通过QP优化实现无碰撞逆向运动学（iKinQP）
摘要：多余自由度的机器人操纵器通常设计有超过完全控制末端执行器位置和方向所需的活动自由度。这些“冗余”操纵器可以允许无限的关节配置，满足特定任务空间位置和方向的要求，为操纵器提供更多的可能性来遍历平滑无碰撞的轨迹。然而，找到这样的轨迹是非常困难的，因为冗余操纵器的逆运动学通常无法通过解析方法求解。已经开发了许多策略来解决这个问题，包括雅可比伪逆方法、 快速扩展随机树(RRT)运动规划和基于二次规划(QP)的方法。在这里，我们介绍了一种基于灵活逆运动学的QP策略(iKinQP)。由于它与机器人动力学无关，该算法相对较轻量级，并且能够与力矩控制实时运行。碰撞被定义为基本几何体的运动树，使算法对于确定环境中的碰撞的方法是不可知的。碰撞被视为硬约束，保证了无碰撞轨迹的生成。通过QP优化实现轨迹平滑。我们的算法在计算效率、平滑性和提供可跟踪轨迹的能力方面进行了评估。结果表明，iKinQP能够以实时速率提供平滑的无碰撞轨迹。
作者：Julia Ashkanazy, Ariana Spalter, Joe Hays, Laura Hiatt, Roxana Leontie, C. Glen Henshaw
论文ID：2308.15268
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-30