Self-Body Image Acquisition and Posture Generation with Redundancy using Musculoskeletal Humanoid Shoulder Complex for Object Manipulation
作者: Yuya Koga, Kento Kawaharazuka, Yasunori Toshimitsu, Manabu Nishiura, Yusuke Omura, Yuki Asano, Kei Okada, Koji Kawasaki, Masayuki Inaba
分类: cs.RO
发布日期: 2024-11-10
备注: Accepted at IEEE Robotics and Automation Letters
💡 一句话要点
提出一种基于肩关节冗余的肌肉骨骼人形机器人自适应体像获取与姿态生成方法，用于物体操作。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 肌肉骨骼机器人 体像获取 姿态生成 肩关节冗余 逆运动学
📋 核心要点
- 现有方法难以准确获取肌肉骨骼人形机器人的体像，尤其是在存在难以测量的形变时，这限制了其在复杂操作任务中的应用。
- 该方法通过学习手相对于物体的位置关系，自适应地更新机器人的体像，从而实现更精确的姿态生成和物体操作。
- 通过在全身肌肉骨骼人形机器人Kengoro上进行汽车方向盘操作实验，验证了该方法在利用肩关节冗余进行复杂操作方面的有效性。
📝 摘要（中文）
本文提出了一种学习肌肉骨骼人形机器人实际体像的方法，用于姿态生成和物体操作，该方法利用了肩关节复合体的冗余度进行逆运动学计算。通过实现汽车方向盘操作验证了该方法的有效性。肩关节复合体具有在肋骨上滑动的肩胛骨和开放式球形关节，并由众多肌肉群支撑，从而实现了广泛的运动范围。作为人体仿生肩关节复合体的开发，我们通过实现深层肌肉来增加肌肉冗余，并稳定关节驱动。作为利用肩关节复合体关节冗余的姿态生成方法，我们考虑了基于人体肩胛肱骨节律所建议的肩胛驱动策略的逆运动学。为了控制模仿人体的复杂机器人，必须学习其自身的体像，但由于其难以测量的变形，很难准确地了解其自身状态。为了解决这个问题，我们开发了一种自适应体像获取方法，该方法可以通过识别手相对于物体的位置来适当地更新体像，从而实现物体操作。我们将上述方法应用于全身肌肉骨骼人形机器人Kengoro，并通过进行操作汽车方向盘的实验来验证其有效性，该实验需要适当使用双臂。
🔬 方法详解
问题定义：论文旨在解决肌肉骨骼人形机器人难以准确获取自身体像的问题。由于机器人存在难以测量的形变，传统的体像获取方法难以精确描述机器人的状态，这限制了其在复杂操作任务中的应用，例如需要精确姿态控制的汽车方向盘操作。现有方法难以有效利用肩关节的冗余度，从而限制了机器人的运动范围和灵活性。
核心思路：论文的核心思路是通过学习手相对于物体的位置关系，自适应地更新机器人的体像。这种方法无需精确测量机器人的所有关节角度和连杆长度，而是通过感知外部环境来推断机器人的自身状态。利用肩关节复合体的冗余度，通过肩胛驱动策略进行逆运动学计算，从而实现更灵活和自然的姿态生成。
技术框架：该方法主要包含以下几个阶段：1) 肌肉骨骼人形机器人Kengoro的肩关节复合体设计，增加了肌肉冗余和关节稳定性。2) 基于肩胛驱动策略的逆运动学方法，利用肩关节的冗余度生成姿态。3) 自适应体像获取方法，通过识别手相对于物体的位置来更新机器人的体像。4) 将上述方法应用于Kengoro，进行汽车方向盘操作实验。
关键创新：该方法最重要的技术创新点在于自适应体像获取方法。与传统的需要精确测量的体像获取方法不同，该方法通过学习手相对于物体的位置关系，能够自适应地更新机器人的体像，从而克服了机器人形变带来的测量困难。此外，利用肩关节冗余的姿态生成方法也提高了机器人的运动灵活性。
关键设计：肩关节复合体设计增加了肌肉冗余，通过深层肌肉的实现来稳定关节驱动。姿态生成方法基于人体肩胛肱骨节律，采用肩胛驱动策略进行逆运动学计算。自适应体像获取方法通过最小化手相对于目标物体位置的误差来更新体像参数。具体的参数设置和损失函数细节在论文中未详细描述，属于未知信息。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够成功应用于全身肌肉骨骼人形机器人Kengoro，实现汽车方向盘操作。该实验验证了自适应体像获取方法和基于肩关节冗余的姿态生成方法的有效性。虽然论文中没有提供具体的性能数据和对比基线，但实验结果表明该方法能够有效地利用肩关节的冗余度，实现复杂的操作任务。
🎯 应用场景
该研究成果可应用于需要高精度和灵活性的机器人操作任务，例如汽车装配、医疗手术、家庭服务等。通过自适应体像获取和姿态生成，机器人能够更好地适应复杂的工作环境，提高操作效率和安全性。未来，该方法有望推广到其他类型的机器人，实现更智能、更人性化的机器人应用。
📄 摘要（原文）
We proposed a method for learning the actual body image of a musculoskeletal humanoid for posture generation and object manipulation using inverse kinematics with redundancy in the shoulder complex. The effectiveness of this method was confirmed by realizing automobile steering wheel operation. The shoulder complex has a scapula that glides over the rib cage and an open spherical joint, and is supported by numerous muscle groups, enabling a wide range of motion. As a development of the human mimetic shoulder complex, we have increased the muscle redundancy by implementing deep muscles and stabilize the joint drive. As a posture generation method to utilize the joint redundancy of the shoulder complex, we consider inverse kinematics based on the scapular drive strategy suggested by the scapulohumeral rhythm of the human body. In order to control a complex robot imitating a human body, it is essential to learn its own body image, but it is difficult to know its own state accurately due to its deformation which is difficult to measure. To solve this problem, we developed a method to acquire a self-body image that can be updated appropriately by recognizing the hand position relative to an object for the purpose of object manipulation. We apply the above methods to a full-body musculoskeletal humanoid, Kengoro, and confirm its effectiveness by conducting an experiment to operate a car steering wheel, which requires the appropriate use of both arms.