面向机器人灵巧操控的安全可调几何运动策略

机器人灵巧操控需要不断调和在异构几何空间上定义的目标与约束：在一个$\mathbb{R}^7$配置流形上受控的机器人可能需要在$\mathrm{SE}(3)$上跟踪末端执行器姿态，同时满足$\mathbb{R}$中的障碍物规避间隙。我们提出Safe Pullback Bundle Dynamical Systems (SafePBDS)，一种几何一致的框架，用于从任务流形上的目标和安全要求计算配置流形加速度的 optimal、可证明安全的解。SafePBDS建立在结合预定义任务流形动力系统以产生自主运动的先行工作基础上。其第一项创新是一种 pullback 控制屏障函数构造，将任务流形的安全条件转换为配置流形加速度上的线性约束。第二项创新是一种任务流形动作接口，允许高层策略注入低维残差运动；零输入恢复自主行为，而在任意输入下保持安全。这使高层策略能够有效地引导探索，而将精确运动留给自主行为。我们在仿真和23自由度的Franka Panda-Allegro Hand平台上对SafePBDS进行了验证。在灵巧抓握任务中，SafePBDS在20个家庭用品和120次试验中实现了92.5%的成功率。通过动作接口，该方法可通过一个一维动作排除抓握中的任意一只手指，实现94.4%的3指抓握成功率(3个物品、36次试验)。SafePBDS的高效规划和安全保证也使得首次实现基于模型的、完全 actuated 的手掌下方向内 in-hand reorientation成为可能，在各种物体重量和手腕运动下，均实现360°的偏航旋转。演示视频和详情：https://tml.stanford.edu/safe-pbds