Wheeled Humanoid Bilateral Teleoperation with Position-Force Control Modes for Dynamic Loco-Manipulation

要約

遠隔制御の人型ロボットは、従来人間が行っていた複雑なまたは危険な手作業を実行することで、製造、建設、医療業界に革命を起こすことができます。
これらの動作を動的ロコマニピュレーション (DLM) と呼びます。
これらのタスクを正常に完了するために、人間は体の位置を制御し、手元にある力に接触します。
ヒューマノイドでも同様の全身制御を可能にするために、双方向遠隔操作フレームワークで位置と力の制御モードを切り替えた移動操作リターゲット戦略を導入します。
私たちが提案する移動マッピングは、オペレーターの胴体のピッチとヨーを使用してロボットの位置または加速度を制御します。
操作のリターゲットは、エンドエフェクターのジョイント位置またはインピーダンス制御のために、オペレーターの腕の動きをロボットの腕にマッピングします。
ヒューマン マシン インターフェイスは、遠隔操作者の動きを捕捉し、胴体に触覚フィードバックを提供して、ロボットと環境との相互作用に対する意識を高めます。
このペーパーでは、DLM の 2 つの形式を示します。
まず、ロボットがロボットの重量の最大 83% の重さの重い箱 (5 ~ 10.5 kg) を目的の位置に差し込む様子を示します。
2 番目に、物体を運ぶための人間とロボットのコラボレーションを示します。この場合、ロボットと遠隔操作者がリーダーとフォロワーの役割を果たします。

要約(オリジナル)

Remote-controlled humanoid robots can revolutionize manufacturing, construction, and healthcare industries by performing complex or dangerous manual tasks traditionally done by humans. We refer to these behaviors as Dynamic Loco-Manipulation (DLM). To successfully complete these tasks, humans control the position of their bodies and contact forces at their hands. To enable similar whole-body control in humanoids, we introduce loco-manipulation retargeting strategies with switched position and force control modes in a bilateral teleoperation framework. Our proposed locomotion mappings use the pitch and yaw of the operator’s torso to control robot position or acceleration. The manipulation retargeting maps the operator’s arm movements to the robot’s arms for joint-position or impedance control of the end-effector. A Human-Machine Interface captures the teleoperator’s motion and provides haptic feedback to their torso, enhancing their awareness of the robot’s interactions with the environment. In this paper, we demonstrate two forms of DLM. First, we show the robot slotting heavy boxes (5-10.5 kg), weighing up to 83% of the robot’s weight, into desired positions. Second, we show human-robot collaboration for carrying an object, where the robot and teleoperator take on leader and follower roles.

arxiv情報

著者 Amartya Purushottam,Jack Yan,Christopher Xu,Youngwoo Sim,Joao Ramos
発行日 2024-07-16 21:34:27+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク