面向轮式人形机器人移动操作的带多阶段物体参数估计的全身双边遥操作

本文提出了一种面向轮式人形机器人移动操作的物体感知全身双边遥操作框架。该框架将全身双边遥操作与在线多阶段物体惯性参数估计模块相结合，这是本工作的核心技术贡献。多阶段过程依次集成了基于视觉的物体尺寸估计器、由大型视觉语言模型（VLM）生成的初始参数猜测，以及一个解耦的层次采样策略。视觉尺寸估计和VLM先验提供了物体惯性参数的强初始猜测，显著缩小了基于采样的精化搜索空间，并提高了整体估计速度。层次策略首先估计质量和质心，然后从物体尺寸推断惯性，以确保物理上可行的参数，而解耦的多假设方案则增强了对VLM先验误差的鲁棒性。我们的估计器与高保真仿真和硬件并行运行，能够进行实时在线更新。估计出的参数随后用于更新轮式人形机器人的平衡点，使操作员能够更专注于移动和操作。这种集成改善了用于动态同步的触觉力反馈，从而实现了更动态的全身遥操作。通过使用估计的参数补偿物体动力学，该框架还改善了操作跟踪，同时保持了柔顺行为。我们在一个配备机器人夹爪和人机界面的定制轮式人形机器人上验证了该系统，演示了实时执行抓取、搬运和释放任务，其有效载荷重量约为机器人自身重量的三分之一。