Differentiable Environment Primitives for Contact State Estimation

要約

接触が多い操作では、ロボットのダイナミクスは、アプリケーション固有の動的プロパティ (剛性、慣性) とジオメトリ (接触法線) を持つ環境と結合されます。
これらの環境パラメーターを知ることで、制御と監視を改善できますが、それらは観察されないことが多く、オンラインまたはタスク インスタンス間で異なる場合があります。
拡張カルマン フィルターなどのオブザーバーを使用してこれらのパラメーターを推定できますが、このようなモデルベースの手法では、多点接触などの複雑な環境にスケールアップするには、あまりにも多くのエンジニアリング作業が必要になる場合があります。
環境モデリングを加速するために、環境プリミティブを提案します。これは、並列に接続でき、自動微分フレームワークで表現されるパラメーター化された環境ダイナミクスです。
これにより、オフラインの勾配ベースの最適化が簡素化され、モデル パラメーターに適合し、オブザーバーの連成ダイナミクスが線形化されます。
この方法は剛性接触モデルに実装されており、接触ジオメトリと剛性のフィッティングをオフラインで、または拡張カルマン フィルターによるオンライン推定を可能にします。
この方法を協働ロボットに適用し、モーターの位置と電流から外力、接触剛性、および接触形状を推定します。
外力と剛性の推定値は、運動量オブザーバーおよび直接力測定値と比較されます。

要約(オリジナル)

In contact-rich manipulation, the robot dynamics are coupled with an environment that has application-specific dynamic properties (stiffness, inertia) and geometry (contact normal). Knowledge of these environmental parameters can improve control and monitoring, but they are often unobserved and may vary, either online or between task instances. Observers, such as the extended Kalman filter, can be used to estimate these parameters, but such model-based techniques can require too much engineering work to scale up to complex environments, such as multi-point contact. To accelerate environment modeling, we propose environment primitives: parameterized environment dynamics that can be connected in parallel and are expressed in an automatic differentiation framework. This simplifies offline gradient-based optimization to fit model parameters and linearization of the coupled dynamics for an observer. This method is implemented for stiffness contact models, allowing the fitting of contact geometry and stiffness offline or their online estimation by an extended Kalman filter. This method is applied to a collaborative robot, estimating external force, contact stiffness, and contact geometry from the motor position and current. The estimates of external force and stiffness are compared with a momentum observer and direct force measurements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google