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

要約

連絡先の操作には、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相互作用が必要です。
新しい本を所定の位置に入れる前に、近隣の本を脇に​​押し出してスペースを作成することにより、ロボットが混雑した棚に本を挿入する新しいシナリオを提案します。
このコンテキストでは、スペースが限られており、接触を避ける傾向があるため、このコンテキストでは古典的な計画アルゴリズムが失敗します。
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。
私たちの重要な貢献は次のとおりです。i）平衡状態から導出された暗黙のマニホールドに関する計画問題として準静的操作を再編成する。
ii）アドホックコスト関数の代わりに固有の触覚メトリックを利用する。
iii）ロボット状態、オブジェクト位置、接点、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の方法を評価しますが、これは剛体操作タスクの一般的な定式化です。
接触点と力をキャプチャするプロキシを提案し、スーパーリップスはオブジェクトを表します。
この単純化されたモデルは、違いを保証します。
私たちのフレームワークは、戦略的なウェッジインポリシーを自律的に発見し、単純化された連絡先モデルは実際のシナリオと同様の動作を達成します。
また、フレームワークを包括的に分析するために、剛性と初期位置を変化させます。
ビデオはhttps://youtu.be/eab8umz3aq0にあります。

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