ML 엔지니어 들 에게 필요한 로봇 기네마틱스: 필수 요소

[← 배우기]

로봇 팔을 사용하는 데 로봇 박사학위가 필요하지 않습니다. 하지만 관절 각이 카르테시아 운동과 어떻게 연관되어 있는지 알아야 합니다.

ML 엔지니어 들 이 운동학 을 필요로 하는 이유

로봇 학습 정책을 훈련할 때, 당신은 _action space_를 선택해야 합니다. 네트워크 출력 숫자가 무엇이며 로봇에 어떤 의미인지. 그 선택은 합동 각과 카르테시아 델타와 최종 효과의 포즈를 이 직접적으로 정책의 일반화 가능성에 영향을 미칩니다.

만약 여러분이 역학 해결기를 작성하지 않더라도, 여러분의 정책의 출력들이 로봇이 예상치 못한 방식으로 움직이게 하는 이유를 탐구하는 데 시간을 할애할 것입니다. 기하학을 이해하는 것은 RViz를 혼란스럽게 바라보는 시간을 절약합니다.

앞진 운동학

** 앞진 운동학 (FK) ** 답변: 로봇의 관절 각을 고려하면 최종 효과는 어디에 있습니까?

형식적으로: 입력은 합동 각 T0 (합동당 한 각) 이다; 출력은 최종 효과자 포지 T1, 위치 (x, y, z) 와 방향 (주변 3×3 회전 행렬) 을 모두 암호화하는 4×4 균일한 변환이다.

FK는 각 관절 변환의 연쇄를 곱하여 계산된다. 각각의 변수는 팔의 Denavit-Hartenberg (DH) 매개 변수에서 도출된다. 이것은 결정적이고 빠르고 닫힌 형태의 계산이다.

역 역진화학

**반반 운동학 (IK) **는 반반의 질문에 답합니다. 원하는 최종 효과자 포즈를 고려하면 어떤 관절 각이 그것을 달성합니까?

세 가지 이유 때문에 더 힘들죠.

• 일치성이 없는 것: 여러 관절 구성은 종종 같은 카르테시아 포즈를 달성한다. 7 DOF 팔은 대부분의 포즈에 무한한 많은 솔루션을 가지고 있다.
• ** 비선형성:** FK 방정식은 비선형 (관절 각의 삼각수학적 함수를 포함하고) 이므로 IK는 단순한 매트릭스 역으로 풀 수 없다.
• ** 해결책은 없습니다:** 일부 원하는 자세는 접근 가능한 작업 공간 밖에서 있습니다.

IK는 분석적으로 (특정 팔 기하학에서 추출된 폐쇄형 공식 빠른 하지만 팔 특수한) 또는 수적으로 (이테레이티브 자코비안 기반 방법 일반적인 목적, 하지만 느려서 로컬 최소로 합쳐질 수 있습니다) 해결됩니다. ROS2의 KDL 및 IKFast 풀이기와 Python T3 라이브러리는 당신을 위해 처리합니다.

자코비안 매트릭스

자코비안 매트릭스 (T4) 는 로봇 정책에 종사하는 ML 엔지니어들에게 가장 실질적으로 중요한 개념일지도 모른다.

이 책은 관절 각의 작은 변화가 최종 효과자 카르테스 위치와 방향의 작은 변화로 어떻게 번역되는지를 설명합니다.

ẋ = J(q) · q̇

T6은 최종 효과자 속도가 (3 변환 + 3 회전) 이며 T7는 공동 속도 벡터이다. 자코비아인은 6xn 모양을 가지고 있다.

실제에서 자코비안어는 두 가지 맥락에서 나타납니다.

• 서보 모드 텔레오퍼레이션: 운영자는 원하는 카르테시아 속도를 전송한다 (예를 들어, "+x 방향으로 5mm/s를 이동한다"). 컨트롤러는 J의 사이비 역을 사용하여 필요한 합동 속도를 계산한다: T8.
• ** 정책 행동 공간:** 카르테시아 델타 동작은 간결하게 Jacobian 을 사용하여 로봇 컨트롤러가 T9 명령어를 내부적으로 공동 동작으로 변환합니다.

특유성

특수성은 자코비안이 완전한 순위를 잃는 합동 구성입니다. 즉 로봇이 관절을 움직이는 방식과 상관없이 일부 카르테시아 방향으로 움직일 수 없습니다. 일반적인 특수성은: 완전히 확장 된 팔 (발목 직선), 어깨와 손목 축이 조선되어 있습니다.

실제에서, 독자성은 두 가지 문제를 일으킨다: (1) IK 솔루션은 독자성에 가까운 곳에서 수적으로 불안정해지며 큰 갑작스러운 관절 움직임을 발생시킵니다; (2) 자코비안의 유사반반은 로봇이 독자성에 접근함에 따라 임의로 큰 관절 속도를 발생시킵니다.

공손가락 규칙: 업무 공간 설계 및 정책 교육 환경에서 알려진 단일 구성에서 최소 30° 정도 떨어져 있습니다.

로봇 학습을 위한 행동 공간 선택

액션 공간	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	조작 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

대부분의 ML 연습생들이 시작하기 위해: ** 카르테시아 델타 동작을 사용하십시오**. 그들은 직관적입니다 (네트워크 출력 "왼쪽으로 2mm 이동"), 절대 관절 각보다 더 잘 일반화합니다 (특정 팔 구성에 묶여 있지 않습니다), 현대 로봇 컨트롤러들은 IK를 내부적으로 처리합니다. 최대 속도 또는 가난한 IK 해제기를 가진 팔과 작업할 때 만 관절 공간 동작으로 전환하십시오.

팔 하드웨어 및 시작 방법에 대해 더 자세히 알아보기 위해 [OpenArm 문서](T11 참조하십시오.