Dynamic On-Palm Manipulation via Controlled Sliding
作者: William Yang, Michael Posa
分类: cs.RO
发布日期: 2024-05-14 (更新: 2024-07-10)
备注: Project website: https://dynamic-controlled-sliding.github.io/
💡 一句话要点
提出基于接触隐式MPC的掌上动态操作方法，实现滑动的精确控制
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 动态操作 非抓取操作 接触隐式MPC 滑动控制 模型预测控制
📋 核心要点
- 现有非抓取操作方法难以处理滑动带来的欠驱动问题，限制了动态操作能力。
- 利用接触隐式MPC，通过控制滑动接触，实现对动态非抓取操作任务的规划与控制。
- 实验表明，该方法无需参考轨迹或运动原语，即可快速完成任务，具有较好的通用性。
📝 摘要（中文）
本文提出了一种动态非抓取操作方法，通过控制滑动来实现快速的对象交互，避免了传统方法中抓取和释放的需要，并能够处理无法通过力闭合抓取的对象。现有非抓取操作方法主要关注静态接触，避免滑动带来的欠驱动问题。本文探索了一种具有挑战性的动态非抓取操作任务，需要考虑混合接触模式的完整范围。利用接触隐式MPC的最新方法来处理任务的多模态规划方面。通过仔细考虑MPC使用的简单模型与低级跟踪控制器之间的集成，展示了如何将接触隐式MPC应用于动态任务。令人惊讶的是，尽管摩擦刚性接触模型存在已知的不准确性，但该方法能够对这些不准确性做出反应，同时快速执行任务。此外，未使用参考轨迹或运动原语等常用辅助手段，突出了该方法的通用性。据我们所知，这是接触隐式MPC在三维动态操作任务中的首次应用。
🔬 方法详解
问题定义：论文旨在解决动态掌上操作中，由于滑动接触带来的欠驱动问题，从而实现更灵活、快速的物体操作。现有方法通常避免滑动，限制了操作的动态性和适用范围。
核心思路：论文的核心在于利用接触隐式模型预测控制（MPC），将滑动接触纳入控制框架中，通过预测物体与手掌之间的相互作用力，实现对滑动运动的精确控制。这种方法允许在规划过程中显式地考虑接触状态的变化，从而实现更复杂的动态操作。
技术框架：该方法主要包含两个部分：一是基于接触隐式MPC的轨迹规划器，用于生成期望的物体运动轨迹和手部动作；二是低层跟踪控制器，用于跟踪规划器生成的轨迹。规划器使用简化的物理模型，而跟踪控制器则负责处理实际系统中的复杂动力学和不确定性。
关键创新：该方法最重要的创新在于将接触隐式MPC应用于三维动态操作任务。与传统的基于静态接触的非抓取操作方法相比，该方法能够显式地处理滑动接触，从而实现更复杂的动态操作。此外，该方法无需参考轨迹或运动原语，具有更强的通用性和适应性。
关键设计：论文中，接触隐式MPC的实现依赖于对接触力的建模。虽然使用了简化的摩擦刚性接触模型，但通过仔细设计MPC的成本函数和约束条件，以及低层控制器的鲁棒性，该方法能够有效地应对模型的不准确性。具体的参数设置和损失函数细节在论文中进行了详细描述，但在此处无法完全复述。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够在存在模型不确定性的情况下，快速且有效地完成动态掌上操作任务。虽然论文中没有给出具体的性能数据和对比基线，但强调了该方法在没有参考轨迹或运动原语的情况下，依然能够成功完成任务，突出了其通用性和鲁棒性。这是接触隐式MPC首次成功应用于三维动态操作任务。
🎯 应用场景
该研究成果可应用于机器人灵巧操作、自动化装配、以及在复杂环境中进行物体操作等领域。例如，在拥挤或狭小的空间中，机器人可以通过掌上滑动操作来调整物体姿态，完成精细的装配任务。此外，该方法还可以应用于医疗机器人领域，辅助医生进行微创手术等操作。
📄 摘要（原文）
Non-prehensile manipulation enables fast interactions with objects by circumventing the need to grasp and ungrasp as well as handling objects that cannot be grasped through force closure. Current approaches to non-prehensile manipulation focus on static contacts, avoiding the underactuation that comes with sliding. However, the ability to control sliding contact, essentially removing the no-slip constraint, opens up new possibilities in dynamic manipulation. In this paper, we explore a challenging dynamic non-prehensile manipulation task that requires the consideration of the full spectrum of hybrid contact modes. We leverage recent methods in contact-implicit MPC to handle the multi-modal planning aspect of the task. We demonstrate, with careful consideration of integration between the simple model used for MPC and the low-level tracking controller, how contact-implicit MPC can be adapted to dynamic tasks. Surprisingly, despite the known inaccuracies of frictional rigid contact models, our method is able to react to these inaccuracies while still quickly performing the task. Moreover, we do not use common aids such as reference trajectories or motion primitives, highlighting the generality of our approach. To the best of our knowledge, this is the first application of contact-implicit MPC to a dynamic manipulation task in three dimensions.