用于机器人辅助穿衣的深度触觉模型预测控制

机器人辅助穿衣为改善许多残疾人（如部分老年人）的生活提供了机会。然而，目前的机器人缺乏关于其行为对人的物理影响的常识。非刚性衣物的物理影响使穿衣过程变得复杂，可能导致机器人间接对人体施加高力。我们提出了一种深度循环模型，当给定机器人的提议动作时，该模型可以预测衣物将施加于人体的力。我们还表明，机器人可以通过将该模型与模型预测控制结合使用来提供更好的穿衣辅助。我们模型做出的预测仅使用来自机器人末端执行器的触觉和运动学观测，这些数据易于获取。从真实的物理人机交互中收集训练数据可能耗时、昂贵且使人面临风险。相反，我们使用从基于物理的模拟中以完全自监督方式收集的数据来训练我们的预测模型。我们使用 PR2 机器人评估了我们的方法，该机器人试图将病号服拉到 10 名人类参与者的手臂上。在 0.2 秒的预测时域下，我们的控制器取得了很高的成功率，并在引导衣物绕过人的拳头和肘部而不被卡住的同时降低了施加的力。较短的预测时域会导致性能显著下降，袖子会卡在参与者的拳头和肘部，这证明了我们模型预测的价值。这种缓解卡住的行为产生于我们的深度预测模型和控制器目标函数，后者主要惩罚高力。