超冗余9自由度机器人高精度逆运动学的秃鹰搜索算法
摘要：对于拥有超过六个自由度的三维空间中的机器人来说，冗余是多余的。冗余机器人允许在灵巧工作空间中为给定目标点选择多个机器人配置。多个解决方案的存在有助于解决工作空间中的约束问题，例如避免物体和轨迹规划期间的能量最小化。这种冗余机器人的逆运动学解决方案很复杂。本研究比较了不同的元启发式优化算法（MOA），这些算法具有位置误差，并确定了一种适用于机器人末端执行器高精度定位的MOA。本研究应用了最近的元启发式优化算法来进行超冗余九自由度（DOF）机器人臂的逆运动学求解，使用Denavit-Hartenberg（DH）参数的正向运动学，并比较这些算法的性能。比较研究表明，秃鹰搜索（Bald Eagle Search，BES）算法在其他元启发式算法中表现更好。BES算法在实现对于9-DOF机器人臂的期望位置具有非常高的精度和最小的位置误差方面优于其他MOA。
作者：Vineeth P, Guru Nanma P, V Sankar, B Sachin Kumar
论文ID：2308.02619
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-08