論文の概要: Towards a Framework for Changing-Contact Robot Manipulation
- arxiv url: http://arxiv.org/abs/2106.10969v1
- Date: Mon, 21 Jun 2021 10:44:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 22:41:31.262742
- Title: Towards a Framework for Changing-Contact Robot Manipulation
- Title（参考訳）: 接触型ロボットマニピュレーションの枠組みに向けて
- Authors: Saif Sidhik, Mohan Sridharan, Dirk Ruiken
- Abstract要約: 接触するロボット操作のタスクを変えるには、ロボットが物体や表面と接触し破る必要がある。
本稿では,このような変化を伴う操作タスクのスムーズなダイナミクスと制御のためのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 6.961253535504979
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many robot manipulation tasks require the robot to make and break contact
with objects and surfaces. The dynamics of such changing-contact robot
manipulation tasks are discontinuous when contact is made or broken, and
continuous elsewhere. These discontinuities make it difficult to construct and
use a single dynamics model or control strategy for any such task. We present a
framework for smooth dynamics and control of such changing-contact manipulation
tasks. For any given target motion trajectory, the framework incrementally
improves its prediction of when contacts will occur. This prediction and a
model relating approach velocity to impact force modify the velocity profile of
the motion sequence such that it is $C^\infty$ smooth, and help achieve a
desired force on impact. We implement this framework by building on our hybrid
force-motion variable impedance controller for continuous contact tasks. We
experimentally evaluate our framework in the illustrative context of sliding
tasks involving multiple contact changes with transitions between surfaces of
different properties.
- Abstract（参考訳）: 多くのロボット操作タスクは、ロボットが物体や表面と接触し破ることを必要とする。
このような接触ロボット操作タスクのダイナミクスは、接触や破損時に不連続であり、他の場所で連続する。
これらの不連続性は、そのようなタスクに対して単一の動的モデルや制御戦略の構築と使用を困難にする。
本稿では,このような接触操作タスクの円滑なダイナミクスと制御のためのフレームワークを提案する。
任意の目標運動軌跡に対して、このフレームワークはいつ接触が起こるかの予測を漸進的に改善する。
この予測と衝突力に関するモデルにより、運動列の速度プロファイルが$C^\infty$滑らかになるように修正され、衝撃に対する所望の力を達成する。
このフレームワークは,連続接触タスクのためのハイブリッド力移動可変インピーダンス制御を用いて実装する。
異なる特性の表面の遷移を伴う複数の接触変化を含むスライディングタスクの図解的文脈における我々の枠組みを実験的に評価した。
関連論文リスト
- Programmable Motion Generation for Open-Set Motion Control Tasks [51.73738359209987]
我々は新しいパラダイム、プログラム可能なモーション生成を導入する。
このパラダイムでは、任意の運動制御タスクは原子制約の組み合わせに分解される。
これらの制約は、運動列がそれに付着する程度を定量化するエラー関数にプログラムされる。
論文 参考訳（メタデータ） (2024-05-29T17:14:55Z) - Nonprehensile Planar Manipulation through Reinforcement Learning with
Multimodal Categorical Exploration [8.343657309038285]
強化学習はそのようなロボットコントローラを開発するための強力なフレームワークである。
分類分布を用いたマルチモーダル探索手法を提案する。
学習したポリシは外部の障害や観測ノイズに対して堅牢であり、複数のプッシュ器でタスクにスケールできることが示される。
論文 参考訳（メタデータ） (2023-08-04T16:55:00Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳（メタデータ） (2022-07-04T13:52:10Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - V-MAO: Generative Modeling for Multi-Arm Manipulation of Articulated
Objects [51.79035249464852]
本稿では,音声による物体のマルチアーム操作を学習するためのフレームワークを提案する。
本フレームワークは,各ロボットアームの剛部上の接触点分布を学習する変動生成モデルを含む。
論文 参考訳（メタデータ） (2021-11-07T02:31:09Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z) - Learning Reactive and Predictive Differentiable Controllers for
Switching Linear Dynamical Models [7.653542219337937]
専門家による実証から複合ダイナミクス行動を学習するためのフレームワークを提示する。
システムダイナミクスの近接近似としてスイッチング条件にエンコードされた接点を持つスイッチング線形ダイナミクスモデルを学ぶ。
次に、データ効率のよい制御学習のための微分可能なポリシークラスとして離散時間LQRを使用し、制御戦略を開発する。
論文 参考訳（メタデータ） (2021-03-26T04:40:24Z) - Articulated Object Interaction in Unknown Scenes with Whole-Body Mobile
Manipulation [16.79185733369416]
未知の環境下における大型関節オブジェクトとの自律的相互作用のための2段階アーキテクチャを提案する。
第1段階は学習モデルを用いて、RGB-D入力から対象物の調音モデルを推定し、相互作用のための状態の動作条件列を予測する。
第2段階は、生成した運動計画に沿ってオブジェクトを操作する全身運動制御装置からなる。
論文 参考訳（メタデータ） (2021-03-18T21:32:18Z) - ContactNets: Learning Discontinuous Contact Dynamics with Smooth,
Implicit Representations [4.8986598953553555]
本手法は,物体間符号距離と接触フレームジャコビアンのパラメータ化を学習する。
提案手法は,60秒間の実世界のデータを用いて,現実的な影響,非ペネティフィケーション,スティクションを予測できる。
論文 参考訳（メタデータ） (2020-09-23T14:51:08Z) - ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for
Mobile Manipulation [99.2543521972137]
ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。
本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。
ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
論文 参考訳（メタデータ） (2020-08-18T08:05:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。