考虑抓取状态在线变化的自适应机器人工具臂端控制学习
机器人学
2024-07-12 v1
摘要
迄今为止已发展出各种机器人工具操控方法。然而,据我们了解,目前的研究都未考虑工具操控期间抓取状态（如抓取位置和工具角度）可能随时发生变化的事实。此外,针对可变形工具的研究亦较少。本文发展了一种方法,用于估计工具臂端位置、控制工具臂端,并处理身体与工具之间关系在线变化的适应性,该方法采用包括参数偏置的神经网络。我们在两个不同类型的机器人上进行实验:轴驱动机器人 PR2 和腱驱动机器人 MusashiLarm,展示了该方法对于抓取状态在线变化和可变形工具的有效性。
引用
@article{arxiv.2407.08052,
title = {Adaptive Robotic Tool-Tip Control Learning Considering Online Changes in Grasping State},
author = {Kento Kawaharazuka and Kei Okada and Masayuki Inaba},
journal= {arXiv preprint arXiv:2407.08052},
year = {2024}
}
备注
Accepted at IEEE Robotics and Automation Letters