基于优化与学习相结合的非零速度下友好接触式物体捕捉
机器人学
2023-09-06 v3
摘要
本文提出一种优化与学习相结合的方法，用于非零速度下友好接触、非抓取式的物体捕捉。该方法通过约束二次规划问题，生成机器人至与物体接触点之前的最优轨迹，以最小化二者相对速度并减小冲击力。随后，所生成的轨迹由基于人类捕捉示范的核化运动基元进行更新，以确保捕捉点附近的平滑过渡。此外，所学得的人类变刚度（HVS）被送入机器人的笛卡尔阻抗控制器，以吸收撞击后力并稳定捕捉位置。我们进行了三组实验，将所提方法与不带 HVS 的版本以及固定位置阻抗控制器（FP-IC）进行比较。结果表明，所提方法优于 FP-IC，且加入 HVS 在吸收撞击后力方面取得了更好的效果。
引用
@article{arxiv.2209.12563,
title = {Impact-Friendly Object Catching at Non-Zero Velocity Based on Combined Optimization and Learning},
author = {Jianzhuang Zhao and Gustavo J. G. Lahr and Francesco Tassi and Alessandro Santopaolo and Elena De Momi and Arash Ajoudani},
journal= {arXiv preprint arXiv:2209.12563},
year = {2023}
}
备注
8 pages, 9 figures, accepted by 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2023)