基于故障重构技术的家用服务机器人操作任务中的质量估计
机器人学
2020-10-14 v1 系统与控制
系统与控制
摘要
操作是家用服务机器人的一项关键能力，正如最近 Robocup@Home 版本的规章所示。目前，物体识别主要基于视觉信息完成。一些机器人也使用 3D 信息如点云或激光扫描，但据作者所知，机器人并未利用物理属性来改善物体识别。在操作任务中估计物体重量是 @Home 联赛中的新事物，此种能力可提升家用服务机器人的性能。本工作中，我们提出使用滑模观测器（Sliding Mode Observers）来估计所抓取物体的重量。若将无负载机械臂视为标称系统、将物体重量视为故障信号，我们便可通过适当滤波滑模观测器的输出误差注入项来估计该重量。为实现我们的方案，我们使用了 MATLAB 与 Simulink Robotics System Toolbox、ROS Toolbox 与 Simscape。为改善计算时间，我们将所有算法从 Simulink 模型导出为独立 ROS 节点。测试使用了两个平台：Justina 的左机械臂（UNAM 生物机器人实验室开发的机器人）与 Neuronics Katana 机械臂。我们给出了仿真结果并讨论了所提出系统的性能与可能的误差来源。最后给出结论并指明未来工作。
引用
@article{arxiv.2010.06116,
title = {Mass Estimation in Manipulation Tasks of Domestic Service Robots using Fault Reconstruction Techniques},
author = {Marco Negrete and Jesús Savage and José Avendaño},
journal= {arXiv preprint arXiv:2010.06116},
year = {2020}
}
备注
Files to reproduce results can be found in https://github.com/RobotJustina/RCF-MathWorks-2020-14/