Mar, 2023

使用接触隐式双层优化实现强健的枢转操纵

PDF
TL;DR本文研究在不确定性条件下，使用鲁棒优化进行支点式操作规划，并探讨摩擦力是如何被利用来补偿对象的物理属性准确性不足所带来的不确定性。通过使用分析表达式为支点式操作提供稳定性保障，并在 CIBO 框架中使用稳定边界进行优化，从而提高鲁棒性。我们还针对一些底层优化问题的参数进行了稳定性比较，并使用六自由度机械臂对多个不同的对象进行操作，证明了所提出的方法。
generalizable manipulationfrictional interactionsrobust optimizationuncertaintyphysical properties
发现论文，激发创造
  • 鲁棒枢轴：利用双层优化法利用摩擦稳定性

    本文探究如何在物理属性不确定情况下提高稳健性，通过摆杆操作提供了利用摩擦力提高稳定性的方法与算法，并且使用 6 自由度机械臂通过控制不同物品进行实验演示。

    Mar, 2022

  • 运用接触隐式轨迹优化技术实现动态物体操纵

    本文介绍了一种接触隐式优化方法，利用硬接触模型和互补条件描述单向约束，通过多段程序和多重拍摄机制求解最优控制问题，提高了运动规划、接触顺序和控制输入的计算效率，并通过机器人的多个动态物体操纵任务验证了其优化轨迹的动态可行性，任务完成精度和可重复性。

    Mar, 2021

  • 通过交替进行多智能体路径规划和基于物理模拟的操作，实现可移动物体的复杂非抓取操作规划

    该研究针对机器人在重复环境中的可操作性，提出一种基于物理模拟器的动态规划算法，结合多智能体路径规划的思想，用于实现机械臂动作计划与可移动物体状态变化之间的交互式自主调整。

    Mar, 2023

  • 使用全身移动操纵在未知场景中实现关节物体交互

    本文提出了一个在未知环境中自主交互大型铰接物体的两阶段架构，第一阶段是以物体为中心的规划器，第二阶段是以智能代理为中心的规划器，并且在移动障碍物的情况下，通过优化控制问题确保安全跟踪所生成的计划。

    Mar, 2021

  • 分布式优化实现多肢机器人自由攀爬的同时接触丰富抓握和运动

    提出一种高效的运动规划框架，基于 ADMM 分布式优化框架，使用 MIQP 和 NLP 解决接触和非线性动力学问题，显式强制执行微刺夹具的限制面环接触约束，通过硬件实验演示了多肢机器人能够实现各种动作。

    Jul, 2022

  • 移动机器人物体操作的集体智能

    通过将基于梯度的软体物理模拟器的规划器提炼成基于注意力机制的神经网络，我们的多机器人操作系统在适应环境变化、处理任务时表现更好，并且可以应用于训练中未见过的配置。

    Nov, 2022

  • 一种端到端可微分的接触感知机器人设计框架

    本文提出了一个可微分端到端框架来优化接触感知机器人设计的两个关键部分：一种新颖的变形参数化方法和一个可处理联系丰富情况和计算全谱运动和动态参数分析梯度的可微刚体模拟器，在多个操作任务中，我们的框架胜过了使用其他表示形式优化控制或设计，或使用无梯度方法进行共同优化的现有方法的情况。

    Jul, 2021

  • 通用机器人接触合成中的 ManiFoundation 模型与任意物体和机器人的操作

    为了极大增强机器人智能，我们提出了一个全面的框架来开发通用机器人操作的基础模型，并通过形式化操作任务为接触综合来实现。我们的模型以物体和机器人的点云、物体的物理属性、目标运动和操作区域掩码作为输入，并输出物体上的接触点以及机器人实现所需的接触力或接触后的运动。在仿真和实际世界环境中进行了广泛实验，操作的对象包括关节刚体、刚体和可变形物体，其维度范围从一维物体如绳索到二维物体如布料以及三维物体如软陶。我们的模型达到了约 90% 的平均成功率。

    May, 2024

  • 面向接触丰富系统的概率约束优化方法，应用于机器人稳健操作

    提出了一种针对机械操作的坚韧轨迹优化的机会约束公式，并考虑概率定量的混合整数二次规划方法，包含互补和状态的联合机会约束，使用模拟对所提出的方法的鲁棒性进行了评估，并比较了该方法与近期方法的优劣。

    Mar, 2022

  • 稳定以行动：学习协调的双手操作

    借鉴人类，提出了一种新颖的角色分配框架：一个稳定的手臂将物体固定在原位以简化环境，而另一个执行手臂执行任务。通过 BimanUal Dexterity from Stabilization (BUDS) 实现了该框架，并在真实世界的机器人上评估了其性能，在各种复杂性的四个双手任务中，仅通过 20 次演示，BUDS 在任务套件中实现了 76.9% 的成功率，且能够以 52.7% 的成功率推广到同一类别的不同对象。BUDS 比基于 BC 稳定策略的非结构化基线成功率提高了 56.0%，这是由于这些复杂任务所要求的高精度。

    Sep, 2023