Nonlinear In-situ Calibration of Strain-Gauge Force/Torque Sensors for Humanoid Robots

📄 arXiv: 2312.09846v1 📥 PDF

作者: Hosameldin Awadalla Omer Mohamed, Gabriele Nava, Punith Reddy Vanteddu, Francesco Braghin, Daniele Pucci

分类: cs.RO

发布日期: 2023-12-15

💡 一句话要点

提出非线性多项式模型，提升人形机器人力/力矩传感器标定精度

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 力/力矩传感器 非线性标定 多项式模型 人形机器人 精度提升

📋 核心要点

  1. 现有仿射标定模型无法准确描述传感器物理特性，导致力/力矩测量在特定场景下精度不足。
  2. 提出非线性多项式模型，通过增加模型参数拟合能力，降低力/力矩估计的残差。
  3. 实验结果表明，4阶多项式模型相比仿射模型，显著降低了力/力矩估计的均方根误差和绝对误差。

📝 摘要（中文）

为了提高人形机器人力估计/控制任务的成功率，高精度的力/力矩(F/T)传感器标定至关重要。目前最先进的仿射标定模型并不总能正确逼近传感器/换能器的物理现象，导致在特定应用中，例如喷气动力人形机器人的推力估计，F/T测量不准确。本文提出并验证了用于F/T标定的非线性多项式模型，通过增加模型系数来最小化估计残差。对从iCub3机器人实验中收集的数据进行分析，表明使用更高阶多项式可以显著减少力/力矩估计误差。特别是，当使用4阶多项式模型时，均方根误差(RMSE)从仿射模型的4.58N降低到2.28N，力的绝对误差保持在6N以下，而仿射模型则高达16N。

🔬 方法详解

问题定义：论文旨在解决人形机器人力/力矩传感器标定精度不足的问题。现有的仿射标定模型在描述传感器非线性特性时存在局限性，尤其是在高精度力控制或特殊应用场景（如喷气动力机器人推力估计）下，仿射模型无法满足需求，导致力/力矩测量误差较大。

核心思路：论文的核心思路是使用非线性多项式模型来替代传统的仿射模型，以更精确地拟合力/力矩传感器的输入输出关系。通过增加多项式模型的阶数和系数，可以更好地捕捉传感器中的非线性效应，从而提高标定精度。

技术框架：该方法主要包括数据采集和模型训练两个阶段。首先，通过实验获取力/力矩传感器的输入输出数据。然后，使用这些数据训练不同阶数的多项式模型，包括仿射模型（1阶多项式）和更高阶的多项式模型。最后，通过比较不同模型的估计误差，选择最优的模型。

关键创新：该论文的关键创新在于将非线性多项式模型应用于力/力矩传感器的标定。与传统的仿射模型相比，多项式模型能够更好地拟合传感器的非线性特性，从而提高标定精度。此外，论文还系统地分析了不同阶数多项式模型对标定精度的影响。

关键设计：论文中关键的设计包括：1) 选择合适的多项式阶数：通过实验分析不同阶数多项式模型的性能，选择能够平衡模型复杂度和标定精度的最优阶数。2) 采用最小二乘法进行模型训练：使用最小二乘法来估计多项式模型的系数，以最小化估计误差。3) 使用Root Mean Square Error (RMSE) 作为评估指标：使用RMSE来评估不同模型的标定精度，并进行比较。

📊 实验亮点

实验结果表明，使用4阶多项式模型进行力/力矩传感器标定，可以显著降低估计误差。具体来说，均方根误差(RMSE)从仿射模型的4.58N降低到2.28N，力的绝对误差保持在6N以下，而仿射模型则高达16N。这些结果表明，非线性多项式模型能够有效地提高力/力矩传感器的标定精度，尤其是在需要高精度力控制的应用中。

🎯 应用场景

该研究成果可应用于各种需要高精度力/力矩控制的人形机器人应用，例如：精确操作、人机协作、步态控制、以及喷气动力机器人的推力控制。提高力/力矩传感器标定精度能够提升机器人控制性能和安全性，并为更复杂的机器人任务提供支持。未来，该方法可以推广到其他类型传感器的标定，并与其他传感器融合技术相结合，进一步提升机器人感知能力。

📄 摘要（原文）

High force/torque (F/T) sensor calibration accuracy is crucial to achieving successful force estimation/control tasks with humanoid robots. State-of-the-art affine calibration models do not always approximate correctly the physical phenomenon of the sensor/transducer, resulting in inaccurate F/T measurements for specific applications such as thrust estimation of a jet-powered humanoid robot. This paper proposes and validates nonlinear polynomial models for F/T calibration, increasing the number of model coefficients to minimize the estimation residuals. The analysis of several models, based on the data collected from experiments with the iCub3 robot, shows a significant improvement in minimizing the force/torque estimation error when using higher-degree polynomials. In particular, when using a 4th-degree polynomial model, the Root Mean Square error (RMSE) decreased to 2.28N from the 4.58N obtained with an affine model, and the absolute error in the forces remained under 6N while it was reaching up to 16N with the affine model.