在线估计与操控关节物体

从冰箱到厨房抽屉，人们在完成日常家务时会不知不觉地轻松地与关节物体进行交互。为了自动化这些任务，服务机器人必须能够操控任意关节物体。最近的深度学习方法已被证明能够从视觉数据中预测关节物体的先验信息。相比之下，许多其他工作通过观察关节运动来估计物体的关节信息，但这需要机器人已经具备操控该物体的能力。本文提出了一种新方法，结合了这些方法，利用因子图对关节进行在线估计，将在交互期间融合学习的视觉先验与机器人感知信号，构建基于螺旋论的关节分析模型。通过本方法，机器人系统在触碰物体之前即可从视觉数据中初始预测关节信息，然后在操控过程中通过运动学和力感知快速更新估计。我们在仿真和实际机器人操控实验中对方法进行了广泛评估。我们展示了多个闭环估计与操控实验，机器人能够打开之前未遇到的抽屉。在实际硬件实验中，机器人实现了75%的自主打开未知关节物体的成功率。