Tac-Man: 基于触觉信息的无先验铰接物体操控

将机器人集成到家庭等人居环境中，需要先进的操控技能，因为机器人设备需要与门、抽屉等铰接物体互动。机器人操控铰接物体的关键挑战在于这些物体内部结构的不可预测性和多样性，这使得基于物体运动学先验（显式和隐式）的模型变得不足。它们的可靠性因交互前的模糊性、不完美的结构参数、遇到未知物体以及不可预见的干扰而显著降低。在这里，我们提出了一种无先验策略Tac-Man，专注于在操控过程中保持稳定的机器人-物体接触。在不依赖物体先验的情况下，Tac-Man利用触觉反馈使机器人能够熟练处理各种铰接物体，包括具有复杂关节的物体，即使受到意外干扰的影响。在真实世界实验和大量模拟中展示，它在动态和多样化的环境中始终实现近乎完美的成功，优于现有方法。我们的结果表明，仅触觉感知就足以管理多样化的铰接物体，比基于先验的方法提供更强的鲁棒性和泛化能力。这强调了在复杂操控任务中详细接触建模的重要性，特别是对于铰接物体。触觉感知方法的进步显著扩展了机器人技术在人居环境中的应用范围，特别是在难以获得精确模型的情况下。更多材料请见https://tacman-aom.github.io。