Approximating Global Contact-Implicit MPC via Sampling and Local Complementarity

要約

汎用の器用な操作を実現するには、ロボットは連絡先が豊富な動作を迅速に考案して実行する必要があります。
既存のモデルベースのコントローラーは、可能な連絡先シーケンスの指数関数的な数にわたってリアルタイムでグローバルに最適化することができません。
代わりに、接触指示制御の最近の進捗状況により、ハイブリッドではあるが、ローカル近似を行うよりシンプルなモデルが活用されています。
ただし、ローカルモデルを使用すると、コントローラーが近くの相互作用のみを活用するようにコントローラーを本質的に制限し、可能性のある接触のスペースを豊かに探索するために介入を必要とする可能性があります。
局所的な相補性ベースの制御の強さを、低次元の、しかしグローバルなサンプリングと組み合わせて、可能なエンドエフェクターの位置を組み合わせた新しいアプローチを提示します。
私たちの重要な洞察は、すべてのコントロールループでの接触が豊富な段階に先行する接触のないステージを考慮することです。
私たちのアルゴリズムは、並行して、コンタクトフリーステージがロボットを移動できるエフェクターの位置をサンプルし、サンプリングされた各場所にローカルに存在する接点MPCによって予測されるコストを考慮します。
その結果、リアルタイムの器用な操作が可能なグローバルに基づいた接触不可解なコントローラーができます。
フランカパンダアームを使用して、非凸オブジェクトの正確で非充実した操作についてコントローラーを実証します。
プロジェクトページ：https：//approximating-global-ci-mpc.github.io

要約(オリジナル)

To achieve general-purpose dexterous manipulation, robots must rapidly devise and execute contact-rich behaviors. Existing model-based controllers are incapable of globally optimizing in real-time over the exponential number of possible contact sequences. Instead, recent progress in contact-implicit control has leveraged simpler models that, while still hybrid, make local approximations. However, the use of local models inherently limits the controller to only exploit nearby interactions, potentially requiring intervention to richly explore the space of possible contacts. We present a novel approach which leverages the strengths of local complementarity-based control in combination with low-dimensional, but global, sampling of possible end-effector locations. Our key insight is to consider a contact-free stage preceding a contact-rich stage at every control loop. Our algorithm, in parallel, samples end effector locations to which the contact-free stage can move the robot, then considers the cost predicted by contact-rich MPC local to each sampled location. The result is a globally-informed, contact-implicit controller capable of real-time dexterous manipulation. We demonstrate our controller on precise, non-prehensile manipulation of non-convex objects using a Franka Panda arm. Project page: https://approximating-global-ci-mpc.github.io

arxiv情報

提供元, 利用サービス

arxiv.jp, Google