要約
衝撃を認識したロボット操作は、衝撃前から衝撃後までの速度信号の正確なマップから恩恵を受け、動作計画や制御などをサポートします。
この研究では、物理エンジンを使用したシミュレーションからそのような影響マップを生成して実験的に検証するアプローチを提案し、任意の複雑さの影響シナリオをモデル化できるようにします。
この衝撃マップは、ほぼ瞬間的な接触遷移と衝撃によって引き起こされる振動を無視して、剛体間の瞬間的な接触遷移を想定して速度ジャンプをキャプチャします。
複雑な衝撃シナリオに必要なフィードバック制御は、これらの振動がまだアクティブであるときに速度信号に影響を与えるため、以前の研究のように速度信号のみに基づいた評価は信頼できなくなります。
代わりに、提案された検証アプローチでは、基準拡散制御フレームワークを使用します。これは、適切な制御スキームとともに厳格な影響マップと一致する基準を使用することにより、制御フィードバック信号のピークとジャンプを低減することを目的としています。
この参照拡散フレームワークで正しい剛体衝撃マップを選択すると、正味のフィードバック信号が最小限に抑えられるという重要な考え方に基づいて、剛体衝撃マップは実験的に決定され、シミュレーションから得られた衝撃マップと比較され、結果として、剛体衝撃マップ間の平均誤差は 3.1% になります。
シミュレーションと実験から特定された衝撃後の速度。
要約(オリジナル)
Impact-aware robotic manipulation benefits from an accurate map from ante-impact to post-impact velocity signals to support, e.g., motion planning and control. This work proposes an approach to generate and experimentally validate such impact maps from simulations with a physics engine, allowing to model impact scenarios of arbitrarily large complexity. This impact map captures the velocity jump assuming an instantaneous contact transition between rigid objects, neglecting the nearly instantaneous contact transition and impact-induced vibrations. Feedback control, which is required for complex impact scenarios, will affect velocity signals when these vibrations are still active, making an evaluation solely based on velocity signals as in previous works unreliable. Instead, the proposed validation approach uses the reference spreading control framework, which aims to reduce peaks and jumps in the control feedback signals by using a reference consistent with the rigid impact map together with a suitable control scheme. Based on the key idea that selecting the correct rigid impact map in this reference spreading framework will minimize the net feedback signal, the rigid impact map is experimentally determined and compared with the impact map obtained from simulation, resulting in a 3.1% average error between the post-impact velocity identified from simulations and from experiments.
arxiv情報
著者 | Jari van Steen,Daan Stokbroekx,Nathan van de Wouw,Alessandro Saccon |
発行日 | 2024-11-10 00:43:41+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google