Pose and shear-based tactile servoing

要約

触覚サーボは、環境の変化にリアルタイムで適応しながら、ロボットが物体を精密かつ正確に操作できるようにするため、重要な技術です。
高解像度の軟触覚センサーを使用した触覚サーボ制御の 1 つのアプローチは、畳み込みニューラル ネットワーク (CNN) を使用して物体表面に対する接触姿勢を推定し、フィードバック信号として使用することです。
この論文では、表面姿勢推定モデルをせん断を含めてどのように拡張できるかを調査し、これらの結合モデルとせん断モデルを利用して、物体などのさまざまな非把握性操作タスク用にプログラムできる触覚ロボット システムを開発します。
トラッキング、表面追従、シングルアーム オブジェクトのプッシュ、およびデュアル アーム オブジェクトのプッシュ。
これを行うには、2 つの技術的な課題を克服する必要がありました。
まず、せん断による滑りを含む触覚データの使用は、正確な制御には適さないエラーが発生しやすい推定につながる可能性があるため、CNN をガウス密度ニューラル ネットワークに修正し、識別ベイジアン フィルターを使用して予測を改善しました。
ロボットの運動学を利用した状態ダイナミクスモデル。
次に、オブジェクトと対話しながら 3D 空間でロボットのスムーズな動作を実現するために、SE(3) 速度ベースのサーボ制御を使用しました。これには、多くの標準的な仮定が当てはまらないため、リー群理論を使用してベイジアン フィルター更新方程式を再導出する必要がありました。
非ユークリッド多様体で定義された状態変数。
将来的には、ポーズとせん断ベースの触覚サーボにより、多くのオブジェクト操作タスクと、多指触覚ロボット ハンドの完全な器用な使用が可能になると考えています。
ビデオ: https://www.youtube.com/watch?v=xVs4hd34ek0

要約(オリジナル)

Tactile servoing is an important technique because it enables robots to manipulate objects with precision and accuracy while adapting to changes in their environments in real-time. One approach for tactile servo control with high-resolution soft tactile sensors is to estimate the contact pose relative to an object surface using a convolutional neural network (CNN) for use as a feedback signal. In this paper, we investigate how the surface pose estimation model can be extended to include shear, and utilize these combined pose-and-shear models to develop a tactile robotic system that can be programmed for diverse non-prehensile manipulation tasks, such as object tracking, surface following, single-arm object pushing and dual-arm object pushing. In doing this, two technical challenges had to be overcome. Firstly, the use of tactile data that includes shear-induced slippage can lead to error-prone estimates unsuitable for accurate control, and so we modified the CNN into a Gaussian-density neural network and used a discriminative Bayesian filter to improve the predictions with a state dynamics model that utilizes the robot kinematics. Secondly, to achieve smooth robot motion in 3D space while interacting with objects, we used SE(3) velocity-based servo control, which required re-deriving the Bayesian filter update equations using Lie group theory, as many standard assumptions do not hold for state variables defined on non-Euclidean manifolds. In future, we believe that pose and shear-based tactile servoing will enable many object manipulation tasks and the fully-dexterous utilization of multi-fingered tactile robot hands. Video: https://www.youtube.com/watch?v=xVs4hd34ek0

arxiv情報

提供元, 利用サービス

arxiv.jp, Google