基于松弛优化的机器人手中操作

指尖在手中操作是一种独特且稀缺的人类技能，要求对环境进行复杂的传感器-运动交互，同时遵守稳定性约束。对于机器人平台实现可靠的手中操作技能，必须生成满足这些约束的运动。显式建模这些约束可能具有挑战性，但可以通过经验或人类演示进行隐式建模和学习。我们提出了一种基于来自人类演示生成的运动原语词典的学习与控制方法。为实现这一目标，我们定义了一种优化过程，将运动原语组合以生成机器人指尖轨迹，用于将对象从初始位置移动到期望的最终位置。根据我们的实验结果，该方法使机器人手臂能够像人类一样处理物体，遵守稳定性约束，而无需显式形式化。换言之，提出的运动原语词典学习并隐式嵌入了手中操作任务所必需的约束。