A Planning Framework for Stable Robust Multi-Contact Manipulation

要約

多接点マニピュレーションを、異なる接触平衡間を遷移する準静的な機械的プロセスとしてモデル化する一方で、(i)接触の安定性と(ii)センサーノイズに対するロバスト性を明示的に評価する、計画・最適化問題として定式化することを提案する。具体的には、マルチマニピュレータ制御戦略に関する包括的な研究を行い、平面的なペグインホールタスクにおけるデュアルアーム実行に焦点を当て、タスクの複雑性を増すことを探求するために、マルチマニピュレータ・マルチペグインホール（MMPiH）問題に拡張する。我々のフレームワークは、DMP（Dynamic Movement Primitives：動的動作プリミティブ）を用いて所望の軌道をパラメータ化し、BBO（Black-Box Optimization：ブラックボックス最適化）を用いて摩擦円錐制約、スクイーズ力、安定性を考慮した包括的なコスト関数を組み込みます。並列シナリオ学習を統合することで、学習されたポリシーのロバスト性を高める。摩擦円錐コストを実験的に評価するために、様々な接触面、すなわち異なる摩擦係数を用いて計算された最適軌道をテストする。安定性コストは解析的に説明し、シミュレーションでその必要性を検証した。ロバスト性能は、シミュレーションと実験で穴のポーズと面取りサイズを変化させることで定量化した。その結果、本アプローチは、1つのペグインホールと複数のペグインホールの両方のタスクで一貫して高い成功率を達成し、その有効性と一般性を確認した。ビデオはhttps://youtu.be/IU0pdnSd4tE。

要約(オリジナル)

While modeling multi-contact manipulation as a quasi-static mechanical process transitioning between different contact equilibria, we propose formulating it as a planning and optimization problem, explicitly evaluating (i) contact stability and (ii) robustness to sensor noise. Specifically, we conduct a comprehensive study on multi-manipulator control strategies, focusing on dual-arm execution in a planar peg-in-hole task and extending it to the Multi-Manipulator Multiple Peg-in-Hole (MMPiH) problem to explore increased task complexity. Our framework employs Dynamic Movement Primitives (DMPs) to parameterize desired trajectories and Black-Box Optimization (BBO) with a comprehensive cost function incorporating friction cone constraints, squeeze forces, and stability considerations. By integrating parallel scenario training, we enhance the robustness of the learned policies. To evaluate the friction cone cost in experiments, we test the optimal trajectories computed for various contact surfaces, i.e., with different coefficients of friction. The stability cost is analytical explained and tested its necessity in simulation. The robustness performance is quantified through variations of hole pose and chamfer size in simulation and experiment. Results demonstrate that our approach achieves consistently high success rates in both the single peg-in-hole and multiple peg-in-hole tasks, confirming its effectiveness and generalizability. The video can be found at https://youtu.be/IU0pdnSd4tE.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL