多自由度ロボットアームの従来の幾何学的校正方法は非幾何誤差の補償が困難であり、純粋なデータ駆動型のブラックボックスモデルは物理的な説明性が低く、多次元異種誤差場の勾配競合の影響を受けやすい問題に対して、物理的先験知識と漸進的に解耦された残差ネットワークを融合した絶対精度校正法を提案する。まず、基準理論姿勢を算出するためにDHパラメータに基づく微分可能な運動学のグレイボックスモデルを明示的な物理的骨格として構築する。次に、周期的非線形誤差の表現能力を強化するために高次元正弦・余弦および二階階乗組み合わせ符号化特徴を導入する。その後、位置および姿勢の残差をそれぞれ独立に予測する二分岐残差ネットワークを利用し、SO(3)多様体の幾何学的制約を厳密に満たすために微分可能なSVD直交化層を設計する。最後に、段階的なパラメータ凍結による漸進的解耦トレーニング戦略を提案し、位置と姿勢の異なる次元による最適化の衝突を機構的に解決する。実験結果は、この方法がStaubli TX2-90Lの平均位置誤差を0.377 mmから0.047 mmに低減し、SVRおよびBPアルゴリズムと比較して位置精度をそれぞれ26.3％および49.9％向上させることを示した。この方法は高精度と説明性を兼ね備え、現場生体3Dプリントなどの分野で優れた工学的応用価値を持つ。

多自由度ロボットアーム;運動学校正;非幾何誤差;残差ネットワーク