用于连续双边遥操作的运动映射

将操作员运动映射到机器人是遥操作中的关键问题。由于工作空间之间的差异（如物体位置），推导满足不同目标（例如两侧不同位姿物体的抓取或通过关键点）的平滑运动映射尤其具有挑战性。事实上，大多数最先进的方法依赖模式切换，导致不连续、低透明度的体验。在本文中，我们基于操作员与机器人工作空间中感兴趣物体的位姿，提出一种用于位置、方向和速度映射的统一公式。我们将其应用于双边遥操作的背景中。研究了实现所提映射的两种可能实现：基于局部加权平移与旋转的迭代方法，以及神经网络方法。评估在仿真中和使用两个力矩控制的 Franka Emika Panda 机器人进行。我们的结果表明，尽管训练时间更长，神经网络方法提供了更快的映射评估和更低的操作员交互力，这对于连续、实时遥操作至关重要。