基于离散搜索与连续优化的接触式长时域规划

机器人常常不得不在靠近人的情况下执行操作任务。因此，期望使用关节力矩受限的机械臂，以避免伤及附近的人，并与环境交互以探索完成任务的新可能。通过支撑于环境，机器人可以扩展其可达工作空间，否则由于超出执行器力矩限制而无法到达，从而完成超出其设计规格的任务。然而，复杂富接触任务的运动规划需要对不同可能接触模式与支撑位置的组合进行推理，这些组合随机器人中接触点与连杆数量呈指数增长。为解决这一组合问题，我们开发了 INSAT，它交错进行图搜索以探索机械臂关节构型与接触模式空间，并以邻域解作为种子进行增量轨迹优化，从而找到通过接触的动态可行轨迹。在本文中，我们介绍了 INSAT 算法的最新改进，提升了其运行时效能。具体而言，我们提出了具有降低优化拒绝率的惰性 INSAT（Lazy INSAT），它系统性地推迟对轨迹优化的调用，同时复用违反边界约束的可行解。该算法在仿真与物理硬件上的重载运输任务中进行了评估。在仿真中，我们表明 Lazy INSAT 能够发现那些在其设计限制内且不与环境交互便无法完成的任务的解。与执行无环境支持的相同轨迹相比，我们证明了利用支撑接触降低了执行该轨迹所需的整体力矩。