다자유도 로봇암의 기존 기하학적 보정 방법이 비기하학적 오차 보상이 어렵고, 데이터 기반 블랙박스 모델이 물리적으로 해석하기 어렵고 다차원 이질 오차장 그라디언트 경쟁에 취약한 문제를 해결하기 위해, 물리적 사전 지식과 점진적 분리 잔차 네트워크를 융합한 절대 정밀도 보정 방법을 제안한다. 먼저, 기준 이론 자세 계산을 위해 DH 파라미터에 기반한 미분 가능한 운동학 그레이박스 모델을 명시적 물리 골격으로 구축한다. 다음으로, 주기적 비선형 오차 표현 능력을 향상시키기 위해 고차원 사인 및 코사인, 2차 팩토리얼 조합 인코딩 특성을 도입한다. 그런 다음, 위치와 자세 잔차를 각각 독립적으로 예측하는 이중 분기 잔차 네트워크를 사용하고, SO(3) 다양체 기하학적 제약을 엄격히 만족시키기 위해 미분 가능한 SVD 직교화 층을 설계한다. 마지막으로, 단계별 매개변수 동결 점진적 분리 학습 전략을 제안하여 위치와 자세의 서로 다른 차원으로 인한 최적화 충돌 문제를 기계적으로 해결한다. 실험 결과, 이 방법은 Staubli TX2-90L의 평균 위치 오차를 0.377 mm에서 0.047 mm로 감소시켰으며, SVR 및 BP 알고리즘에 비해 위치 정확도가 각각 26.3% 및 49.9% 향상되었다. 이 방법은 높은 정밀도와 해석 가능성을 겸비하여 현장 생체 3D 프린팅 등 분야에서 우수한 공학적 응용 가치를 가진다.

다자유도 로봇암;운동학 보정;비기하학적 오차;잔차 네트워크