Bimanual Regrasp Planning and Control for Active Reduction of Object Pose Uncertainty
作者: Ryuta Nagahama, Weiwei Wan, Zhengtao Hu, Kensuke Harada
分类: cs.RO
发布日期: 2025-03-28 (更新: 2025-06-28)
💡 一句话要点
提出基于双臂重抓取的物体位姿不确定性主动降低方法
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双臂机器人 重抓取规划 顺应控制 位姿不确定性 主动感知
📋 核心要点
- 传统方法依赖相机和夹具来降低物体位姿不确定性，但需要针对物体几何形状设计夹具，并使用高精度工具校准相机，准备工作繁琐。
- 该方法利用平行夹爪的扁平指垫在开合方向上减少不确定性的特性，通过双臂协作完成三次正交抓取，从而主动降低物体位姿的不确定性。
- 实验验证了该方法在不同初始不确定性下的有效性和重复性，其性能与光学跟踪系统相当，表明了该方法具有很强的相对推理能力。
📝 摘要（中文）
本研究提出了一种无需夹具或相机即可降低抓取物体的位置和方向不确定性的方法。该方法基于平行夹爪的扁平指垫可以通过平面接触来减少其开合方向上的不确定性的概念。通过平行夹爪进行的三次正交抓取可以共同将物体的位置和方向约束到唯一状态。基于此，我们开发了一种重抓取规划和顺应控制方法，该方法依次寻找并利用两个机械臂的三次正交抓取，以主动降低物体位姿的不确定性。我们在不同的初始物体不确定性下评估了该方法，并验证了其良好的重复性。实验结果的偏差水平与光学跟踪系统处于同一数量级，表明了强大的相对推理性能。
🔬 方法详解
问题定义：该论文旨在解决在没有外部传感器（如相机）和专用夹具的情况下，如何精确抓取具有初始位姿不确定性的物体的问题。现有方法依赖于精确的视觉信息或定制的夹具设计，这限制了其在动态和非结构化环境中的应用，并且增加了部署成本和复杂性。
核心思路：核心思路是利用平行夹爪的扁平指垫在抓取过程中能够有效约束物体在一个方向上的位姿不确定性。通过执行一系列精心设计的重抓取动作，每次抓取都从不同的正交方向约束物体，最终将物体位姿的不确定性降低到可接受的范围内。这种方法的核心在于主动地利用机械臂的运动和夹爪的特性来推断和减少物体位姿的不确定性。
技术框架：该方法包含两个主要阶段：重抓取规划和顺应控制。首先，重抓取规划器根据当前的物体位姿不确定性，选择下一个最佳抓取姿态。该规划器考虑到机械臂的可达性、碰撞避免以及每次抓取对不确定性降低的贡献。其次，顺应控制用于执行抓取动作。顺应控制允许机械臂在抓取过程中对物体位姿的微小偏差进行调整，从而确保抓取的稳定性和成功率。整个过程迭代进行，直到物体位姿的不确定性低于预设阈值。
关键创新：该方法的关键创新在于将重抓取规划与顺应控制相结合，实现了一种主动降低物体位姿不确定性的闭环控制策略。与传统的开环抓取方法相比，该方法能够适应物体位姿的初始不确定性，并通过一系列的抓取动作逐步提高位姿的精度。此外，该方法无需外部传感器和定制夹具，降低了部署成本和复杂性。
关键设计：重抓取规划器需要设计合适的评价函数，用于评估不同抓取姿态对不确定性降低的贡献。顺应控制器的参数需要根据机械臂的动力学特性进行调整，以确保抓取的稳定性和精度。此外，还需要设计合适的碰撞避免策略，以防止机械臂在运动过程中与环境发生碰撞。具体的参数设置和损失函数细节在论文中可能没有详细描述，属于未知信息。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够有效地降低物体位姿的不确定性，并且具有良好的重复性。实验结果的偏差水平与光学跟踪系统处于同一数量级，这表明该方法具有很强的相对推理性能。具体的性能数据和对比基线可能在论文中有更详细的描述，但摘要中未明确给出。
🎯 应用场景
该研究成果可应用于自动化装配、物流分拣、以及在恶劣或不确定环境中进行操作的机器人系统。例如，在没有精确视觉信息的环境下，机器人可以通过重抓取来精确调整零件的位姿，从而实现自动化装配。此外，该方法还可以用于处理未知物体，提高机器人系统的灵活性和适应性。
📄 摘要（原文）
Precisely grasping an object is a challenging task due to pose uncertainties. Conventional methods have used cameras and fixtures to reduce object uncertainty. They are effective but require intensive preparation, such as designing jigs based on the object geometry and calibrating cameras with high-precision tools fabricated using lasers. In this study, we propose a method to reduce the uncertainty of the position and orientation of a grasped object without using a fixture or a camera. Our method is based on the concept that the flat finger pads of a parallel gripper can reduce uncertainty along its opening/closing direction through flat surface contact. Three orthogonal grasps by parallel grippers with flat finger pads collectively constrain an object's position and orientation to a unique state. Guided by the concepts, we develop a regrasp planning and admittance control approach that sequentially finds and leverages three orthogonal grasps of two robotic arms to actively reduce uncertainties in the object pose. We evaluated the proposed method on different initial object uncertainties and verified that it had good repeatability. The deviation levels of the experimental trials were on the same order of magnitude as those of an optical tracking system, demonstrating strong relative inference performance.