Collaborative Planar Pushing of Polytopic Objects with Multiple Robots in Complex Scenes

📄 arXiv: 2405.07908v2 📥 PDF

作者: Zili Tang, Yuming Feng, Meng Guo

分类: cs.RO

发布日期: 2024-05-13 (更新: 2024-06-01)

备注: Robotics: Science and Systems (RSS) 2024.Videos are available on https://zilitang.github.io/Collaborative-Pushing

期刊: Proceedings of Robotics: Science and Systems (RSS), 2024, Delft, Netherlands, Article 63

DOI: 10.15607/RSS.2024.XX.063

💡 一句话要点

提出一种多机器人协同平面推动多面体物体在复杂环境中运动规划与控制方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 多机器人协同 平面推动 运动规划 混合优化 模型预测控制

📋 核心要点

  1. 现有工作主要集中于将推动作为机器人操作臂的非抓取操作原语，忽略了其在低成本移动机器人上的潜力。
  2. 本文提出了一种基于混合优化的方法，通过模式序列和推力优化，实现多机器人协同推动多面体物体。
  3. 通过高保真仿真和硬件实验验证了该方法的效率和有效性，并证明了其对运动和驱动不确定性的鲁棒性。

📝 摘要（中文）

本文研究了在复杂、充满障碍物的环境中，控制多个移动机器人协同推动多面体物体的通用问题。该问题包含接触任务的几个典型挑战，例如不同接触模式之间的混合切换以及由于接触力约束导致的欠驱动。本文提出了一种基于混合优化的方法，该方法在可能的模式序列和相关的推力上进行优化，其中：（i）基于通用物体的准静态分析和任意数量的机器人，通过多方向可行性估计生成一组充分的模式；（ii）设计了一种分层混合搜索算法，通过弧段迭代分解导航路径，并选择最优参数化模式；（iii）提出了一种非线性模型预测控制器，用于在线自适应地跟踪每个机器人期望的推动速度。在温和的假设下，所提出的框架是完备的。在高保真仿真和硬件实验中验证了其效率和有效性。同时证明了对运动和驱动不确定性的鲁棒性。

🔬 方法详解

问题定义：该论文旨在解决多机器人协同推动多面体物体在复杂环境中运动规划与控制的问题。现有方法通常关注单机器人操作臂的推动操作，忽略了多机器人协同和移动机器人的应用场景。此外，接触任务中固有的混合切换模式和欠驱动特性也带来了挑战。

核心思路：论文的核心思路是将整个推动过程分解为一系列离散的接触模式，并在这些模式之间进行切换。通过优化每个模式下的推力，以及模式切换的顺序，来实现物体的期望运动。这种方法能够有效地处理接触任务中的混合特性和欠驱动问题。

技术框架：该方法包含三个主要模块：（1）模式生成：基于准静态分析，估计不同方向上的可行性，生成一组充分的接触模式。（2）路径规划：设计分层混合搜索算法，通过弧段分解导航路径，并选择最优的参数化模式序列。（3）运动控制：使用非线性模型预测控制器（NMPC），在线自适应地跟踪每个机器人期望的推动速度。

关键创新：该方法的主要创新在于提出了一种基于混合优化的框架，能够有效地处理多机器人协同推动任务中的混合切换模式和欠驱动问题。通过多方向可行性估计和分层混合搜索算法，实现了高效的路径规划。此外，NMPC控制器的使用提高了系统的鲁棒性和适应性。

关键设计：在模式生成阶段，使用准静态分析来估计不同方向上的可行性，这需要仔细选择摩擦系数等参数。在路径规划阶段，分层混合搜索算法需要平衡搜索效率和路径质量。NMPC控制器需要合理设计代价函数，以实现期望的跟踪性能和稳定性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过高保真仿真和硬件实验验证了所提出方法的有效性。实验结果表明，该方法能够成功地控制多个机器人协同推动多面体物体在复杂环境中运动，并具有良好的鲁棒性，能够应对运动和驱动的不确定性。具体的性能数据和对比基线在论文中进行了详细的展示。

🎯 应用场景

该研究成果可应用于仓储物流、智能制造等领域，例如，多个移动机器人协同搬运大型或不规则形状的物体，或在狭窄空间内进行操作。此外，该方法还可以扩展到其他类型的接触任务，如协同装配、表面清洁等，具有广泛的应用前景。

📄 摘要（原文）

Pushing is a simple yet effective skill for robots to interact with and further change the environment. Related work has been mostly focused on utilizing it as a non-prehensile manipulation primitive for a robotic manipulator. However, it can also be beneficial for low-cost mobile robots that are not equipped with a manipulator. This work tackles the general problem of controlling a team of mobile robots to push collaboratively polytopic objects within complex obstacle-cluttered environments. It incorporates several characteristic challenges for contact-rich tasks such as the hybrid switching among different contact modes and under-actuation due to constrained contact forces. The proposed method is based on hybrid optimization over a sequence of possible modes and the associated pushing forces, where (i) a set of sufficient modes is generated with a multi-directional feasibility estimation, based on quasi-static analyses for general objects and any number of robots; (ii) a hierarchical hybrid search algorithm is designed to iteratively decompose the navigation path via arc segments and select the optimal parameterized mode; and (iii) a nonlinear model predictive controller is proposed to track the desired pushing velocities adaptively online for each robot. The proposed framework is complete under mild assumptions. Its efficiency and effectiveness are validated in high-fidelity simulations and hardware experiments. Robustness to motion and actuation uncertainties is also demonstrated.