通过学习力控制实现机器人纸质包装
机器人学
2025-03-21 v1 机器学习
摘要
机器人纸质包装因纸质材料的复杂变形特性而面临重大挑战。包装工艺本身涉及多个步骤，主要可归类为折叠纸张或创建褶皱。机器人机械臂轨迹或力向量的微小偏差可能导致纸张撕裂或起皱，材料特性的差异会加剧此类问题。本研究引入一种新型框架，将模仿学习与强化学习相结合，使机器人能够高效完成包装工序中的每一步。该框架允许机器人基于人类演示中大致的工具中心点 (TCP) 轨迹运行，同时优化力控制参数以防止撕裂或起皱，即使在纸质材料特性变化的情况下亦可实现。本文通过消融研究验证了该方法，结果显示任务成功完成，撕裂和起皱率显著降低。此外，力控制策略在不同纸质材料间具有适应性，且对目标对象尺寸变化具有鲁棒性。
引用
@article{arxiv.2503.15685,
title = {Robotic Paper Wrapping by Learning Force Control},
author = {Hiroki Hanai and Takuya Kiyokawa and Weiwei Wan and Kensuke Harada},
journal= {arXiv preprint arXiv:2503.15685},
year = {2025}
}