基于自适应力控制遥操作的学习型柔顺抓取与操控
机器人学
2021-07-22 v2
摘要
在这项工作中，我们专注于通过利用视觉感知与自适应力控制来提升机器人的灵巧能力。我们采用基于视觉的遥操作学习框架 TeachNet，将人手姿态映射到多指机器人手上。我们用一种基于仿生学习的柔顺控制算法来增强 TeachNet——该算法原本基于不精确的运动学映射与仅位置伺服，用于灵巧操控任务。该柔顺控制器以 TeachNet 映射得到的机器人关节角为期望目标，计算期望关节力矩。它源自人体运动学习中仿生控制策略的计算模型，可在参考关节角轨迹执行过程中在线自适应控制变量（阻抗与前馈力）。阻抗与前馈剖面的同步自适应使机器人能以柔顺方式与环境交互。我们的方法已在物理模拟的多个任务中得到验证，即抓取、开门、拧盖与触碰鼠标，并展现出比现有位置控制与定增益力控制方法更可靠的表现。
引用
@article{arxiv.2107.08996,
title = {Learning compliant grasping and manipulation by teleoperation with adaptive force control},
author = {Chao Zeng and Shuang Li and Yiming Jiang and Qiang Li and Zhaopeng Chen and Chenguang Yang and Jianwei Zhang},
journal= {arXiv preprint arXiv:2107.08996},
year = {2021}
}
备注
Accepted by the 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2021)