具备柔顺接触形成与故障恢复的鲁棒软体机器人插入技术
机器人学
2026-05-19 v2
摘要
物体插入任务在姿态不确定性和环境变化情况下常常会失败，往往需要人工微调或控制器重新训练。我们提出了一种鲁棒且具备抗扰动能力的插入方法，利用具备柔顺性的软型手腕实现安全的接触吸收，通过大变形实现，无需高频控制或力感知。我们将插入任务结构化为柔顺性接触形成、逐步约束自由度的顺序接触状态，并集成自动故障恢复策略。我们的关键洞见在于，手腕的柔顺性允许进行安全的多次恢复尝试，因此我们将其称为柔顺性故障恢复（compliance-enabled failure recovery）。我们采用预训练的视觉语言模型（VLM）评估每项技能的执行情况，通过终端姿态和图像识别故障模式，并通过选择技能和更新目标提出恢复措施。在仿真中，我们的方法实现了 83% 的成功率，成功恢复了由随机化条件引起的故障，包括最高可达 5 度的抓取错位、最高可达 20 mm 的孔位误差、摩擦力五倍增加以及未见方形/矩形插销的情况，并在实际机器人上进一步验证了该方法。项目页面地址为 https://omron-sinicx.github.io/compliance-enabled-failure-recovery/。
引用
@article{arxiv.2509.17666,
title = {Robust and Resilient Soft Robotic Object Insertion with Compliance-Enabled Contact Formation and Failure Recovery},
author = {Mimo Shirasaka and Cristian C. Beltran-Hernandez and Masashi Hamaya and Yoshitaka Ushiku},
journal= {arXiv preprint arXiv:2509.17666},
year = {2026}
}