Impact-Friendly Object Catching at Non-Zero Velocity Based on Combined Optimization and Learning

要約

この論文では、非ゼロ速度で物体を衝撃に優しく、掴みにくく捕捉するための、最適化と学習を組み合わせた方法を提案します。
この方法は、制約付きの 2 次計画問題を通じて、ロボットと物体の接触点までの最適な軌道を生成し、相対速度を最小限に抑え、衝撃力を軽減します。
次に、生成された軌道はカーネル化された移動プリミティブによって更新されます。これは人間の捕球デモンストレーションに基づいており、捕球ポイント周辺でのスムーズな移行を保証します。
さらに、学習された人間の可変剛性 (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、捕球位置を安定させます。
HVS を使用した場合と使用しない場合の方法を固定位置インピーダンス コントローラー (FP-IC) と比較するために 3 つの実験が行われます。
結果は、提案された方法が FP-IC よりも優れている一方、HVS を追加すると衝撃後の力を吸収する点でより良い結果が得られることを示しました。

要約(オリジナル)

This paper proposes a combined 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