基于触觉的密集装箱插入
机器人学
2019-09-13 v1
摘要
我们研究了在高分辨率触觉传感器控制下、将物体插入装箱场景中的问题。我们提出了一种基于触觉传感器 GelSlim 的新系统用于密集装箱任务。在本文中，我们提出了一种利用触觉感知的插入策略：1）用抓取的物体安全地探测箱子，同时监测初始滑动以维持对物体的稳定抓取；2）估计并修正残余位置不确定性，从而将物体插入指定间隙而不扰动环境。我们提出的方法基于两个神经网络，这两个网络从插入过程中由两根 GelSlim 手指获取的触觉印迹流中估计误差方向与误差大小。该系统在四种基本几何形状的物体上训练，我们展示其可泛化到另外四种常见物体。基于估计的位置误差，一种启发式控制器迭代调整物体位置并最终成功插入，无需物体几何形状的先验知识。关键洞见在于密集触觉反馈包含关于抓取物体与其环境之间接触交互的有用信息。我们实现了高成功率，并表明未知物体平均经过 6 次探测-修正循环即可插入。该方法对新颖物体的泛化能力使其非常适合仓库自动化中的装箱。
引用
@article{arxiv.1909.05426,
title = {Tactile-Based Insertion for Dense Box-Packing},
author = {Siyuan Dong and Alberto Rodriguez},
journal= {arXiv preprint arXiv:1909.05426},
year = {2019}
}