基于参数偏置的深度预测模型用于考虑可变刚度和材料变化的动态布料操控
机器人学
2024-09-25 v1
摘要
灵活对象（如布料）的动态操控是机器人学中的一个难题，因其难以建模。随着深度学习的发展，仿真和部分实际机器人中已见到一些成果，但仍有许多问题尚未被攻克。人类能够熟练地高速移动手臂，即使物料改变，仍能在多次移动和理解其特性后进行操控。因此，本研究聚焦于两个方面：（1）通过可变刚度机制实现身体控制，以实现更动态的操控；（2）针对操控对象的材料变化作出响应，采用参数化偏置方法。通过将这两种方法融入深度预测模型，我们通过仿真和实际机器人实验表明，具备可变刚度机制的 Musashi-W 人形机器人能够在检测到操控对象物理特性变化时进行动态布料操控。
引用
@article{arxiv.2409.15635,
title = {Dynamic Cloth Manipulation Considering Variable Stiffness and Material Change Using Deep Predictive Model with Parametric Bias},
author = {Kento Kawaharazuka and Akihiro Miki and Masahiro Bando and Kei Okada and Masayuki Inaba},
journal= {arXiv preprint arXiv:2409.15635},
year = {2024}
}
备注
Accepted at Frontiers in Neurorobotics