物理人机协作中接触检测、分类与反应的数据驱动方法
机器人学
2021-06-15 v1
摘要
本文考虑一种场景：机器人与人类操作员共享同一工作空间，且机器人既能执行自主任务，又能与人类进行物理交互以达成共同目标。在此背景下，由于任务与环境的复杂性、人类行为的不确定性以及彼此动作典型缺乏感知，人与机器人之间可能发生有意与无意的接触。此处，设计了一种基于循环神经网络（RNNs）的两阶段策略来检测有意与无意接触：第一阶段检测与人接触的发生，第二阶段对有意与无意进行分类。随后机器人分别执行导纳控制策略或规避动作。该方法在机器人同时与人及环境交互的情况下亦有效，其中环境的交互 wrench 通过高斯混合模型（GMMs）建模。在控制层引入控制障碍函数（CBFs），以在执行恰当交互策略时保证机器人与任务约束的满足。该方法已在由 Kinova Jaco2 机器人组成的真实平台上验证。
引用
@article{arxiv.2106.06781,
title = {A Data-Driven Approach for Contact Detection, Classification and Reaction in Physical Human-Robot Collaboration},
author = {Martina Lippi and Giuseppe Gillini and Alessandro Marino and Filippo Arrichiello},
journal= {arXiv preprint arXiv:2106.06781},
year = {2021}
}
备注
Accepted to 2021 IEEE International Conference on Robotics and Automation