使用基于兴趣结构神经动力学模型的双臂可变形袋子操作
机器人学
2024-10-22 v2
摘要
由于可变形物体复杂且无限维的配置空间，机器人系统对其进行操作提出了重大挑战。本文通过强调可变形织物袋中兴趣结构 的识别与操作，引入了一种可变形物体操作 的新方法。我们提出了一种双臂操作框架，该框架利用基于图神经网络 (GNN) 的潜动力学模型来简洁地表示和预测这些SOI的行为。我们的方法涉及从物体的部分点云数据构建图表示，并学习在缩减的计算空间内有效捕捉织物袋基本变形的潜动力学模型。通过将此潜动力学模型与模型预测控制 (MPC) 相结合，我们使机器人操作器能够执行专注于SOI的精确且稳定的操作任务。我们通过各种经验实验验证了我们的框架，证明了其在织物袋双臂操作中的有效性。我们的贡献不仅解决了DOM中固有的复杂性，而且通过集中于可变形物体的关键结构元素，为增强机器人与可变形物体的交互提供了新的视角和方法。实验视频可从 https://sites.google.com/view/bagbot 获取。
引用
@article{arxiv.2401.11432,
title = {Bimanual Deformable Bag Manipulation Using a Structure-of-Interest Based Neural Dynamics Model},
author = {Peng Zhou and Pai Zheng and Jiaming Qi and Chenxi Li and Samantha Lee and Chenguang Yang and David Navarro-Alarcon and Jia Pan},
journal= {arXiv preprint arXiv:2401.11432},
year = {2024}
}