Remote Manipulation of Multiple Objects with Airflow Field Using Model-Based Learning Control

要約

非接触マニピュレーションは、ロボット工学における非常に有望な新しい方法論であり、幅広い科学および産業用途を提供します。
提案されたアプローチの中で、エアフローは、かなりの距離にわたって投影できる能力と、さまざまな材料、サイズ、形状の物体を作動させる柔軟性の点で際立っています。
しかし、離れた場所にある気流場やその中の物体の動きを予測することは、その非線形性と確率的性質のため、依然として困難であることで知られています。
ここでは、表面上の遠隔複数物体操作のためにジェット誘発気流場を使用するモデルベースの学習アプローチを提案します。
私たちのアプローチには、フィールドの分析モデル、学習されたオブジェクトのダイナミクス、およびモデルベースのコントローラーが組み込まれています。
このモデルは、指定されたジェットの方向に対する無限の表面上の空気速度場を予測し、同時に物体のダイナミクスは堅牢なシステム識別アルゴリズムを通じて学習されます。
モデルベースのコントローラーを使用すると、メートルスケールの距離で自動的かつリモートで、パス追跡、集約、並べ替えなどのさまざまなタスクのために単一または複数のオブジェクトの動きを制御できます。

要約(オリジナル)

Non-contact manipulation is an emerging and highly promising methodology in robotics, offering a wide range of scientific and industrial applications. Among the proposed approaches, airflow stands out for its ability to project across considerable distances and its flexibility in actuating objects of varying materials, sizes, and shapes. However, predicting airflow fields at a distance, as well as the motion of objects within them, remains notoriously challenging due to their nonlinear and stochastic nature. Here, we propose a model-based learning approach using a jet-induced airflow field for remote multi-object manipulation on a surface. Our approach incorporates an analytical model of the field, learned object dynamics, and a model-based controller. The model predicts an air velocity field over an infinite surface for a specified jet orientation, while the object dynamics are learned through a robust system identification algorithm. Using the model-based controller, we can automatically and remotely, at meter-scale distances, control the motion of single and multiple objects for different tasks, such as path-following, aggregating, and sorting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google