DawnIK: Decentralized Collision-Aware Inverse Kinematics Solver for Heterogeneous Multi-Arm Systems
University of Bonn(波恩大学);Lamarr Institute for Machine Learning and Artificial Intelligence(拉马尔机器学习和人工智能研究所)
DawnIK提出一种基于加权代价函数与非线性优化的去中心化逆运动学方法,无需逆雅可比计算或冗余自由度,即可实现异构多臂系统在相交工作空间中的无碰撞轨迹跟踪,性能优于CollisionIK。
2023-10-31 cs.RO cs.SY eess.SY
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
Infinite-Dimensional Closed-Loop Inverse Kinematics for Soft Robots via Neural Operators
Department of Mechanical Engineering, Stanford University(机械工程系,斯坦福大学);Institute of Applied Mechanics, Friedrich-Alexander-Universität Erlangen–Nürnberg(应用力学研究所,弗赖堡-艾尔兰根-纽伦堡大学);Cognitive Robotics Department, Delft University of Technology(认知机器人系,代尔夫特理工大学)
本文提出通过神经算子网络解决软机器人无限维闭环逆运动学问题,结合驱动到形状的映射与形状到任务的映射,实现基于雅可比的CLIK算法。
2026-10-12 cs.RO cs.SY eess.SY
Integrated Hierarchical Decision-Making in Inverse Kinematic Planning and Control
University of Cambridge(剑桥大学)
本文提出一种高效的非线性规划框架,整合分层决策与全身逆运动学规划控制,解决逆运动学规划中同时选择端效应器位置的问题。
2026-06-06 cs.RO
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
Three-dimensional geometric resolution of the inverse kinematics of a 7 degree of freedom articulated arm
Universidad de Vigo(维戈大学)
本文提出一种三维几何解析方法,通过运动学解耦将7自由度关节臂逆运动学转化为几何模型,实现包括手部在内的完整精确求解。
2024-09-03 cs.RO
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
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
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
IKBT: solving closed-form Inverse Kinematics with Behavior Tree
University of Washington(华盛顿大学)
串联机器人手臂具有复杂的运动学方程,必须求解这些方程以编写有效的手臂规划和控制软件(逆运动学问题)。现有的逆运动学软件包往往依赖于数值方法,有显着的缺点。在这里,我们报告了一个新的符号逆运动学求解器,克服了数值方法的局限性,和以前的符号软件包的缺点。我们集成了行为树,以前用于控制智能机器人行为的执行规划框架,组织方程求解过程,以及每个解决方案技术的模块化架构。该系统成功地解决了问题,生成了LaTex报告,并为19个4-6自由度示例机器人中的18个生成了Python代码模板。该系统易于扩展、维护和多平台,依赖性很小。完整的软件包可以在Github上通过Modified BSD许可证获得。
2017-12-07 cs.AI 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
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
CASCLIK: CasADi-Based Closed-Loop Inverse Kinematics
NTNU, Norwegian University of Science and Technology(挪威科技大学);SINTEF DIGITAL(挪威科技工业研究院数字部门)
提出了一种基于约束的闭环逆运动学控制器快速原型设计的Python模块。该模块允许组合多个任务,这些任务通过基于二次、非线性或模型预测优化的方法或基于集合的任务优先级逆运动学方法来解决。基于优化的方法描述了与基于集合的任务方法,并提出了一种新的多维“切锥”功能的基于集合的任务。提供了一个ROS组件,和控制器进行测试,匹配的姿态使用变换矩阵或双四元数,轨迹跟踪,同时保持在一个有界的工作空间,最大限度地提高可操作性在跟踪任务,跟踪输入标记的位置,和力的顺应性。
2019-01-20 cs.RO
Closed-form solutions for the inverse kinematics of serial robots using conformal geometric algebra
KU Leuven – University of Leuven(鲁汶大学);University of Cambridge(剑桥大学)
本文利用共形几何代数求解串联机器人的逆运动学。经典的方法包括使用齐次矩阵,这需要很高的计算成本和执行时间或特定的几何策略,不能推广到任意串行机器人的发展。在这项工作中,我们提出了一个紧凑的,优雅的和直观的配方的机器人运动学的基础上共形几何代数,提供了一个合适的框架的封闭形式的解决方案的逆运动学问题的机械手与球形手腕。对于这类串联机器人,逆运动学问题可以分为两个子问题:位置和方向问题。后者是通过适当地分裂成三个简单的转子定义的目标方向的转子解决,而前者是通过开发一个几何策略,形成的位置部分的机器人的棱柱和旋转关节的每个组合。最后,通过推广非冗余情况下的几何解,求解了7自由度球腕冗余度机器人的运动学逆解。
2022-03-14 cs.CG cs.RO
A Combined Inverse Kinematics Algorithm Using FABRIK with Optimization
Harbin Institute of Technology(哈尔滨工业大学)
正向和反向运动学逆运动学(FABRIK)是一种启发式的逆运动学求解器,由于其收敛速度快、生成的位形更接近实际,正逐渐被应用于机械手的逆运动学求解。然而,在高误差约束下,FABRIK表现出不稳定的收敛行为,这是不令人满意的实时运动规划的机械手。将FABRIK算法与序列二次规划(SQP)算法相结合,提出了一种新的逆运动学算法。实验结果表明,在高误差约束下,该算法比FABRIK算法具有更高的成功率和更快的求解时间。此外,该组合算法可以生成连续的轨迹UR5和KUKA LBR IIWA 14 R820机械手在路径跟踪没有位姿误差和允许的位置误差的末端执行器。
2022-09-06 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
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
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
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
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
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
Inverse kinematic solution for generic 3R positional robots using Conformal Geometric Algebra
该研究针对通用3R位置机器人的逆运动学问题,采用共形几何代数(CGA)方法,将问题转化为两圆交点求解,直接得到关于θ₂的单变量多项式,无需消去θ₁和θ₃,拓展了逆运动学的几何解释并简化了求解过程。
2026-09-02 cs.RO
Riemannian Optimization for Distance-Geometric Inverse Kinematics
University of Toronto, Institute for Aerospace Studies(多伦多大学航空航天研究所);University of Zagreb, Faculty of Electrical Engineering and Computing(萨格勒布大学电气工程与计算学院)
该研究将基于距离的逆运动学等价为距离几何问题,提出在固定秩 Gram 矩阵黎曼流形上补全部分欧氏距离矩阵,并用边界平滑初始化,以提升多约束问题的求解成功率。
2023-12-10 cs.RO
NODE IK: Solving Inverse Kinematics with Neural Ordinary Differential Equations for Path Planning
Seoul National University(首尔国立大学);NJIT(新泽西理工学院)
提出了一种用于关节型机器人路径规划的逆运动学求解器。IK是机器人操作中一个传统而又重要的问题。最近,数据驱动的方法已被提出来快速解决路径规划的IK。这些方法可以利用GPU的优势一次处理大量的IK请求。然而,准确性仍然很低,并且模型需要相当长的时间进行训练。因此,我们提出了一个IK求解器,通过利用神经ODE的连续隐藏动力学来提高精度和内存效率。使用多个机器人的性能进行比较。
2022-09-01 cs.RO
CEMSSL: Conditional Embodied Self-Supervised Learning is All You Need for High-precision Multi-solution Inverse Kinematics of Robot Arms
针对机器人手臂逆运动学多解且精度不足的问题,提出条件具身自监督学习(CEMSSL)统一框架,将现有条件深度生成模型的精度提升2-3个数量级,并保持其特性,可扩展至其他多解逆问题。
2025-04-23 cs.RO
Inverse Kinematics of Some General 6R/P Manipulators
Research Institute for Symbolic Computation, Johannes Kepler University(约翰内斯·开普勒大学符号计算研究所);University of the Philippines Diliman(菲律宾大学迪里曼分校)
本文在HuPf算法的基础上,提出了一种求解一般串联2 RP 3R、2 R 2 P 2 R、3RP 2 R和6 R机器人逆运动学的算法。我们通过对偶四元数在$\mathbb{P}^7$中用一个拟投射簇识别了该操纵器的3-子链。这允许我们计算描述包含这些3-子链的子链的线性空间的线性形式。我们提出的数值例子,说明了算法,并显示真正的解决方案。
2019-06-11 cs.CG cs.RO
Learning-based Estimation of Forward Kinematics for an Orthotic Parallel Robotic Mechanism
University of California, Riverside(加州大学河滨分校);Columbia University(哥伦比亚大学)
针对面向颈椎病辅助的三链五自由度并联机器人,本文用 Koopman 算子和神经网络学习正运动学,并通过仿真与硬件实验验证其有效性。
2025-03-14 cs.RO cs.SY eess.SY
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
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
A Design and an Implementation of an Inverse Kinematics Computation in Robotics Using Real Quantifier Elimination based on Comprehensive Gröbner Systems
University of Tsukuba(筑波大学);Tokiwa Senior High School(常盘高等学校)
提出一种结合 CGS 的实量词消去方法,用于三自由度机械臂逆运动学求解,可预先验证参数可行性并复用预计算结果以避免重复计算 Gröbner 基。
2023-04-21 cs.RO cs.SC math.AC
P-FABRIK: A General Intuitive and Robust Inverse Kinematics Method for Parallel Mechanisms Using FABRIK Approach
ShanghaiTech Automation and Robotics (STAR) Center, School of Information Science and Technology, ShanghaiTech University(上海科技大学自动化与机器人中心(STAR)中心,信息科学与技术学院,上海科技大学)
P-FABRIK是一种基于FABRIK算法的通用逆运动学方法,通过拓扑分解策略解决冗余并联机构的逆运动学问题,具有鲁棒性和高效性。
2025-12-28 cs.RO
Actuator-Aware Inverse Kinematics with Joint-Limit Admissibility for Torque-Controlled Redundant Robots
Unit of Automation Technology and Mechanical Engineering, Faculty of Engineering and Natural Sciences(自动化技术与机械工程单位,工程与自然科学学院)
提出一种基于凸二次规划的逆运动学方法,通过控制障碍函数约束关节极限,并利用控制器兼容性目标解决冗余,实现无需修改下层控制器的任务行为改善。
2026-05-29 cs.RO
Analytical Inverse Kinematics for a 5-DoF Robotic Arm with a Prismatic Joint
Cornell University(康奈尔大学)
提出了一种具有一个移动关节和四个转动关节的机器人手臂的逆运动学的解析解。这种5自由度设计是在可穿戴使用环境中最小化重量同时保留设备功能的结果。通常,由于系统受到过度约束,5自由度机器人的IK问题不能保证解决方案。我们通过应用几何投影和限制每个自由度的运动范围来获得解析解。我们通过重建随机采样的末端执行器姿势来验证这种解决方案,并发现位置误差低于2厘米,方向误差低于4度。
2020-11-14 cs.RO
Inverse kinematics and path planning of manipulator using real quantifier elimination based on Comprehensive Gröbner Systems
University of Tsukuba(筑波大学)
本文提出基于综合Gröbner系统的CGS-QE方法,用于三自由度机械臂的逆运动学求解、轨迹规划与整条路径可行性验证,并通过避免Gröbner基重复计算提升效率。
2023-07-11 cs.RO cs.SC math.AC
Embodied Self-Supervised Learning (EMSSL) with Sampling and Training Coordination for Robot Arm Inverse Kinematics Model Learning
Peking University(北京大学)
针对机器人手臂逆运动学模型学习中的非凸难题,提出基于具身自监督学习(EMSSL)的采样与训练协调框架,通过批量推理和并行计算加速学习,并实现模型快速适应,实验验证了其有效性。
2025-04-23 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
Viscoelasticity Estimation of Sports Prosthesis by Energy-minimizing Inverse Kinematics and Its Validation by Forward Dynamics
The University of Tokyo(东京大学)
本研究针对运动假肢粘弹性估计与三维变形研究不足的问题,提出结合PCS模型、弹性能最小化逆运动学与二次规划的粘弹性估计方法,经前向动力学验证可准确建模假肢动态特性。
2024-10-08 cs.RO
MorphIK: Morphology-Conditioned Neural Inverse Kinematics for Unknown Robots
University of Hamburg(汉堡大学)
MorphIK提出一种基于流匹配和Transformer的形态条件神经逆运动学模型,能在未见机器人上实现约5厘米精度,并作为先验经优化降至亚毫米级,同时支持零空间多样化采样。
2026-09-25 cs.AI cs.RO
An Efficient Multi-solution Solver for the Inverse Kinematics of 3-Section Constant-Curvature Robots
Zhejiang University(浙江大学)
针对三段常曲率连续体机器人的逆运动学问题,提出一种结合理论约简、误差有界近似与数值修正的高效多解求解器,在单解场景下效率与成功率优于传统数值方法,还可支持障碍空间下的多解路径规划。
2023-05-02 cs.RO
Inverse Kinematics, Identification, RIC-based Control, and implementation of an Aerial Manipulator
Egypt-Japan University of Science and Technology(埃及-日本科学技术大学)
本文对一种新型空中操作系统进行了逆运动学分析和参数辨识。该系统由连接到四旋翼底部的2连杆机械手组成。这个新系统提出了一个解决方案,在目前的四旋翼操纵系统中发现的局限性。通过导出逆运动学,可以设计控制器,使得可以跟踪期望的末端执行器位置和取向。为了研究所提出的系统的可行性,一个四旋翼有足够高的有效载荷,以增加2连杆机械手的设计和建造。介绍了该系统的实验装置,并进行了转子参数的实验。它的参数被识别用于所提出的系统的仿真和控制器设计。基于牛顿-欧拉法对系统动力学进行了简要推导。所提出的系统的控制器的鲁棒内环补偿器(RIC)的基础上设计的模糊模型参考学习控制(FMRLC)技术,这是以前设计和测试所提出的系统相比。这些控制器进行了测试,以提供系统的稳定性和轨迹跟踪的影响下,采摘以及放置有效载荷和改变操作区域的影响下。仿真框架在MATLAB/SIMULINK环境下实现。仿真结果表明了逆运动学分析和控制方法的有效性。
2020-04-12 cs.RO
Multi-task closed-loop inverse kinematics stability through semidefinite programming
Institut de Robòtica i Informàtica Industrial, CSIC-UPC(机器人与工业信息研究所(CSIC-UPC));NASA-JPL, California Institute of Technology(美国国家航空航天局喷气推进实验室,加州理工学院)
当今复杂的机器人设计在某些情况下包括大量的自由度,使得能够实现多目标任务解决方案(例如,人形机器人或空中操纵器)。本文针对这种高冗余度机器人,研究了分层闭环逆运动学算法的稳定性问题。我们提出了一种方法来保证系统的稳定性,通过执行的闭环控制增益的在线调整。我们定义了一个半定规划问题(SDP),这些收益作为决策变量和离散时间李雅普诺夫稳定性条件作为一个线性矩阵不等式,约束SDP优化问题,并保证优先任务的稳定性。据作者所知,这项工作是第一次数学发展的SDP制定,引入稳定性条件的多目标闭环逆运动学问题的高度冗余机器人。所提出的方法的有效性证明通过模拟案例研究,包括教学的例子和Matlab工具箱,为社会的利益。
2020-04-23 cs.RO
Kinematic Synthesis of Parallel Manipulator via Neural Network Approach
University of Mazandaran(马赞达兰大学)
在本研究中,人工神经网络(ANN)已被用作一个强大的工具来解决并联机器人的逆运动学方程。为此目的,我们已经开发的Tricept并联运动机构的运动方程,两个旋转和一个平移自由度(DoF)。使用的分析方法,逆运动学方程求解特定的轨迹,并作为输入应用人工神经网络。两种应用网络(多层感知器网络和径向基函数网络)的结果都满足求解复杂逆运动学的性能要求,具有适当的精度和速度。
2019-04-08 cs.LG cs.RO stat.ML
Comparison of Distal Teacher Learning with Numerical and Analytical Methods to Solve Inverse Kinematics for Rigid-Body Mechanisms
University of Bremen(不来梅大学);German Research Center for Artificial Intelligence (DFKI GmbH)(德国人工智能研究中心)
几个出版物都与学习逆运动学,然而,他们的评价往往是有限的,没有一个建议的方法是实际相关的刚体运动学与已知的前向模型。我们认为,对于刚体运动学的第一个提出的机器学习(ML)的解决方案之一,逆运动学-远端教学(DT)-实际上是足够好的,当与可微编程库相结合,我们提供了一个广泛的评估和比较的分析和数值解决方案。特别是,我们分析了解决率,准确性,样本效率和可扩展性。此外,我们研究了DT如何处理关节限制,奇点,无法到达的姿势,轨迹,并提供了执行时间的比较。这三种方法进行了评估三个不同的刚体机制具有不同的复杂性。有了足够的训练数据和宽松的精度要求,DT具有更好的求解速度,比15自由度机构的最先进的数值求解器更快。DT不受奇点的影响,而数值解容易受到奇点的影响。在所有其他情况下,数值解通常更好。如果可以的话,分析解决方案远远优于其他方法。
2020-02-29 cs.LG cs.RO
Analytical Inverse Kinematic Solution for "Moz1" NonSRS 7-DOF Robot arm with novel arm angle
Ke CHEN
本文提出了一种针对Moz1七自由度机器人臂的解析逆运动学解法,通过引入新型臂角解决奇异性问题并提供完整的解空间。
2026-02-04 cs.RO math.OC
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
Prioritized Inverse Kinematics: Nonsmoothness, Trajectory Existence, Task Convergence, Stability
German Excellence Initiative(德国卓越计划);Institute of Robotics and Mechatronics, German Aerospace Center(机器人与机电研究所,德国航空航天中心)
本文研究了一类优先级逆运动学(PIK)解的理论性质,探讨了其作为动态系统优先级多输出的输出调节或跟踪控制律的特性。首先,开发了研究PIK解非光滑性的工具,并发现非光滑性的充分条件。这表明经典定理无法保证满足PIK解的关节轨迹存在性和唯一性。因此,构建了一个利用PIK解结构信息的替代存在性和唯一性定理。接着,将PIK解的类别缩小到所有任务都遵循某些期望任务轨迹的情况,并发现与任务收敛性相关的性质。进一步分析了当所有任务都达到某些期望任务位置时,由PIK解作为右侧的微分方程的平衡点的稳定性。最后,通过一个双臂机械臂的例子,展示了如何利用这些发现来分析由PIK解生成的关节轨迹行为。
2020-01-23 cs.RO cs.SY eess.SY
LOInK: Learned Optimal Inverse Kinematics via Structured Neural Surrogate Models
The University of Sydney(悉尼大学)
LOInK通过结构化神经代理模型学习配置空间到解耦任务/潜在空间的双Lipschitz映射,将成本最小化解置于原点,利用算子分裂实现高效采样,在机械臂、四足攀爬机器人和软体执行器上验证了其快速生成近最优解的能力。
2026-09-21 cs.RO
Globally Optimal Solution to Inverse Kinematics of 7DOF Serial Manipulator
CIIRC CTU in Prague(布拉格捷克理工大学信息、机器人与控制研究所);Sorbonne Université, LIP6 CNRS(索邦大学,法国国家科学研究中心LIP6实验室);LAAS-CNRS, FEE CTU in Prague(法国国家科学研究中心系统分析与架构实验室,布拉格捷克理工大学电气工程学院)
逆运动学(IK)问题是在运动学和碰撞约束条件下,确定机器人的控制参数,使机器人运动到期望的位置。针对一般串联七自由度转动关节机械臂的最优IK问题,给出了一个全局解和一个二次多项式目标函数。我们表明,由于旋转的运动学约束都可以产生的二次多项式。这是很重要的,因为它显着简化进一步的步骤,我们发现最佳解决方案的拉塞尔松弛的非凸多项式系统。我们证明了第二松弛是有效的解决7DOF IK问题。我们的方法是全球最优的。我们证明了该方法的7自由度KUKA LBR IIWA机械手,并表明,我们能够计算出最佳IK或证明不可行的99%的测试姿势。
2020-07-24 cs.RO cs.SC math.OC
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
Choosing the Correct Generalized Inverse for the Numerical Solution of the Inverse Kinematics of Incommensurate Robotic Manipulators
University of Missouri-Columbia(密苏里大学哥伦比亚分校)
本文针对不公度机器人逆运动学问题,提出基于混合广义逆的系统数值解法,并通过六种操作臂实验证明正确选择广义逆对保持单位一致性等系统性质至关重要。
2023-08-05 cs.RO
Bald Eagle Search Algorithm for High Precision Inverse Kinematics of Hyper-Redundant 9-DOF Robot
B.M.S. College of Engineering(B.M.S.工程学院)
本文针对超冗余9自由度机器人逆运动学求解问题,比较多种元启发式优化算法,发现白头鹰搜索算法在末端执行器定位精度和位置误差方面表现最优。
2023-08-04 cs.RO
Handling robot constraints within a Set-Based Multi-Task Priority Inverse Kinematics Framework
University of Cassino and Southern Lazio(卡西诺与南拉齐奥大学)
基于集合的多任务优先是一个新的框架来处理冗余结构的逆运动学。这两项平等任务,即,要驱动到期望值的控制目标,以及基于集合的任务,即,可以在优先级框架内以严格的方式来处理要满足一组/一系列值的控制目标。此外,也可以考虑由适当函数的梯度驱动的优化任务,通常作为较低优先级的任务。在本文中,提出了适当的设计任务,他们的优先级和使用一个基于集合的多任务优先级框架,以处理多个约束,同时在实时。它表明,安全相关的任务,例如,关节限制或运动学奇异性,可以通过将它们以较高优先级考虑为基于集合的任务和以较低优先级考虑在适当的优化函数内来适当地处理。七自由度Jaco $^2$的实验结果
2019-05-30 cs.RO
Forward and Inverse Kinematics of a Single Section Inextensible Continuum Arm
DePaul University(德保罗大学)
连续体手臂,如躯干和肌腱机器人,位于刚性和软体机器人的两个末端之间,并承诺在可操作性,灵活性和顺应性方面获得两个世界的最佳状态。本文提出了一种新的运动学模型的一种新的恒定长度的连续体机器人,包括软,刚性元件。与传统的双驱动可变长度连续臂相比,所提出的设计利用超冗余刚性链来提供额外的结构强度。该模型引入了降阶映射,以考虑刚性连接链产生的机械约束,从而推导出封闭形式的曲线参数模型。对该模型进行了数值计算,结果表明该模型是可靠的.
2019-07-15 cs.RO
Collision-Free Inverse Kinematics Through QP Optimization (iKinQP)
Naval Research Laboratory(海军研究实验室)
提出一种基于二次规划的逆运动学方法iKinQP,通过将碰撞设为硬约束并优化平滑性,实现冗余机械臂实时生成无碰撞轨迹。
2023-08-29 cs.RO