基于触觉力控制的手内操作轨迹优化
机器人学
2026-02-04 v2
摘要
人类手的优势在于能够精确且鲁棒地操作小物体。相比之下，简单的机器人夹爪灵活性较低，无法有效处理小物体。这就是许多自动化任务仍未被机器人解决的原因。本文提出了一种针对配备紧凑型磁触觉传感器（MTSs）的机器人手进行手内操作的基于优化的框架。Shadow Robot 提供的机器人手小型化设计在满足接触约束的同时估计物体状态方面带来了挑战。为解决此问题，我们使用非线性规划（NLP）构建了一个轨迹优化问题，用于手指运动，同时确保接触点沿手指几何形状变化。利用求解器优化得到的轨迹，我们实现并测试了一个用于滚动运动的开环控制器。为进一步增强鲁棒性和精度，我们引入了一个用于手指的力控制器和一个利用 MTSs 的物体状态估计器。通过对比实验验证了所提出的框架，结果表明纳入考虑柔顺性的力控制提升了滚动运动的准确性和鲁棒性。使用力控制器滚动物体的成功率比运行开环控制器高出 30%。演示视频可在 https://youtu.be/6J_muL_AyE8 获取。
引用
@article{arxiv.2503.08222,
title = {Trajectory Optimization for In-Hand Manipulation with Tactile Force Control},
author = {Haegu Lee and Yitaek Kim and Victor Melbye Staven and Christoffer Sloth},
journal= {arXiv preprint arXiv:2503.08222},
year = {2026}
}
备注
This paper has been accepted to IROS 2025