Application-Oriented Co-Design of Motors and Motions for a 6DOF Robot Manipulator
作者: Adrian Stein, Yebin Wang, Yusuke Sakamoto, Bingnan Wang, Huazhen Fang
分类: cs.RO, eess.SY
发布日期: 2023-10-04
💡 一句话要点
提出应用驱动的电机与运动协同设计以优化6自由度机器人
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 电机设计 机器人运动 协同设计 多任务优化 可微仿真
📋 核心要点
- 现有方法通常仅针对单一任务进行电机选择和设计，缺乏针对特定应用的综合优化。
- 论文提出了一种两步优化流程，逐一优化多个任务的电机和运动设计，并进行整合以确定最终设计。
- 仿真结果显示，采用多任务优化方法相比基准方法在特定应用中性能显著提升。
📝 摘要（中文）
本研究探讨了一种应用驱动的协同设计问题，旨在同时优化六自由度机器人手臂的运动和电机。与现有方法不同，本文不仅从产品目录中选择电机，还为特定应用设计电机几何形状。研究提出了一种计算高效的解决方案，首先通过逐一优化多个任务的运动和电机设计来识别多个电机设计，然后进行整合以确定最终电机设计。其次，利用磁等效电路建模建立电机设计参数与动态模型及目标函数之间的解析映射，以促进后续的可微仿真。最后，开发了一种基于直接配点法的可微仿真器，以平衡计算复杂性和数值稳定性。仿真结果表明，与多种基准协同设计方法相比，采用多任务方法可以实现更高的特定应用性能。
🔬 方法详解
问题定义：本研究旨在解决六自由度机器人手臂的电机与运动协同设计问题。现有方法往往仅从产品目录中选择电机，缺乏针对特定应用的综合考虑，导致性能不足。
核心思路：本文提出的核心思路是通过逐一优化多个任务的电机和运动设计，最终整合出最佳电机设计。这种方法能够更好地适应特定应用的需求。
技术框架：整体架构包括两个主要阶段：第一阶段是针对多个任务逐一优化电机和运动设计，第二阶段是将这些设计进行整合以确定最终的电机设计。关键模块包括磁等效电路建模和可微仿真器。
关键创新：最重要的技术创新在于利用磁等效电路建模建立电机设计参数与动态模型之间的解析映射，从而实现高效的可微仿真。这一方法与传统的单任务设计方法本质上不同，能够同时考虑多个任务的需求。
关键设计：在设计过程中，采用了直接配点法的可微仿真器，以平衡计算复杂性和数值稳定性。具体的损失函数和参数设置在文中详细描述，以确保优化过程的有效性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，采用多任务优化方法相比于多种基准协同设计方法，能够在特定应用中实现性能提升，具体性能数据未在摘要中提供，需参考论文详细内容。
🎯 应用场景
该研究的潜在应用领域包括工业自动化、服务机器人和医疗机器人等。通过优化电机与运动的协同设计，可以显著提升机器人在复杂任务中的执行效率和精度，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
This work investigates an application-driven co-design problem where the motion and motors of a six degrees of freedom robotic manipulator are optimized simultaneously, and the application is characterized by a set of tasks. Unlike the state-of-the-art which selects motors from a product catalogue and performs co-design for a single task, this work designs the motor geometry as well as motion for a specific application. Contributions are made towards solving the proposed co-design problem in a computationally-efficient manner. First, a two-step process is proposed, where multiple motor designs are identified by optimizing motions and motors for multiple tasks one by one, and then are reconciled to determine the final motor design. Second, magnetic equivalent circuit modeling is exploited to establish the analytic mapping from motor design parameters to dynamic models and objective functions to facilitate the subsequent differentiable simulation. Third, a direct-collocation-based differentiable simulator of motor and robotic arm dynamics is developed to balance the computational complexity and numerical stability. Simulation verifies that higher performance for a specific application can be achieved with the multi-task method, compared to several benchmark co-design methods.