学习混合力-速度控制器的前提条件用于富含接触的操作
机器人学
2022-11-01 v3
摘要
机器人在家庭和办公室等日常环境中协助人类时，需要在货架和橱柜等受限环境中操控物体。这些约束通过降低抓取可达性使操作变得困难，因此机器人需要使用非抓取策略，利用物体与环境的接触来执行操作任务。为应对此类环境中规划与控制富含接触行为的挑战，本工作采用混合力-速度控制器（HFVCs）作为技能表示，并利用学习到的前提条件规划技能序列。尽管 HFVCs 天然支持鲁棒且柔顺的富含接触行为，但综合它们的求解器传统上依赖精确的物体模型和物体位姿的闭环反馈，而在受限环境中由于遮挡难以获取这些信息。我们首先通过 HFVC 综合框架放宽 HFVCs 对精确模型和反馈的需求，然后学习基于点云的前提条件函数，以在存在建模误差的情况下分类 HFVC 执行是否仍会成功。最后，我们在基于搜索的任务规划器中使用学习到的前提条件，以在货架领域中完成富含接触的操作任务。我们的方法实现了 的任务成功率，优于无学习前提条件的基线所达到的 。尽管前提条件函数在仿真中训练，它也可迁移到真实世界设置而无需进一步微调。补充材料和视频见 https://sites.google.com/view/constrained-manipulation/
引用
@article{arxiv.2206.12728,
title = {Learning Preconditions of Hybrid Force-Velocity Controllers for Contact-Rich Manipulation},
author = {Jacky Liang and Xianyi Cheng and Oliver Kroemer},
journal= {arXiv preprint arXiv:2206.12728},
year = {2022}
}