网络{ $g_1,g_2,\dots,g_N$,其中$N$是关节的数量}的参数,使得每个$g_i$输出可能的关节角度的分布,并且以从先前的主网络$g_j, j<i$获得的采样值为条件。超网络可以在容易获得的匹配关节角度和位置对上进行训练,而无需观察多个解决方案。在测试时,通过从主网络中顺序采样,给出了一个高方差联合分布。我们证明了所提出的方法的优势,无论是在比较其他IK方法孤立的IK实例和关于以下的末端执行器在笛卡尔空间的路径。
2022-05-22 cs.LG cs.RO
Analytical Solution for Inverse Kinematics
Toronto Metropolitan University(多伦多都会大学);Dr Robot Inc.(Dr Robot公司)
针对月球探测漫游车系统的6自由度串联机械臂,提出基于几何原理的逆运动学闭式解析解,相比传统数值方法计算量更低,可提升空间机器人实时操作能力,支撑自主探月任务。
2024-10-29 cs.RO
On the Configurations of Closed Kinematic Chains in three-dimensional Space
University of Innsbruck(因斯布鲁克大学);Montanuniversitaet Leoben(莱奥本矿业大学)
三维欧氏空间中的运动链由通过球形接头连接的$n$连杆组成。当这种链的链节长度在三维中形成闭合多边形链时,这种链被称为处于闭合构型内。我们调查的配置空间,其球形关节的关节角度,满足环路闭合约束,这意味着运动链是封闭的。在特殊情况下,我们可以通过一个简单的域,即一个维度为$n-3$的立方体,找到一组新的参数来描述位形空间的对角长度(关节到原点的距离)。我们希望新的发现可以应用到各种问题,如运动规划的封闭运动链或奇异性分析,其配置空间。为了证明新方法的实际可行性,我们提出了数值例子。
2021-07-19 cs.CG cs.RO
A DH-parameter based condition for 3R orthogonal manipulators to have 4 distinct inverse kinematic solutions
Institut de Recherche en Communications et Cybernétique de Nantes(南特通信与控制研究所)
定位3R操纵器可以具有两个或四个逆运动学解(IKS)。本文推导了具有正交关节轴的3R定位机器人具有四个不同IKS的充要条件。我们表明,2和4 IKS之间的过渡机械手定义的一组机械手的逆运动学的四重根。由此产生的条件是明确的,并指出,最后一个链接长度的机械手必须大于一个数量,取决于其剩余的三个DH参数。这一结果对新型机械手的设计具有参考价值。
2007-09-04 cs.RO
Working and Assembly Modes of the Agile Eye
École de Technologie Supérieure(高等技术学院)
本文对一种特殊的球形平行腕关节--敏捷眼进行了深入的运动学分析。敏捷眼机器人是一种三足球面并联机器人,具有转动关节,相邻关节轴正交。本文首次证明了它的最大特点是其工作空间是无限的,并且只有六条奇异曲线(而不是曲面)。此外,这些曲线对应于移动平台的自运动。本文还表明,与任何其他复杂的空间机器人,敏捷眼(组装模式)的正运动学的四个解决方案有一个简单的几何关系与八个解决方案的逆运动学(工作模式)。
2007-08-29 cs.RO
A Topologist's View of Kinematic Maps and Manipulation Complexity
University of Ljubljana(卢布尔雅那大学)
在本文中,我们结合了最重要的拓扑性质的运动学地图,出现在机器人技术的调查,与一些基本结果的拓扑复杂性的地图的阐述。特别是,我们讨论的机械设备,包括由关节连接的刚性部件,并显示如何的关节的几何形状确定的正向运动学映射,涉及的配置关节与终端效应器的设备。我们解释了如何计算关节空间的尺寸和描述拓扑障碍的运动学地图是纤维化或承认一个连续的部分。在本文的第二部分中,我们定义了一个连续的地图的复杂性,并显示如何的概念可以被视为一个衡量的困难,找到一个强大的操作计划,为一个给定的机械设备。我们还得到了一些基本的估计的复杂性,并将其与操纵计划的不稳定程度。
2017-07-12 cs.RO math.AT
A Deep Reinforcement Learning Approach for Dynamically Stable Inverse Kinematics of Humanoid Robots
Robotics Research Center IIIT Hyderabad(国际信息技术研究所海得拉巴机器人研究中心)
人形机器人极易失去平衡,因此实时的计算动态稳定位形的逆运动学是非常必要的。提出了一种利用深度强化学习(RL)生成稳定构型的关节空间轨迹以求解逆运动学的方法。我们的方法是基于探索整个配置空间的机器人和学习的最佳可能的解决方案,使用深度确定性策略梯度(DDPG)的想法。所提出的策略进行了评估的高度铰接的上半身的人形模型与27度的自由度(DoF)。训练后的模型能够以90%的精度求解末端执行器的逆运动学,同时保持双支撑阶段的平衡。
2018-01-31 cs.RO
The Isoconditioning Loci of A Class of Closed-Chain Manipulators
Institut de Recherche en Cybernétique de Nantes(南特控制论研究所);École Centrale de Nantes(南特中央理工学院);McGill University(麦吉尔大学)
本文研究的对象是一类特殊的闭链机器人。首先,我们分析一族二自由度五杆平面连杆机构。两个雅可比矩阵出现在关节速率和笛卡尔速度矢量之间的运动学关系中,它们被称为"逆运动学"和"正运动学"矩阵。它表明,在工作空间的点的轨迹,其中的条件数的直接运动学矩阵保持不变,即,等条件轨迹是在锁定连杆机构的中间接头时获得的四杆连杆机构的联接器点。此外,如果两个驱动转动体的中心线作为第三个驱动转动体的轴线,则得到一个三自由度的混合机械手。该机械手的等条件轨迹是由二自由度机械手的等条件曲线生成的回转面,其对称轴是第三驱动回转体的对称轴。
2007-07-13 cs.RO
Learning Sequential Kinematic Models from Demonstrations for Multi-Jointed Articulated Objects
School of Computation and AI, ASU, Tempe(计算与人工智能学院,亚利桑那州立大学);AI Institute, Seoul National University, Seoul, South Korea(首尔国立大学人工智能研究所)
提出 OKSM 表示与 Pokenet 网络,从人类演示和点云中学习多自由度铰接物体的运动学约束及操作顺序,并在仿真、真实数据和 Sawyer 机器人上验证。
2025-05-09 cs.AI cs.RO
Inverse Kinematics for Serial Kinematic Chains via Sum of Squares Optimization
University of Toronto(多伦多大学);University of Zagreb(萨格勒布大学);Vector Institute(向量研究所)
逆运动学是关节型机器人的一个基本问题:需要快速准确的算法将任务相关的工作空间约束和目标转换为可行的关节配置。一般来说,串联运动链的逆运动学是一个困难的非线性问题,很难获得封闭形式的解。因此,计算效率高的数值方法,可以适应一般类的机械手是非常重要的。%到运动规划和工作空间生成任务。本文利用凸优化技术求解了二维和三维高冗余度球铰串联运动链带关节极限约束的逆运动学问题。这是通过一种新的制定逆运动学作为最近点问题,并与快速平方和求解器,利用串行机械手的运动约束的稀疏性。我们的方法具有全局最优性的事后认证和多项式的自由度自由度的数量缩放的运行时间的优点。此外,我们证明了我们的凸松弛导致一个全局最优解时,满足一定的条件,并证明经验,这些条件是常见的,并代表许多实际情况。最后,我们提供了我们的算法的开源实现。
2020-10-29 cs.RO math.OC
Simple inverse kinematics computation considering joint motion efficiency
Hokkaido University(北海道大学)
本文针对工业串联机械臂逆运动学问题,提出一种基于NLSPSA的简单优化计算方案,通过同时评价末端执行器位姿精度和关节运动效率,实现兼顾精度与运动效率的实用逆运动学求解。
2024-03-29 cs.RO cs.SY eess.SY
Computing Robust Inverse Kinematics Under Uncertainty
Stony Brook University(石溪大学)
机器人任务,如达到预抓取配置,在末端执行器空间或任务空间中指定,而机器人运动在关节空间中控制。由于关节空间固有的驱动误差,机器人不能在任务空间精确地实现所需的配置。此外,不同的逆运动学(IK)解决方案不同地将关节空间误差集映射到任务空间。因此,对于具有规定误差容限的给定任务,不能保证所有IK解决方案都能成功执行任务。任何保证执行任务(可能具有高概率)而不考虑关节空间误差的实现的IK解决方案称为鲁棒IK解决方案。在本文中,我们制定和解决的鲁棒逆运动学问题的冗余度机械手与驱动不确定性(误差)。我们还提出了模拟和实验结果的$7$ -自由度冗余机械手的两个应用程序,即,预把握定位和预插入定位的情况。我们的研究结果表明,强大的IK解决方案导致更高的成功率,也允许机器人自我评估它在任何应用场景中可能有多成功。
2019-10-24 cs.RO cs.SY eess.SY
Inverse Kinematics for a 6-Degree-of-Freedom Robot Manipulator Using Comprehensive Gröbner Systems
University of Tsukuba, Tsukuba, Japan(茨口大学)
提出用综合Gröbner系统求解六自由度机械臂逆运动学,推广至相邻关节轴相交情形,实验验证有效性。
2025-09-06 cs.RO cs.SC math.AC
A comparative study of human inverse kinematics techniques for lower limbs
本研究针对现有逆运动学(IK)技术计算成本高、易生成不切实际关节构型的问题,对应用于人体下肢的主流IK方法开展全面对比,基于计算效率与生成符合关节活动范围的真实姿态的能力进行评估,为生物力学和动画领域的IK方案优化提供参考。
2024-09-13 cs.AI cs.RO
IK-PSO, PSO Inverse Kinematics Solver with Application to Biped Gait Generation
本文介绍了一种新的方法,允许生成一个简化的Bévet步态。该方法结合了经典的动力学建模和基于粒子群优化算法的逆运动学求解器。首先,倒立摆,IP,用于获得简化的动力学模型的机器人和计算的目标位置的一个关键点,质心,COM。所提出的算法,称为IK-PSO,逆运动学PSO,返回和逆运动学的解决方案,COM尊重关节约束。在本文中,惯性权重粒子群算法的变种是用来产生一个可能的解决方案,根据稳定的适应度函数和一组关节运动约束。该方法成功地应用于腿部运动生成。由于基于预先计算的COM,这满足了机器人的稳定性,因此该建议还允许在小尺寸的机器人上规划步行应用。
2012-12-08 cs.AI cs.RO
An Overview of Formulae for the Higher-Order Kinematics of Lower-Pair Chains with Applications in Robotics and Mechanism Theory
本文综述了低副链高阶动力学的公式,提出闭式和递推关系及各向异性动力学关系的泰勒展开,用于机器人和多体系统的运动控制与动力学。
2026-06-28 cs.NA cs.RO math.DS
MimicIK: Real-Time Generative Inverse Kinematics from Teleoperation with FK Consistency
Ising AI;CUHK-Shenzhen(香港中文大学(深圳))
提出MimicIK框架,利用条件流匹配从遥操作数据学习平滑鲁棒的关节空间运动先验,通过两阶段迭代优化和正运动学一致性损失实现实时逆运动学求解,在6-DOF机器人数据集上达到4.65mm位置误差和92.01%成功率。
2026-06-17 cs.AI cs.RO
Structured Prediction for CRiSP Inverse Kinematics Learning with Misspecified Robot Models
RIKEN Center for AI Project(日本理化学研究所人工智能项目中心);Istituto Italiano di Tecnologia(意大利技术研究所);Massachusetts Institute of Technology(麻省理工学院);Università degli Studi di Genova(热那亚大学);University College London(伦敦大学学院)
随着机器学习的最新进展,传统上需要精确建模才能分析解决的问题现在可以通过数据驱动策略成功解决。其中,计算冗余机器人手臂的逆运动学提出了一个重大的挑战,由于机器人的非线性结构,硬关节约束和不可逆的运动学地图。此外,大多数学习算法考虑一个完全的数据驱动的方法,而往往是有用的信息的结构的机器人是可用的,应该积极利用。在这项工作中,我们提出了一个简单的,但有效的,学习的逆运动学的方法。我们引入了一种结构化预测算法,该算法将数据驱动策略与正运动学函数提供的模型相结合-即使该函数被错误指定-以准确地解决问题。所提出的方法,确保预测的关节配置以及机器人的约束。我们还提供了统计保证我们的估计的泛化性能,以及经验评估其性能的轨迹重建任务。
2021-03-30 cs.LG cs.RO
A Tightly Coupled IMU-Based Motion Capture Approach for Estimating Multibody Kinematics and Kinetics
Delft University of Technology(代尔夫特理工大学)
提出一种通过IEKF将IMU与多体动力学模型紧耦合的动作捕捉方法,可仅用加速度计和陀螺仪同时估计运动学与动力学,并在摆和Kuka机器人上验证了精度。
2025-05-13 cs.RO cs.SY eess.SY
Integrated Drill Boom Hole-Seeking Control via Reinforcement Learning
University of Science and Technology Beijing(北京科技大学);University of Science and Technology of China(中国科学技术大学);Tsinghua University(清华大学)
本文提出基于强化学习的集成钻臂寻孔控制方法,通过参数化策略直接生成全关节控制输入,避免逆运动学求解,并结合D-H关节信息与前瞻偏差数据提升钻孔精度和效率。
2023-12-04 cs.AI cs.RO
The Geometry of Optimal Gait Families for Steering Kinematic Locomoting Systems
Collaborative Robotics and Intelligent Systems (CoRIS) Institute at Oregon State University(俄勒冈州立大学协作机器人与智能系统(CoRIS)研究所);Johns Hopkins University(约翰斯·霍普金斯大学)
本文研究运动学移动系统的最优步态族几何,提出全局与局部搜索结合的方法构建连续步态族,增强可控性,并在三连杆游泳器上验证,为低层控制与高层规划集成奠基。
2025-02-24 cs.RO math.OC
Differentiable Forward Kinematics for TensorFlow 2
TU Wien(维也纳工业大学);University of Innsbruck(因斯布鲁克大学)
机器人系统通常很复杂,依赖于大量软件组件的集成。机器人系统中的一个重要组成部分提供了正运动学的计算,这是运动规划和感知相关的组件所需要的。基于深度学习的端到端学习系统需要在组件边界上传递梯度。正运动学的典型软件实现是不可微的,因此无法构建基于梯度的端到端学习系统。在本文中,我们提出了一个与ROS-URDF兼容的库,它可以计算正运动学,同时可以访问梯度w.r.t.联合配置和模型参数,允许基于梯度的学习和模型识别。我们的Python库基于Tensorflow~2,并且是可自动微分的。它支持在GPU上并行计算大量的运动学配置,与基于CPU的顺序计算相比,性能有了相当大的提高。https://github.com/lumoe/dlkinematics.git
2023-03-10 cs.RO cs.SE
Prioritized Inverse Kinematics: Desired Task Trajectories in Nonsingular Task Spaces
Technical University of Munich(慕尼黑工业大学);German Aerospace Center(德国航空航天中心)
一个优先逆运动学(PIK)解决方案可以被认为是一个(调节或输出跟踪)控制律的动力系统优先多个输出。我们提出了一种方法,保证从一类PIK解决方案产生的联合轨迹存在唯一的非奇异配置空间。我们首先假设所需的任务轨迹停留在非奇异任务空间,并找到任务轨迹停留在所需的任务轨迹的邻域中的条件,在该邻域中,我们可以保证在非奇异配置空间中的联合轨迹的存在性和唯一性。基于这个结果,我们找到了任务收敛的充分条件,并分析了各种稳定性的概念,如稳定性,一致稳定性,一致渐近稳定性,指数稳定性在连续和离散时间。我们讨论了为什么任务的数量是有限的离散时间,并显示如何预处理可以用来克服这个限制。
2019-10-23 cs.RO cs.SY eess.SY
Leveraging CVAE for Joint Configuration Estimation of Multifingered Grippers from Point Cloud Data
Université Paris-Saclay, CEA, List(巴黎-萨克雷大学,法国国家科学研究中心,List)
本文提出利用CVAE从点云数据联合估计多指抓取器关节配置,通过机器学习提高效率和准确性。
2025-11-21 cs.AI cs.CV cs.RO
Kinematics-Grounded Agentic AI for Robotic Additive Manufacturing Process Planning
University of Connecticut(康涅狄格大学);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
提出A-RAM智能体框架,结合LLM与领域工具,实现机器人增材制造工艺规划的执行前评估,显著降低关节抖动并缩短规划时间。
2026-09-18 cs.AI cs.RO cs.SY
Incorporating General Contact Surfaces in the Kinematics of Tendon-Driven Rolling-Contact Joint Mechanisms
Korea Institute of Science and Technology(韩国科学技术研究院)
本文首次建立了一般接触曲面腱驱动滚动接触关节在外部载荷下的运动学模型,提出递推方程和迭代算法,并通过原型实验验证了构型预测的准确性。
2024-09-01 cs.RO
A Unified Kinematic Representation Enables Reusable Biological Joint Moment Estimation
Carnegie Mellon University(卡内基梅隆大学)
本文提出以关节运动学为中间表示解耦硬件传感,使仅用开源数据训练的关节力矩估计器可跨髋/膝外骨骼及IMU平台使用,RMSE达0.15-0.19 Nm/kg,R2达0.62-0.85。
2026-10-08 cs.RO