Safe Dynamic Motion Generation in Configuration Space Using Differentiable Distance Fields

要約

動的環境で衝突のない動きを生成することは、特にリアルタイムの制約の下で、高次元ロボット工学にとって困難な問題です。
コントロール バリア機能 (CBF) は、セーフティ クリティカルな制御で広く利用されており、モーション生成に大きな可能性を示しています。
しかし、高次元ロボットマニピュレータの場合、既存の QP 定式化と CBF ベースの手法は位置情報に依存しており、速度などの高次の導関数は無視されています。
この制限により、成功率の低下、パフォーマンスの低下、および不適切な安全制約が発生する可能性があります。
これに対処するために、障害物の速度条件を考慮した時変 CBF (TVCBF) を構築します。
私たちのアプローチは、多関節マニピュレーター用の距離フィールドに関する最近の開発を活用しています。これは、物体の位置と速度をロボットの関節空間にマッピングすることを可能にする微分可能な表現であり、システムの相互作用の包括的な理解を提供します。
これにより、マニピュレータを質点システムとして扱うことができるため、モーション生成タスクが簡素化されます。
さらに、時変制御リアプノフ関数 (TVCLF) を導入して、全身の接触動作を可能にします。
私たちのアプローチは、統一された QP フレームワーク内で TVCBF、TVCLF、およびマニピュレーターの物理的制約を統合します。
私たちはシミュレーションと最先端のアプローチとの比較を通じてこの方法を検証し、実世界の実験で 7 軸 Franka ロボットでその有効性を実証します。

要約(オリジナル)

Generating collision-free motions in dynamic environments is a challenging problem for high-dimensional robotics, particularly under real-time constraints. Control Barrier Functions (CBFs), widely utilized in safety-critical control, have shown significant potential for motion generation. However, for high-dimensional robot manipulators, existing QP formulations and CBF-based methods rely on positional information, overlooking higher-order derivatives such as velocities. This limitation may lead to reduced success rates, decreased performance, and inadequate safety constraints. To address this, we construct time-varying CBFs (TVCBFs) that consider velocity conditions for obstacles. Our approach leverages recent developments on distance fields for articulated manipulators, a differentiable representation that enables the mapping of objects’ position and velocity into the robot’s joint space, offering a comprehensive understanding of the system’s interactions. This allows the manipulator to be treated as a point-mass system thus simplifying motion generation tasks. Additionally, we introduce a time-varying control Lyapunov function (TVCLF) to enable whole-body contact motions. Our approach integrates the TVCBF, TVCLF, and manipulator physical constraints within a unified QP framework. We validate our method through simulations and comparisons with state-of-the-art approaches, demonstrating its effectiveness on a 7-axis Franka robot in real-world experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google