Robust Model-Based In-Hand Manipulation with Integrated Real-Time Motion-Contact Planning and Tracking

要約

複数の指が動的に行い、接触を破壊するロボットの器用な操作は、実際のロボットアプリケーションにおける人間のような器用さへの一歩を表しています。
特定のタスクごとに大規模なトレーニングや広範なデータ収集に依存する学習ベースのアプローチとは異なり、モデルベースの方法は効率的な選択肢を提供します。
彼らのオンラインコンピューティングの性質により、大規模な再訓練なしに、新しいタスクへの準備が整ったアプリケーションが可能になります。
ただし、物理的な接触の複雑さにより、既存のモデルベースの方法は、効率的なオンライン計画とモデリングエラーの処理において課題に遭遇し、実用的なアプリケーションを制限します。
このペーパーでは、モデルベースの接触豊富な接触操作の有効性と堅牢性を促進するために、これらの制限を軽減する新しい統合フレームワークを提案します。
統合には、2つの重要な側面が含まれます。1）階層構造によって達成される統合リアルタイム計画と追跡。
2）統合されたモーションコンタクトモデリングによって達成される動きと連絡先の共同最適化。
具体的には、高レベルでは、指の動きと接触力の参照が接触モデルの予測制御を使用して共同で生成されます。
高レベルのモジュールは、リアルタイムの計画と妨害の回復を促進します。
低レベルでは、これらの統合された参照は、ハンドフォースモーションモデルと実際の触覚フィードバックを使用して同時に追跡されます。
低レベルのモジュールは、モデリングエラーを補正し、操作の堅牢性を高めます。
広範な実験は、私たちのアプローチが、精度、堅牢性、およびリアルタイムのパフォーマンスの点で既存のモデルベースの方法よりも優れていることを示しています。
私たちの方法は、かなりの外乱の下でさえ、実際の環境で5つの挑戦的なタスクを正常に完了します。

要約(オリジナル)

Robotic dexterous in-hand manipulation, where multiple fingers dynamically make and break contact, represents a step toward human-like dexterity in real-world robotic applications. Unlike learning-based approaches that rely on large-scale training or extensive data collection for each specific task, model-based methods offer an efficient alternative. Their online computing nature allows for ready application to new tasks without extensive retraining. However, due to the complexity of physical contacts, existing model-based methods encounter challenges in efficient online planning and handling modeling errors, which limit their practical applications. To advance the effectiveness and robustness of model-based contact-rich in-hand manipulation, this paper proposes a novel integrated framework that mitigates these limitations. The integration involves two key aspects: 1) integrated real-time planning and tracking achieved by a hierarchical structure; and 2) joint optimization of motions and contacts achieved by integrated motion-contact modeling. Specifically, at the high level, finger motion and contact force references are jointly generated using contact-implicit model predictive control. The high-level module facilitates real-time planning and disturbance recovery. At the low level, these integrated references are concurrently tracked using a hand force-motion model and actual tactile feedback. The low-level module compensates for modeling errors and enhances the robustness of manipulation. Extensive experiments demonstrate that our approach outperforms existing model-based methods in terms of accuracy, robustness, and real-time performance. Our method successfully completes five challenging tasks in real-world environments, even under appreciable external disturbances.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google