A Geometric Method for Base Parameter Analysis in Robot Inertia Identification Based on Projective Geometric Algebra

📄 arXiv: 2509.02071v1 📥 PDF

作者: Guangzhen Sun, Ye Ding, Xiangyang Zhu

分类: cs.RO

发布日期: 2025-09-02

备注: 20 pages, 10 figures

💡 一句话要点

提出基于射影几何代数的机器人惯性参数辨识几何方法，实现基参数的解析确定。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 机器人惯性参数辨识 射影几何代数 基参数分析 四面体点模型 动力学建模

📋 核心要点

  1. 传统机器人惯性参数辨识方法计算复杂，缺乏几何解释，难以解析确定基参数。
  2. 论文提出基于射影几何代数的“四面体点（TP）”模型，将动力学方程转化为几何形式，便于分析。
  3. 实验表明，该方法在多种机器人上成功识别基参数，具有高鲁棒性和计算效率，尤其在并联机构中。

📝 摘要（中文）

本文提出了一种新的几何方法，用于解析地确定机器人系统的基惯性参数。通过使用射影几何代数重新构建刚体动力学，得到了一种名为“四面体点（TP）”模型的新辨识模型。基于刚体TP模型，辨识模型回归矩阵中的系数以闭式形式导出，展现出清晰的几何解释。直接从动力学模型出发，提出了基参数分析的三个基本原则：共享点原则、固定点原则和平移旋转原则。基于这些原则，开发了自动确定所有基参数的算法。核心算法被称为动力学回归量零空间生成器（DRNG），理论上在经过O(N)复杂度的预处理阶段后，实现了O(1)复杂度，其中N是刚体的数量。所提出的方法和算法已在四种机器人上得到验证：Puma560、Unitree Go2、一个2RRU-1RRS并联机构（PKM）和一个2PRS-1PSR PKM。在所有情况下，该算法都成功识别了完整的基参数集。值得注意的是，该方法表现出很高的鲁棒性和计算效率，尤其是在PKM的情况下。通过全面的演示，该方法被证明是通用的、鲁棒的和高效的。

🔬 方法详解

问题定义：机器人惯性参数辨识是机器人控制和仿真的关键步骤。然而，传统的辨识方法通常涉及复杂的数值计算，并且缺乏明确的几何解释，这使得解析地确定基参数（即可以唯一确定动力学模型的最小参数集）变得困难。现有方法在计算效率和鲁棒性方面存在不足，尤其是在处理复杂机器人系统（如并联机构）时。

核心思路：本文的核心思路是将刚体动力学方程用射影几何代数进行重新表达，从而将动力学问题转化为几何问题。通过引入“四面体点（TP）”模型，将刚体的惯性参数与几何元素联系起来，使得回归矩阵中的系数具有清晰的几何意义。这种几何化的表达方式为解析地确定基参数提供了可能。

技术框架：该方法主要包含以下几个阶段：1) 使用射影几何代数重新构建刚体动力学方程，建立TP模型；2) 基于TP模型，推导回归矩阵中系数的闭式解，并赋予其几何解释；3) 提出三个基参数分析原则：共享点原则、固定点原则和平移旋转原则；4) 开发基于这些原则的DRNG算法，自动确定基参数。整个流程从动力学模型出发，通过几何代数工具进行转换和分析，最终实现基参数的解析确定。

关键创新：该方法最重要的技术创新在于将射影几何代数引入机器人动力学建模，并提出了TP模型。这种方法将复杂的动力学方程转化为几何形式，使得基参数的确定可以通过几何分析来实现。与传统的数值方法相比，该方法具有更高的计算效率和更好的鲁棒性。此外，DRNG算法的O(1)复杂度（在预处理后）也是一个重要的创新点。

关键设计：TP模型的构建是关键设计之一，它将刚体的惯性参数与四面体顶点的位置联系起来。三个基参数分析原则（共享点、固定点、平面旋转）是算法设计的核心依据，它们指导着如何利用几何信息来确定基参数。DRNG算法的设计目标是在预处理后实现O(1)复杂度，这需要仔细考虑数据结构和算法流程。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

该方法在Puma560、Unitree Go2、2RRU-1RRS和2PRS-1PSR等多种机器人上进行了验证，均成功识别了完整的基参数集。尤其在并联机构的实验中，该方法表现出很高的鲁棒性和计算效率。DRNG算法在预处理后实现了O(1)的理论复杂度，显著优于传统方法。

🎯 应用场景

该研究成果可应用于机器人控制、仿真和优化设计等领域。精确的基惯性参数对于提高机器人运动控制精度、优化能量消耗以及进行高精度仿真至关重要。此外，该方法还可以用于机器人结构设计，例如，通过优化连杆的几何形状来简化动力学模型，从而降低控制器的复杂性。

📄 摘要（原文）

This paper proposes a novel geometric method for analytically determining the base inertial parameters of robotic systems. The rigid body dynamics is reformulated using projective geometric algebra, leading to a new identification model named ``tetrahedral-point (TP)" model. Based on the rigid body TP model, coefficients in the regresoor matrix of the identification model are derived in closed-form, exhibiting clear geometric interpretations. Building directly from the dynamic model, three foundational principles for base parameter analysis are proposed: the shared points principle, fixed points principle, and planar rotations principle. With these principles, algorithms are developed to automatically determine all the base parameters. The core algorithm, referred to as Dynamics Regressor Nullspace Generator (DRNG), achieves $O(1)$-complexity theoretically following an $O(N)$-complexity preprocessing stage, where $N$ is the number of rigid bodies. The proposed method and algorithms are validated across four robots: Puma560, Unitree Go2, a 2RRU-1RRS parallel kinematics mechanism (PKM), and a 2PRS-1PSR PKM. In all cases, the algorithms successfully identify the complete set of base parameters. Notably, the approach demonstrates high robustness and computational efficiency, particularly in the cases of PKMs. Through the comprehensive demonstrations, the method is shown to be general, robust, and efficient.