通过约束提取从视觉演示教学接触丰富任务
机器人学
2023-04-05 v2
摘要
接触丰富操作涉及任务运动上的运动学约束，通常在任务期间这些约束之间存在离散切换。让机器人检测并推理这些接触约束可支持鲁棒且动态的操作，但这些接触模型如何能被高效学习？纯视觉观测是一种诱人的数据源，允许使用未修改物体进行被动任务演示。现有的仅视觉示教学习方法在拾放应用与平面任务中有效。然而，精度/遮挡与未观测的任务动力学会限制其在接触丰富操作中的鲁棒性。为将视觉演示用于接触丰富机器人任务，我们考虑具有完整约束间切换的位姿轨迹演示，先将轨迹聚类为离散接触模式，再为每个模式拟合运动学约束。所拟合约束随后被用于（i）通过力/力矩测量在线检测接触，以及（ii）针对活动约束规划机器人策略。我们通过布线与耙取任务的真实实验展示了该方法，表明该方法通过接触切换给出了鲁棒操作。
引用
@article{arxiv.2303.17481,
title = {Teaching contact-rich tasks from visual demonstrations by constraint extraction},
author = {Christian Hegeler and Filippo Rozzi and Loris Roveda and Kevin Haninger},
journal= {arXiv preprint arXiv:2303.17481},
year = {2023}
}
备注
Submitted ICRA23. Code available at https://github.com/khaninger/contact_monitoring Video available at https://www.youtube.com/watch?v=Tf-zt8VKu_M