运动捕捉系统和人工神经网络ELM联合校准提升工业机器人的绝对精度

工业机器人的绝对精度是评估其综合性能的重要指标之一。然而，由于机器人受到多种因素的影响，如加工误差、装配误差、零部件磨损、末端负载变化和温度影响等，其精度可能会受到影响。这对于卫星高精度组装和飞机集成组装等应用来说是不利的。随着工业机器人的不断发展和应用，对其运动精度的要求也越来越高。因此，提高机器人的绝对精度是当前亟待解决的问题之一。

同济大学航空航天与力学学院的研究人员提出了一种新的标定方法，利用运动捕捉系统和人工神经网络（ELM）来增加工业机器人的绝对精度。所提出的方法与传统校准方法相比，在姿态精度方面可以实现较大改进。研究为改善工业机器人在各个领域中的性能和效率提供了新途径。

验证实验

将机器人布置在8台动作捕捉镜头的几何中心。用螺栓将一个铝制空心装置固定在末端执行器上，在机器人的每个关节点和末端执行器上布置约15个反光标识点，共90个。实验过程中，随机选择机器人的500个位姿动作作为研究对象。使用NOKOV度量运动捕捉系统测量机器人的连续运动状态，获得机器人各个关节的位置和姿态信息，并用于后续的DH参数校准。最后使用标准差的范数评估了标定方法，并将其与传统和改进的运动学校准方法进行了比较。

实验机器人和动作捕捉系统

实验视频

实验结果表明，随着几何误差和非几何误差等来源的增加，定位精度从定位精度由3.073度提高到0.077度。证实了算法的有效性，验证了预期结果。

实验中的定位精度

机器人在实验中的定位总误差

参考文献

Tianchi Gao, Fan Meng, Xiaoyu Zhang, Zhicheng Tian1, Hanwen Song, An operational calibration approach of industrial robots througha motion capture system and an artiﬁcial neural network ELM, ［J/OL］The International Journal of Advanced Manufacturing Technology, DOI：10.1007/s00170-023-10856-w

仿生机器人的运动规划

利用NOKOV光学定位跟踪系统，获取精度达1mm的人体下肢运动数据，并建立了准确的关节模型，实现仿生机器人运动规划。

软体机械臂运动

NOKOV度量动作捕捉系统实时提供软体机械臂各节点高精度位姿数据，助力运动学和动力学建模，最终实现软体机械臂的控制。

中科院自动化所多智能体协同控制平台编队与自主避障

中科院自动化所无人集群系统分为三个子系统，定位子系统、通信子系统与控制子系统，可实现单体无人车和无人机控制、地空协同、集群对战以及无人车、无人机编队表演等功能

通过仿生指尖接触事件实现三指机械手的连续自适应步态控制

研究人员在《Biomimetic Intelligence and Robotics》发表了题为《Continuous adaptive gaits manipulation for three-fingered robotic hands via bioinspired fingertip contact events》的文章，探讨了通过仿生方法提升三指机械手灵活性与自适应性的技术。