Adaptive Shape-Servoing for Vision-based Robotic Manipulation with Model Estimation and Performance Regulation

要約

本稿では、形状表現、感覚運動モデル推定、形状コントローラを含む弾性ロッドの操作フレームワークを紹介します。
これまで、弾性ロッドの操作はいくつかの課題に直面していました。1) 高次元から低空間次元への形状学習。
2) ロボットによる弾性ロッド操作のモデリング。
３）形状コントローラの決定。
この論文では、ロボット、カメラ、オブジェクトに関する事前知識なしでシステムの入力データと出力データのみを使用する、弾性ロッドの新しい操作フレームワークが提示されています。
提案されたアプローチはモデルフリーの方法で実行されます。
感覚運動モデルの近似には、オンライン推定として適応カルマン フィルター (AKF) が使用されます。
モデルフリー適応制御 (MFAC) は、得られたロボットとオブジェクトの構成の差分モデルに従って設計され、性能規制要件と組み合わせられて、形状コントローラーの最終形式が得られます。
したがって、提案されたアプローチは、変形オブジェクト操作の自律的な機能を強化できます。
詳細なシミュレーション結果は、提案された操作フレームワークの有効性を評価するために、単一のロボット操作で実行されます。

要約(オリジナル)

This paper introduces a manipulation framework for the elastic rod, including shape representation, sensorimotor-model estimation, and shape controller. Until now, the manipulation of the elastic rod has faced several challenges: 1) shape learning from high-dimensional to low-space dimensional; 2) the modeling of robot manipulation of the elastic rod; 3) the determination of the shape controller. A novel manipulation framework for the elastic rod is presented in this paper, which only uses the input and output data of the system without any prior knowledge of the robot, camera, and object. The proposed approach runs in a model-free manner. For the approximation of the sensorimotor model, adaptive Kalman filtering (AKF) is used as the online estimation. Model-free adaptive control (MFAC) is designed according to the obtained differential model of robot-object configuration and then is combined with the performance regulation requirement to give the final format of the shape controller. Hence, the proposed approach can enhance the autonomous capability of deformation object manipulation. Detailed simulation results are conducted with a single robot manipulation to evaluate the effectiveness of the proposed manipulation framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google