Collaborative Planar Pushing of Polytopic Objects with Multiple Robots in Complex Scenes

要約

プッシングは、ロボットが環境と相互作用し、さらに環境を変化させるためのシンプルかつ効果的なスキルである。関連研究は、主にロボットマニピュレータの非包括的操作プリミティブとして活用することに重点を置いてきた。しかし、マニピュレータを搭載していない低コストの移動ロボットにとっても有益である。この研究では、複雑な障害物が散乱する環境内で、移動ロボットのチームを制御して、多視点物体を協調して押すという一般的な問題に取り組む。この問題には、異なる接触モード間のハイブリッドな切り替えや、接触力の制約による動作不足など、接触が多いタスクに特徴的ないくつかの課題が組み込まれている。提案手法は、一連の可能なモードと関連する押付力に対するハイブリッド最適化に基づいており、(i)一般的な物体と任意の数のロボットに対する準静的解析に基づいて、多方向の実現可能性推定により十分なモードの集合が生成される、(ii)円弧セグメントを介してナビゲーション経路を反復的に分解し、最適なパラメータ化されたモードを選択するために階層型ハイブリッド探索アルゴリズムが設計される、(iii)各ロボットに対してオンラインで適応的に所望の押付速度を追跡するために非線形モデル予測コントローラが提案される。(iii)非線形モデル予測制御器を提案し、各ロボットに対してオンラインで適応的に所望の押し出し速度を追跡する。その効率と有効性は、忠実度の高いシミュレーションとハードウェア実験で検証される。また、運動と作動の不確実性に対する頑健性も実証された。

要約(オリジナル)

Pushing is a simple yet effective skill for robots to interact with and further change the environment. Related work has been mostly focused on utilizing it as a non-prehensile manipulation primitive for a robotic manipulator. However, it can also be beneficial for low-cost mobile robots that are not equipped with a manipulator. This work tackles the general problem of controlling a team of mobile robots to push collaboratively polytopic objects within complex obstacle-cluttered environments. It incorporates several characteristic challenges for contact-rich tasks such as the hybrid switching among different contact modes and under-actuation due to constrained contact forces. The proposed method is based on hybrid optimization over a sequence of possible modes and the associated pushing forces, where (i) a set of sufficient modes is generated with a multi-directional feasibility estimation, based on quasi-static analyses for general objects and any number of robots; (ii) a hierarchical hybrid search algorithm is designed to iteratively decompose the navigation path via arc segments and select the optimal parameterized mode; and (iii) a nonlinear model predictive controller is proposed to track the desired pushing velocities adaptively online for each robot. The proposed framework is complete under mild assumptions. Its efficiency and effectiveness are validated in high-fidelity simulations and hardware experiments. Robustness to motion and actuation uncertainties is also demonstrated.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL