Aerial Grasping via Maximizing Delta-Arm Workspace Utilization

要約

ワークスペースは、ロボットアームを備えたシステムの運用機能と可動域を制限します。
ワークスペースの使用率を最大化すると、航空操作タスクに最適なソリューションを提供する可能性があり、システムの柔軟性と運用効率が向上します。
この論文では、ワークスペースの使用率を最大化する空中把握のための新しい計画フレームワークを紹介します。
空中マニピュレーターの軌跡を最適化するための最適化問題を策定し、効率的な操作を実現するためにタスクの制約を組み込みます。
デルタアームの非凸ワークスペースを最適化制約に組み込むという課題に対処するために、多層パーセプトロン（MLP）を活用して、位置ポイントを実現可能性の確率にマッピングします。Furthermoreは、リバーシブル残留ネットワーク（Revnet）を使用して、Delta Armを使用して、Eltaの等級モデルの複雑な動態を近似します。
シミュレーションと現実世界の実験の方法を検証して、それらの有効性を実証します。

要約(オリジナル)

The workspace limits the operational capabilities and range of motion for the systems with robotic arms. Maximizing workspace utilization has the potential to provide more optimal solutions for aerial manipulation tasks, increasing the system’s flexibility and operational efficiency. In this paper, we introduce a novel planning framework for aerial grasping that maximizes workspace utilization. We formulate an optimization problem to optimize the aerial manipulator’s trajectory, incorporating task constraints to achieve efficient manipulation. To address the challenge of incorporating the delta arm’s non-convex workspace into optimization constraints, we leverage a Multilayer Perceptron (MLP) to map position points to feasibility probabilities.Furthermore, we employ Reversible Residual Networks (RevNet) to approximate the complex forward kinematics of the delta arm, utilizing efficient model gradients to eliminate workspace constraints. We validate our methods in simulations and real-world experiments to demonstrate their effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google