Humanoid Robot Whole-body Geometric Calibration with Embedded Sensors and a Single Plane
作者: Thanh D V Nguyen, Vincent Bonnet, Pierre Fernbach, David Daney, Florent Lamiraux
分类: cs.RO
发布日期: 2025-07-22
💡 一句话要点
提出一种基于单平面和嵌入式传感器的全身几何标定方法，无需人工干预。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 人形机器人 全身标定 运动学标定 单平面标定 力传感器 姿态选择 IROC算法
📋 核心要点
- 传统人形机器人全身几何标定耗时费力，且易被忽略，难以满足精确控制和仿真的需求。
- 利用单平面、嵌入式力传感器和导纳控制器，无需人工干预即可实现全身运动学标定。
- 提出IROC算法，从候选姿态中选择最小数量的最优姿态，并在TALOS机器人上验证了有效性。
📝 摘要（中文）
本文提出了一种新颖实用的方法，利用单平面、嵌入式力传感器和导纳控制器，对人形机器人的全身运动学进行标定，无需人工干预。针对人形机器人复杂性，提出了名为IROC（Information Ranking algorithm for selecting Optimal Calibration postures）的新算法，用于生成和确定最小的最优标定姿态集。IROC需要一个可行的候选姿态池，为每个姿态构建一个归一化的加权信息矩阵。与文献中的其他算法不同，IROC将确定机器人标定所需的最小数量的最优姿态。IROC和单平面标定方法在TALOS人形机器人上进行了实验验证。仅使用31个最优姿态，通过机器人夹具在桌子上进行三点接触，即可标定整个全身运动学链。在交叉验证实验中，平均均方根（RMS）误差相比制造商的模型降低了2.3倍。
🔬 方法详解
问题定义：人形机器人的全身几何标定对于精确控制和仿真至关重要。然而，传统方法耗时且实验负担重，需要大量的人工干预。现有的标定方法难以在复杂的人形机器人上高效实施，并且缺乏自动化的姿态选择策略。
核心思路：本文的核心思路是利用一个单平面作为外部参考，结合机器人自身的嵌入式力传感器和导纳控制，实现全身运动学参数的自动标定。通过力传感器感知与平面的接触力，利用导纳控制调整姿态，从而避免人工干预。同时，设计一种新的姿态选择算法，以最小化标定所需的姿态数量。
技术框架：该方法主要包含以下几个阶段：1) 候选姿态生成：生成一系列可行的机器人姿态，作为姿态选择的候选集。2) 信息矩阵构建：对于每个候选姿态，构建一个归一化的加权信息矩阵，该矩阵反映了该姿态对标定参数的敏感度。3) 最优姿态选择：使用IROC算法，根据信息矩阵，从候选集中选择最小数量的最优姿态。4) 运动学标定：控制机器人按照选定的最优姿态与单平面接触，利用力传感器数据和运动学模型，估计运动学参数。
关键创新：该方法的主要创新点在于：1) 提出了一种基于单平面和嵌入式传感器的全身运动学标定方法，无需人工干预，提高了标定效率。2) 提出了一种新的姿态选择算法IROC，能够确定最小数量的最优姿态，降低了实验成本。3) 将力传感器数据和导纳控制相结合，实现了与环境的稳定交互，提高了标定精度。
关键设计：IROC算法的关键在于信息矩阵的构建和姿态选择策略。信息矩阵的权重反映了不同关节参数对标定结果的影响程度。姿态选择策略采用贪心算法，每次选择能够最大程度降低参数不确定性的姿态，直到达到预设的精度要求。
🖼️ 关键图片
📊 实验亮点
实验结果表明，使用该方法仅需31个最优姿态，即可完成TALOS人形机器人的全身运动学标定。与制造商提供的模型相比，交叉验证实验中的平均均方根误差降低了2.3倍，显著提高了运动学模型的精度。
🎯 应用场景
该研究成果可应用于人形机器人的精确控制、仿真和故障诊断等领域。通过提高运动学模型的精度，可以提升机器人在复杂环境中的运动性能和任务完成能力。此外，该方法还可以推广到其他类型的机器人，例如多关节机械臂等，具有广泛的应用前景。
📄 摘要（原文）
Whole-body geometric calibration of humanoid robots using classical robot calibration methods is a timeconsuming and experimentally burdensome task. However, despite its significance for accurate control and simulation, it is often overlooked in the humanoid robotics community. To address this issue, we propose a novel practical method that utilizes a single plane, embedded force sensors, and an admittance controller to calibrate the whole-body kinematics of humanoids without requiring manual intervention. Given the complexity of humanoid robots, it is crucial to generate and determine a minimal set of optimal calibration postures. To do so, we propose a new algorithm called IROC (Information Ranking algorithm for selecting Optimal Calibration postures). IROC requires a pool of feasible candidate postures to build a normalized weighted information matrix for each posture. Then, contrary to other algorithms from the literature, IROC will determine the minimal number of optimal postures that are to be played onto a robot for its calibration. Both IROC and the single-plane calibration method were experimentally validated on a TALOS humanoid robot. The total whole-body kinematics chain was calibrated using solely 31 optimal postures with 3-point contacts on a table by the robot gripper. In a cross-validation experiment, the average root-mean-square (RMS) error was reduced by a factor of 2.3 compared to the manufacturer's model.