営業担当に問い合わせ
Learnに戻る

ML エンジニアのためのロボット・キネマティクス: 基本知識

ロボットで働く機械学習技術者にとって必須のシナマティック知識 <unk> 前向き/逆向きのシナマティック,ジャコビアン,アクションスペース

[←学び]

機械腕の作業にはロボット工学博士号は必要ありませんが 関節角がカルテジアン運動とどのように関係しているかを理解する必要があります

ML エンジニア が 運動 技法 を 必要 と する 理由

ロボット学習方針を訓練する際には, action space を選択する必要があります.ネットワークの出力数とロボットにとって意味はどれか.その選択は, 共同角対カルテジアンデルタ対エンドエフェクターポーズに対する 選択が, 政策の概括性,ハードウェアの損傷を引き起こす可能性,学習問題の簡単さに直接影響します.

機械が予想外の動きを起こす理由を 解明する時間もかかります ジオメトリを理解することで 混乱した状態で RVizを眺める時間を節約できます

フォワード・キネマティック

**前進運動学 (FK) ** 回答:ロボットの関節角を考慮すると,最終効果子はどこにあるのか?

公式には:入力は関節角ベクトル T0 (関節ごとに1角) である.出力はエンドエフェクターポーズ T1,位置 (x, y, z) と方向 (回転マトリックス 3×3) をコードする4×4均質変換である.

FKは,腕のデナビート-ハーテンバーグ (DH) パラメーターから得られた各関節変換の連鎖を倍増することによって計算されます.これは決定的,高速,閉式計算です.

逆転運動

**逆運動学 (IK) **は逆の質問に答えます:望ましいエンドエフェクターポーズを考慮すると,どの関節角がそれを達成するのでしょうか?

これは3つの理由から難しい

  • **非独特性:**複数の関節構成はしばしば同じカルテスポーズに達する.7DOF腕はほとんどのポーズに無限多くのソリューションを持っています.
  • 非線性: FK方程式は非線性 (関節角の三角形関数を含む),したがって IK は単純な矩形逆で解決することはできません.
  • 解決法なし: 必要な姿勢は,アクセス可能な作業場の外にある.

IKは分析的に (特定の腕の幾何学に由来する閉式式式 速が腕特異) または数値的に (反復式ジャコビアンベースの方法 一般目的が遅いし,ローカル最小値に収束する) 解決されます.

ジャコビアンマトリックス

機械政策に取り組む MLエンジニアにとって,おそらく最も重要な概念は,ジャコビアンマトリックス (T4) です.

結合角度における小さな変化が,エンドエフェクターカーテジアン位置と方向における小さな変化にどのように翻訳されるかを記述します.

ẋ = J(q) · q̇

T6は,終効果素速度 (3 変換 + 3 回転) と T7は,関節速度ベクトルである.ジャコビアンは6×n形である.

実践的にはジャコビアン語は2つの文脈で表れています

  • セルボモードの遠隔操作: 操作者は望ましいカーテジアン速度を送信します (例えば",x方向に5mm/sを移動する"). 制御器は,必要な関節速度を計算するためにJの偽逆を使用します: T8.
  • ポリシーアクションスペース: カルテジアンデルタアクションは,暗示的に,ジャコビアン を使用している. ロボットコントローラが,あなたの T9コマンドを内部で共同動きに変換します.

異性

単一性とは,ジャコビアンが完全なランクを失う関節の構成である.つまり,ロボットが関節をどのように移動しても,カーテシア方向に移動することはできません.一般的な単一性:完全に伸ばした腕 (肘直),肩と腕軸が並べられた.

実践的には,単一性によって2つの問題が生じます: (1) IKソリューションは単一性近くで数値的に不安定になり,大きな突然関節運動を生成する (2) 機械が単一性に近づくにつれて,ジャコビアン偽逆は任意に大きな関節速度を生成する.

お手本規則: 職場設計や政策訓練環境では,既知の単一の構成から少なくとも30°離れた場所に留めること.

ロボット学習のための行動空間選択

アクション空間 Intuitive? Generalizable? Needs IK? Typical Use
Absolute joint angles (q) No Low (arm-specific) No ALOHA, ACT baseline
Absolute Cartesian pose (x,y,z,R) Yes Moderate Yes マニピュレーション research
Cartesian delta (Δx,Δy,Δz,Δ rotation) Yes High Yes (incremental) Most modern IL policies
Relative to object pose Yes Very high Yes Generalizable grasping
Waypoints (sparse) Yes High Yes Long-horizon tasks

ML 実践者のほとんどは,スタートアップでカルテジアンデルタアクションを使用します.それらは直感的な (ネットワーク出力は"左に2mm移動する"),絶対関節角よりも優れた一般化 (特定の腕構成に縛られていません) と,現代のロボットコントローラーはIKを内部で処理します.最大速度が必要とする場合にのみ関節空間アクションに切り替えるか,または貧しいIK解明器を持つ腕で作業している場合のみ.

腕のハードウェアとスタート方法については [OpenArmドキュメント](T11 を参照してください.