Estimating Deformable-Rigid Contact Interactions for a Deformable Tool via Learning and Model-Based Optimization

要約

器用な操作には、外因性の接触に対する慎重な推論が必要です。
人間の環境での変形ツールの有病率、変形可能なセンサーの使用、およびソフトロボットの数の増加は、すべての接触が古典的な剛体の接触モデルによって適切に特徴付けられているわけではない場合、接触推論を通じて器用な操作を可能にするアプローチの必要性をもたらします。
ここでは、剛性オブジェクトを巧みに操作する変形ツールの場合を検討します。
同時運動のモデリングとツールとオブジェクトの力の移動のモデリングに対するハイブリッド学習および第一原理的アプローチを提案します。
学習モジュールは、剛性オブジェクトの動きと変形可能なツールの付与された接触力を共同で推定する責任があります。
次に、準静的平衡とクーロン摩擦の対象となる環境とオブジェクトの間の力を回復するための接触第四段所プログラムを提案します。
結果は、巧妙な変形可能な操作中に、固有の動き、接触、および力の両方をモデル化できるシステムです。
私たちはシミュレーションで私たちの方法を訓練し、私たちの方法が、操作のプッシュとピボット中に、さまざまなブロック形状と物理的特性の下でベースラインを上回ることを示し、現実世界の相互作用への転送を示します。
ビデオの結果は、https：//deform-rigid-contact.github.io/にあります。

要約(オリジナル)

Dexterous manipulation requires careful reasoning over extrinsic contacts. The prevalence of deforming tools in human environments, the use of deformable sensors, and the increasing number of soft robots yields a need for approaches that enable dexterous manipulation through contact reasoning where not all contacts are well characterized by classical rigid body contact models. Here, we consider the case of a deforming tool dexterously manipulating a rigid object. We propose a hybrid learning and first-principles approach to the modeling of simultaneous motion and force transfer of tools and objects. The learned module is responsible for jointly estimating the rigid object’s motion and the deformable tool’s imparted contact forces. We then propose a Contact Quadratic Program to recover forces between the environment and object subject to quasi-static equilibrium and Coulomb friction. The results is a system capable of modeling both intrinsic and extrinsic motions, contacts, and forces during dexterous deformable manipulation. We train our method in simulation and show that our method outperforms baselines under varying block geometries and physical properties, during pushing and pivoting manipulations, and demonstrate transfer to real world interactions. Video results can be found at https://deform-rigid-contact.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google