Planning for quasi-static manipulation tasks via an intrinsic haptic metric

要約

接触が多い操作では、多くの場合、特定のタスクを達成するためにプッシュするなど、オブジェクトとの戦略的な対話が必要になります。
私たちは、新しい本を所定の位置に差し込む前に、ロボットが隣接する本を脇に押しのけてスペースを作り、混雑した棚に本を挿入するという斬新なシナリオを提案します。
古典的な計画アルゴリズムは、限られたスペースと接触を避ける傾向があるため、この状況では失敗します。
さらに、間接的に操作可能なオブジェクトを処理したり、力の相互作用を考慮したりしません。
私たちの主な貢献は次のとおりです。 i) 準静的操作を、平衡条件から導出される暗黙的な多様体上の計画問題として再構成する。
ii) アドホックなコスト関数の代わりに固有の触覚メトリクスを利用する。
iii) ロボットの状態、物体の位置、接触点、触覚距離を同時に更新する適応アルゴリズムを提案します。
このような混雑した本棚挿入タスクで私たちの方法を評価しましたが、それは剛体操作タスクに対する一般的な定式化です。
物体を表す超楕円を使用して、接触点と力を捉えるプロキシを提案します。
この単純化されたモデルは微分可能性を保証します。
私たちのフレームワークは戦略的な介入ポリシーを自律的に発見し、簡素化されたコンタクト モデルは現実世界のシナリオと同様の動作を実現します。
剛性や初期位置も変化させてフレームワークを総合的に解析します。
ビデオは https://youtu.be/eab8umZ3AQ0 でご覧いただけます。

要約(オリジナル)

Contact-rich manipulation often requires strategic interactions with objects, such as pushing to accomplish specific tasks. We propose a novel scenario where a robot inserts a book into a crowded shelf by pushing aside neighboring books to create space before slotting the new book into place. Classical planning algorithms fail in this context due to limited space and their tendency to avoid contact. Additionally, they do not handle indirectly manipulable objects or consider force interactions. Our key contributions are: i) re-framing quasi-static manipulation as a planning problem on an implicit manifold derived from equilibrium conditions; ii) utilizing an intrinsic haptic metric instead of ad-hoc cost functions; and iii) proposing an adaptive algorithm that simultaneously updates robot states, object positions, contact points, and haptic distances. We evaluate our method on such crowded bookshelf insertion task but it is a general formulation to rigid bodies manipulation tasks. We propose proxies to capture contact point and force, with superellipse to represent objects. This simplified model guarantee the differentiablity. Our framework autonomously discovers strategic wedging-in policies while our simplified contact model achieves behavior similar to real world scenarios. We also vary the stiffness and initial positions to analysis our framework comprehensively. The video can be found at https://youtu.be/eab8umZ3AQ0.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google