U-LAG：面向机器人操作的不确定性感知、时滞自适应目标重定向
机器人学
2025-10-06 v1
摘要
在变化环境中执行操作的机器人必须基于滞后、噪声或过时的感知进行动作。我们提出了U-LAG，一种执行中的目标重定向层，在保持底层控制器不变的同时，利用新到达的观测重新瞄准任务目标（接触前、接触中、接触后）。与运动重定向或通用视觉伺服不同，U-LAG将飞行中的目标重定向视为感知与控制之间的一个一等、可插拔模块。我们的主要技术贡献是UAR-PF，一种不确定性感知重定向器，它在感知滞后下维持物体姿态的分布，并选择最大化期望进展的目标。我们在PyBullet/PandaGym中实现了一个可复现的Shift × Lag压力测试，涵盖抓取、推推、堆叠和销钉插入任务，其中物体在接近过程中经历突发的平面内位移，同时注入合成感知滞后。在0-10 cm的位移和0-400 ms的滞后范围内，UAR-PF和ICP相对于无重定向基线表现优雅降级，以适度的末端执行器行程和更少的中止实现了更高的成功率；简单的操作安全措施进一步提升了稳定性。贡献包括：(1) 用于时滞自适应、不确定性感知目标重定向的UAR-PF；(2) 一个可插拔的重定向接口；以及(3) 一个可复现的Shift × Lag基准，涵盖抓取、推推、堆叠和销钉插入的评估。
引用
@article{arxiv.2510.02526,
title = {U-LAG: Uncertainty-Aware, Lag-Adaptive Goal Retargeting for Robotic Manipulation},
author = {Anamika J H and Anujith Muraleedharan},
journal= {arXiv preprint arXiv:2510.02526},
year = {2025}
}
备注
8 pages, 5 figures. Accepted to the IROS 2025 Workshop on Perception and Planning for Mobile Manipulation in Changing Environments