基于接触信赖域的灵巧富接触操作
机器人学
2025-11-04 v4
摘要
对于富接触操作，什么是接触动力学的良好局部描述，以及我们在何处可以信赖这种局部描述？虽然许多方法通常依赖带有椭球信赖域的动力学泰勒近似，但我们认为此类方法从根本上与接触的单边性质不一致。作为补救，我们提出了接触信赖域（CTR），它捕捉了接触的单边性质，同时保持了计算效率。利用CTR，我们首先开发了一种模型预测控制（MPC）算法，能够合成局部的富接触计划。然后，我们通过将局部MPC计划拼接在一起，将这种能力扩展到全局规划，从而实现高效且灵巧的富接触操作。为了验证我们方法的性能，我们在两个富接触系统上进行了全面的评估，包括高保真仿真和硬件实验：一个平面Iiwa双臂系统和一个3D Allegro手系统。在这两个系统上，我们的方法为现有的基于强化学习（RL）的富接触操作方法提供了一种计算成本显著更低的替代方案。特别是，我们的Allegro手内操作策略，以路线图的形式，仅使用CPU在标准笔记本电脑上离线构建时间不到10分钟，而在线推理仅需几秒钟。实验数据、视频和代码可在 ctr.theaiinstitute.com 获取。
引用
@article{arxiv.2505.02291,
title = {Dexterous Contact-Rich Manipulation via the Contact Trust Region},
author = {H. J. Terry Suh and Tao Pang and Tong Zhao and Russ Tedrake},
journal= {arXiv preprint arXiv:2505.02291},
year = {2025}
}