ETA-IK: Execution-Time-Aware Inverse Kinematics for Dual-Arm Systems

📄 arXiv: 2411.14381v2 📥 PDF

作者: Yucheng Tang, Xi Huang, Yongzhou Zhang, Tao Chen, Ilshat Mamaev, Björn Hein

分类: cs.RO

发布日期: 2024-11-21 (更新: 2025-10-19)

💡 一句话要点

ETA-IK：面向双臂系统的执行时间感知逆运动学方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 双臂机器人 逆运动学 执行时间优化 碰撞避免 神经网络

📋 核心要点

  1. 传统逆运动学方法依赖关节距离等间接指标，难以直接优化双臂系统的运动执行时间，尤其是在存在碰撞风险时。
  2. ETA-IK通过将运动执行时间和隐式碰撞直接纳入逆运动学优化，寻找更高效且无碰撞的关节配置。
  3. 实验表明，ETA-IK能显著减少双臂系统的运动执行时间，优于传统方法，同时保持定位精度。

📝 摘要（中文）

本文提出了一种新颖的执行时间感知逆运动学方法ETA-IK，专为双臂机器人系统设计。其主要目标是通过利用双臂的冗余性来优化运动执行时间，特别是在仅约束机器人相对姿态的任务中，例如对未知物体进行双臂扫描。与使用关节配置距离等替代指标的传统逆运动学方法不同，我们的方法将直接运动执行时间和隐式碰撞纳入优化过程，从而找到允许后续轨迹生成更高效和无碰撞运动的目标关节。采用基于神经网络的执行时间逼近器来预测时间高效的关节配置，同时考虑潜在的碰撞。通过在由UR5和KUKA iiwa机器人组成的系统上进行的实验评估，我们证明了执行时间显着减少。所提出的方法优于传统方法，显示出更高的运动效率，而不会牺牲定位精度。这些结果突出了ETA-IK在效率和安全性至关重要的应用中提高双臂系统性能的潜力。

🔬 方法详解

问题定义：论文旨在解决双臂机器人系统中，在仅约束相对姿态的任务（如双臂扫描）中，如何高效利用双臂冗余性，最小化运动执行时间的问题。现有逆运动学方法通常使用关节空间距离等替代指标，无法直接优化执行时间，且难以避免碰撞。

核心思路：核心在于将运动执行时间作为逆运动学优化的直接目标，并显式考虑潜在的碰撞。通过预测不同关节配置下的执行时间，选择能够实现更快、更安全的运动的关节目标。

技术框架：ETA-IK方法包含以下主要模块：1) 逆运动学求解器：用于计算满足末端执行器姿态要求的关节配置；2) 执行时间逼近器：一个基于神经网络的模型，用于预测给定关节配置下运动的执行时间，同时考虑潜在的碰撞；3) 优化器：利用执行时间逼近器的输出，在逆运动学解空间中搜索最优的关节配置，以最小化执行时间。

关键创新：最重要的创新在于直接将运动执行时间纳入逆运动学优化目标。与传统方法使用关节空间距离等间接指标不同，ETA-IK通过学习一个执行时间逼近器，能够更准确地评估不同关节配置的优劣，从而找到更高效的运动方案。

关键设计：执行时间逼近器是一个神经网络，其输入是关节配置，输出是预测的执行时间。网络的训练数据通过实际的机器人运动实验或仿真获得。损失函数的设计需要同时考虑执行时间和碰撞风险。具体的网络结构和参数设置（如层数、神经元数量、激活函数等）需要根据具体的机器人系统和任务进行调整。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在UR5和KUKA iiwa双臂系统上的实验表明，ETA-IK能够显著减少运动执行时间。与传统逆运动学方法相比，ETA-IK在保持定位精度的前提下，实现了更高效的运动。具体的性能提升幅度取决于任务的复杂程度和机器人的运动范围，但总体趋势是ETA-IK优于传统方法。

🎯 应用场景

ETA-IK适用于需要高效、安全双臂协作的机器人应用，如：1) 工业制造中的双臂装配、搬运；2) 医疗领域的双臂辅助手术；3) 物流仓储中的双臂拣选；4) 空间探索中的双臂操作。该方法能显著提升机器人工作效率，降低碰撞风险，具有重要的实际应用价值和广阔的应用前景。

📄 摘要（原文）

This paper presents ETA-IK, a novel Execution-Time-Aware Inverse Kinematics method tailored for dual-arm robotic systems. The primary goal is to optimize motion execution time by leveraging the redundancy of both arms, specifically in tasks where only the relative pose of the robots is constrained, such as dual-arm scanning of unknown objects. Unlike traditional inverse kinematics methods that use surrogate metrics such as joint configuration distance, our method incorporates direct motion execution time and implicit collisions into the optimization process, thereby finding target joints that allow subsequent trajectory generation to get more efficient and collision-free motion. A neural network based execution time approximator is employed to predict time-efficient joint configurations while accounting for potential collisions. Through experimental evaluation on a system composed of a UR5 and a KUKA iiwa robot, we demonstrate significant reductions in execution time. The proposed method outperforms conventional approaches, showing improved motion efficiency without sacrificing positioning accuracy. These results highlight the potential of ETA-IK to improve the performance of dual-arm systems in applications, where efficiency and safety are paramount.