Impact-Friendly Object Catching at Non-Zero Velocity based on Hybrid Optimization and Learning

要約

この論文では、非ゼロ速度でのオブジェクトの衝撃に優しく、掴みにくいキャッチのためのハイブリッド最適化および学習方法を提案します。
この方法では、制約付きの二次計画問題を通じて、ロボットと物体の間の接触点までの最適な軌道を生成して、相対速度を最小化し、衝撃力を低減します。
次に、生成された軌跡は、キャッチポイント周辺のスムーズな遷移を確保するために、人間のキャッチのデモンストレーションに基づいた Kernelized Movement Primitives によって更新されます。
さらに、学習した人間の可変剛性 (HVS) がロボットのデカルト インピーダンス コントローラーに送信され、衝撃後の力を吸収し、キャッチ位置を安定させます。
固定位置インピーダンス コントローラー (FP-IC) に対して HVS を使用する場合と使用しない場合の方法を比較するために、3 つの実験が行われます。
結果は、提案された方法がFP-ICよりも優れていることを示しましたが、HVSを追加すると、衝撃後の力を吸収するためのより良い結果が得られます。

要約(オリジナル)

This paper proposes a hybrid optimization and learning method for impact-friendly, non-prehensile catching of objects at non-zero velocity. Through a constrained Quadratic Programming problem, the method generates optimal trajectories up to the contact point between the robot and the object to minimize their relative velocity and reduce the impact forces. Next, the generated trajectories are updated by Kernelized Movement Primitives, which are based on human catching demonstrations to ensure a smooth transition around the catching point. In addition, the learned human variable stiffness (HVS) is sent to the robot’s Cartesian impedance controller to absorb the post-impact forces and stabilize the catching position. Three experiments are conducted to compare our method with and without HVS against a fixed-position impedance controller (FP-IC). The results showed that the proposed methods outperform the FP-IC while adding HVS yields better results for absorbing the post-impact forces.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google