Neural networkモデルを用いた直列冗長マニピュレータの手先位置精度を最大化する逆運動学モデルの構築

カテゴリ: 部門大会

論文No: TC9-7

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Neural network-based construction of inverse kinematics model that maximizes the end-point position accuracy of serial redundant manipulators

著者名: 高谷 秀明（香川高等専門学校）

著者名(英語): Hideaki Takatani (National Institute of Technology, Kagawa College)

キーワード: 直列冗長マニピュレータ|逆運動学|不確かさ|ニューラルネットワーク|serial redundant manipulator|inverse kinematics|uncertainty|neural network

要約(日本語): 本研究は，neural network (NN) モデルを用いた不確かさを持つ直列冗長マニピュレータの手先位置精度を最大化する逆運動学モデルの構築手法を提案する．マニピュレータの精度悪化の一因は，不確かさによる手先位置の変動である．直列冗長マニピュレータは目標手先を実現する姿勢が無数にあるため，適切な評価関数を用いて不確かさの影響を減少させる姿勢を選択することで精度向上が見込める．多くの先行研究は手先速度および姿勢速度の関係式を数値積分するアプローチを用いているが，計算負荷の観点から手先から姿勢を直接求められる手法が望ましい．提案手法は，順運動学，逆運動学および評価関数を学習する3つのNNモデルを組み合わせることでマニピュレータのモデルを陽に用いず，手先精度を最大化する姿勢が直接求まるモデルを構築する．シミュレーションで提案手法の有効性を確認し，NNモデルのパラメータについて検討する．