Contact-Implicit Model Predictive Control for Dexterous In-hand Manipulation: A Long-Horizon and Robust Approach

要約

器用な手の操作は、生産と生活に不可欠なスキルです。
ただし、接触の剛性が高く、変更可能な性質があるため、リアルタイムの接触検出と推論が制限され、モデルベースの方法のパフォーマンスが低下します。
この論文は、接触の多い移動と操作における最近の進歩に触発され、器用な手の操作を制御し、現在の制限を克服するための新しいモデルベースのアプローチを提案します。
提案されたアプローチには、事前に定義された接触シーケンスや個別の計画手順を必要とせずに、ロボットが長距離の手持ち操作を確実に実行できるという魅力的な特徴があります。
具体的には、低レベルの追跡コントローラーによって実行されるリアルタイムの接触計画を生成する、高レベルの接触暗黙的モデル予測コントローラーを設計します。
他のモデルベースの方法と比較して、このような長期的な機能により、接触が多い動作の再計画と堅牢な実行が可能になり、手の操作で大きな変位をより効率的に達成できます。
既存の学習ベースの方法と比較して、提案されたアプローチは器用さを実現し、事前トレーニングなしでさまざまなオブジェクトに一般化することもできます。
詳細なシミュレーションとアブレーション研究により、私たちの方法の効率と有効性が実証されています。
これは、23 自由度、長距離、手持ちオブジェクト回転タスクで 20 Hz で実行されます。

要約(オリジナル)

Dexterous in-hand manipulation is an essential skill of production and life. However, the highly stiff and mutable nature of contacts limits real-time contact detection and inference, degrading the performance of model-based methods. Inspired by recent advances in contact-rich locomotion and manipulation, this paper proposes a novel model-based approach to control dexterous in-hand manipulation and overcome the current limitations. The proposed approach has an attractive feature, which allows the robot to robustly perform long-horizon in-hand manipulation without predefined contact sequences or separate planning procedures. Specifically, we design a high-level contact-implicit model predictive controller to generate real-time contact plans executed by the low-level tracking controller. Compared to other model-based methods, such a long-horizon feature enables replanning and robust execution of contact-rich motions to achieve large displacements in-hand manipulation more efficiently; Compared to existing learning-based methods, the proposed approach achieves dexterity and also generalizes to different objects without any pre-training. Detailed simulations and ablation studies demonstrate the efficiency and effectiveness of our method. It runs at 20Hz on the 23-degree-of-freedom, long-horizon, in-hand object rotation task.

arxiv情報

著者 Yongpeng Jiang,Mingrui Yu,Xinghao Zhu,Masayoshi Tomizuka,Xiang Li
発行日 2024-11-07 06:55:46+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