结构化环境中软体连续臂位姿控制的视觉伺服
机器人学
2022-03-15 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
对于软体连续臂，视觉伺服是一种流行的控制策略，它依赖视觉反馈来闭合控制回路。然而，鲁棒的视觉伺服具有挑战性，因为它需要从图像中可靠地提取特征、精确的控制模型以及感知臂形状的传感器，而这些在软体机器人中都难以实现。本文通过提出一种基于深度神经网络的方法来规避这些挑战，该方法利用安装在臂远端的摄像头，通过视觉伺服在软体臂上执行平滑且鲁棒的3D定位任务。我们训练了一个卷积神经网络来预测在结构化环境中达到期望位姿所需的驱动量。我们提出了从图像估计驱动量的集成式和模块化方法，并进行了实验比较。我们实现了一个比例控制律，以减小摄像头所见的期望图像与当前图像之间的误差。该模型与比例反馈控制相结合，使所述方法对多种变化具有鲁棒性，例如新目标、光照、负载以及软体臂的退化。此外，该模型只需极少的工作量即可迁移到新环境中。
引用
@article{arxiv.2202.05200,
title = {Visual Servoing for Pose Control of Soft Continuum Arm in a Structured Environment},
author = {Shivani Kamtikar and Samhita Marri and Benjamin Walt and Naveen Kumar Uppalapati and Girish Krishnan and Girish Chowdhary},
journal= {arXiv preprint arXiv:2202.05200},
year = {2022}
}
备注
Published in RA-L + RoboSoft 2022