利用基于触觉的解构动作在线优化增强双指物体重定向的适应性
机器人学
2025-03-17 v1
摘要
物体重定向是机器人夹爪的关键任务，特别是在受限环境中操作物体时。由于高维输出动作与复杂输入信息（包括未知物体属性和非线性接触力）的耦合，该任务对运动规划提出了重大挑战。传统方法通过减少自由度、限制接触形式或预先获取环境/物体信息来简化问题，这显著损害了适应性。为了应对这些挑战，我们基于触觉传感将复杂的输出动作解构为三种基本类型：面向任务的动作、面向约束的动作和协调动作。然后使用梯度优化对这些动作进行在线优化，以增强适应性。主要贡献包括简化接触状态感知、分解复杂夹爪动作，以及实现用于处理未知物体或环境约束的在线动作优化。实验结果表明，所提出的方法在日常物体范围内均有效，不受环境接触影响。此外，即使在存在未知接触和非线性外部干扰的情况下，该方法也表现出稳健的性能。
引用
@article{arxiv.2503.11041,
title = {Enhancing Adaptivity of Two-Fingered Object Reorientation Using Tactile-based Online Optimization of Deconstructed Actions},
author = {Qiyin Huang and Tiemin Li and Yao Jiang},
journal= {arXiv preprint arXiv:2503.11041},
year = {2025}
}