Remote Manipulation of Multiple Objects with Airflow Field Using Model-Based Learning Control

要約

非接触操作は、ロボット工学の有望な方法論であり、幅広い科学的および産業用途を提供します。
提案されているアプローチの中で、Airflowは、かなりの距離を越えて投影する能力と、さまざまな材料、サイズ、および形状のオブジェクトを作動させる柔軟性を際立たせています。
ただし、距離で気流フィールドを予測し、それらの内部のオブジェクトの動きを、非線形で確率的な性質のために有名な挑戦を予測します。
ここでは、表面でのリモートマルチオブジェクト操作のためのジェット誘発エアフローフィールドを使用したモデルベースの学習アプローチを提案します。
私たちのアプローチには、フィールドの分析モデル、学習オブジェクトダイナミクス、モデルベースのコントローラーが組み込まれています。
モデルは、指定されたジェット配向の無限面上の空気速度場を予測し、オブジェクトのダイナミクスは堅牢なシステム識別アルゴリズムを介して学習されます。
モデルベースのコントローラーを使用して、メータースケール距離で自動的かつリモートで、パスフォロー、集約、ソートなどのさまざまなタスクの単一オブジェクトと複数のオブジェクトの動きを制御できます。

要約(オリジナル)

Non-contact manipulation is a promising methodology in robotics, offering a wide range of scientific and industrial applications. Among the proposed approaches, airflow stands out for its ability to project across considerable distances and its flexibility in actuating objects of varying materials, sizes, and shapes. However, predicting airflow fields at a distance-and the motion of objects within them-remains notoriously challenging due to their nonlinear and stochastic nature. Here, we propose a model-based learning approach using a jet-induced airflow field for remote multi-object manipulation on a surface. Our approach incorporates an analytical model of the field, learned object dynamics, and a model-based controller. The model predicts an air velocity field over an infinite surface for a specified jet orientation, while the object dynamics are learned through a robust system identification algorithm. Using the model-based controller, we can automatically and remotely, at meter-scale distances, control the motion of single and multiple objects for different tasks, such as path-following, aggregating, and sorting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google