| 33.Isaac教程 | 您所在的位置：网站首页 › AAC技术经济学 › 33.Isaac教程 |
33.Isaac教程
|
操纵运动学
为了控制机器人手臂的运动，需要数学表示法来计算执行器输入并为轨迹规划器表示障碍物。 为实现这一点，操纵运动学 GEM 将铰接式机器人系统表示为连接的刚体，并在配置空间和笛卡尔空间之间转换机器人状态。 应用架构机器人手臂被建模为一棵链接树，每个链接都由一个字符串名称标识。 每个链接都可以有一个“马达”来描述它的框架和它的子框架之间的转换。 这种变换可以是恒定的（对于非关节链接和固定关节）或参数化用于可移动关节，如旋转关节。 注意 链接目前没有用于碰撞建模的关联几何体（网格）。 运动树的自由度是运动链中所有电机的自由度之和。 下面的示例显示了具有四个链接的运动链。 连杆“Axis1”和“Axis2”（实线框所示）具有恒定电机，连杆“Joint1”和“Joint2”（虚线框所示）具有参数化电机，旋转轴沿（001） 和 (010)（在它们自己的帧中）分别。
操纵运动学 GEM 位于 //engine/gems/kinematic_tree: kinematic_tree。 所有计算都作为双四元数执行，以表示 3D 空间中的位移：有关更多详细信息，请参阅 //engine/core/math/dual_quaternion.hpp 组件。 运动学状态的验证目前仅考虑关节限制； 目前没有其他自碰撞检查。 正向运动学为了从每个关节的位置找到末端执行器的位置，应用程序提取从根部到末端执行器的链接链，沿途乘以每个链接的对偶四元数。 最终的对偶四元数将表示当前的 3D 位移并且可以转换为 Pose3d。 逆运动学为了找到将末端执行器带到给定目标的关节配置，该应用程序使用雅可比转置实现了梯度下降法。 对于过度指定的系统（即具有六个以上关节的系统），此解决方案提供与提供给求解器的初始状态最接近的配置。 当目标状态和当前状态在配置步骤中连接和关闭时，以及当前状态作为初始猜测提供给求解器时，这是有效的。 小码Manipulation Kinematics GEM 使用 KinematicTree codelet 加载运动学树文件，该文件的命名结构为“.kinematic.json”。 以下是文件格式的示例： { "links": [ { "name": "base", "motor": { "type": "constant", "properties": { "pose": { "translation": [0.0, 0.0, 0.0], "rotation": { "axis": [0.0, 0.0, 1.0], "angle_radians": 0.0 } } } } }, { "name" : "axis1", "parent": "base", "motor": { "type": "constant", "properties": { "pose": { "translation": [0.0, 0.0, 0.1373], "rotation": { "axis": [0.7071, 0.7071, 0.0], "angle_degrees": 180.0 } } } } }, { "name" : "joint1", "parent": "axis1", "motor": { "type": "revolute", "properties": { "axis": [0, 0, 1] } } } ] }更多精彩内容: https://www.nvidia.cn/gtc-global/?ncid=ref-dev-876561
|
ISAAC教程合集地址
【本文地址】