基于触觉的物体姿态估计学习用于欠驱动机械手的掌内操控
机器人学
2024-01-18 v2
摘要
与传统机械手不同，欠驱动柔顺手由于固有的不确定性而难以建模。因此，抓取物体的姿态估计通常基于视觉感知进行。然而，在遮挡或部分遮挡的环境中，对手和物体的视觉感知可能受限。在本文中，我们旨在探索使用触觉，即动觉和触觉传感，进行欠驱动手的姿态估计和掌内操控。这种触觉方法将缓解视线并非始终可用的遮挡环境。我们着重于识别系统的不包含视觉且可通过简单低成本硬件获得的特征状态表示。因此，对于触觉传感，我们提出了一种低成本且灵活的传感器，该传感器大部分与指尖一起 3D 打印而成，并能提供隐式接触信息。以一个两指欠驱动手为测试案例，我们分析了动觉和触觉特征以及各种回归模型对预测准确性的贡献。此外，我们提出了一种模型预测控制 (MPC) 方法，该方法利用姿态估计仅基于触觉将物体操控到期望状态。我们进行了一系列实验，验证了估计具有不同几何形状、刚度和纹理的各种物体姿态的能力，并展示了以相对较高的精度将物体操控到工作空间内目标位置的能力。
引用
@article{arxiv.2207.02843,
title = {Learning Haptic-based Object Pose Estimation for In-hand Manipulation Control with Underactuated Robotic Hands},
author = {Osher Azulay and Inbar Ben-David and Avishai Sintov},
journal= {arXiv preprint arXiv:2207.02843},
year = {2024}
}