Нормализованная RBF-сеть для обратной кинематики: учет многозначности и локальное уточнение DLS
Автор: Полещук Ф.А., Соколов С.В.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Механика
Статья в выпуске: 1 (69) т.18, 2026 года.
Бесплатный доступ
Представлен практический метод решения задачи обратной кинематики шестизвенного манипулятора на основе нормализованной радиально-базисной сети (RBFN). Подход обеспечивает постоянное время вывода и устойчивость вблизи запястных сингулярностей благодаря четырём компонентам: (i) кодирование круговых суставов [sin в, cos 0] устраняет разрывы при переходах через ±я; (ii) облегчённая схема разделения по режимам обратной кинематики (отражение запястья / без отражения) выбирает решение по ошибке в рабочем пространстве; (iii) несколько шагов уточнения методом демпфированных наименьших квадратов (DLS) позволяют скорректировать положение рабочего органа без тяжёлых итерационных процедур; (iv) смещение по запястью при формировании обучающих данных повышает полноту выборки в области J5 « 0°. Формализована непрерывность ветви решения обратной кинематики на компактных множествах; показано, что нормализованная радиально-базисная сеть равномерно аппроксимирует такую ветвь. Эксперименты на упрощённой модели KUKA KR200/2 подтверждают высокую точность и плавность траекторий без скачков ориентации; приведён анализ влияния числа центров, числа локальных моделей и величины смещения.
Обратная кинематика, радиально-базисная сеть, разделение по режимам, демпфированные наименьшие квадраты, робототехника
Короткий адрес: https://sciup.org/142247868
IDR: 142247868 | УДК: 681.5
RBFN-based inverse kinematics with mode gating and DLS refinement
A practical 6-D0F inverse kinematics solver based on a normalised radial basis function network (RBFN) is proposed. The method provides constant-time inference and robustness near wrist singularities through four key components: (i) [sin в, cos d| encoding removes discontinuities for circular joints; (ii) a lightweight mode selection scheme distinguishes wrist-flip and non-flip configurations using workspace error; (iii) several damped least-squares (DLS) iterations refine the end-effector pose; (iv) wrist-biased data sampling improves coverage near J5 « 0°. We formalise the continuity of the inverse-kinematics branch on compact domains and show that a normalised RBFN uniformly approximates it. Experiments on a simplified KUKA KR200/2 confirm accurate, flip-free trajectories and include ablations over centres, experts, and bias strength.