Disentangling Coordiante Frames for Task Specific Motion Retargeting in Teleoperation using Shared Control and VR Controllers
作者: Max Grobbel, Daniel Flögel, Philipp Rigoll, Sören Hohmann
分类: cs.RO, cs.HC, eess.SY
发布日期: 2025-05-19
备注: 8 pages, 4 figures, conference
💡 一句话要点
提出解耦坐标系的遥操作运动重定向方法，提升VR控制下的任务效率
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱七：动作重定向 (Motion Retargeting)
关键词: 遥操作 运动重定向 VR控制 坐标系解耦 轨迹规划
📋 核心要点
- 现有遥操作系统在复杂任务中，操作员需要手动对齐旋转和平移指令，效率较低。
- 该论文提出一种运动重定向方法，将平移和旋转输入指令解耦，从而简化操作。
- 该方法集成到基于最优控制的轨迹规划器中，并在UR5e机械臂上验证了其有效性。
📝 摘要（中文）
在遥操作中，任务完成时间与人类直接执行任务相比仍有较大差距。造成这一差距的重要因素之一是人类执行变换和对齐的能力，这直接受到视角和运动重定向策略的影响。在现代遥操作系统中，运动重定向通常通过一次性校准或模式切换来实现。诸如连续拧螺丝之类的复杂任务可能很困难，因为操作员必须对齐（例如，镜像）旋转和平移输入命令。最近的研究表明，分离平移和旋转可以提高任务性能。本文提出了一种正式的运动重定向方法，该方法分离了平移和旋转输入命令。然后，将该方法包含在基于最优控制的轨迹规划器中，并展示了其在UR5e机械臂上的有效性。
🔬 方法详解
问题定义：现有遥操作系统在执行复杂任务时，操作员需要手动对齐旋转和平移指令，这增加了操作难度和时间，降低了任务效率。尤其是在需要频繁进行坐标系变换的任务中，例如连续拧螺丝，操作员需要不断调整输入指令以匹配目标姿态。现有方法通常采用一次性校准或模式切换，无法灵活适应任务过程中的变化。
核心思路：该论文的核心思路是将操作员的输入指令分解为平移和旋转两部分，并分别进行处理。通过解耦坐标系，操作员可以更直观地控制机械臂的运动，而无需手动进行复杂的坐标系变换。这种方法旨在模仿人类在直接操作时能够自然进行的坐标系对齐能力。
技术框架：该方法首先接收来自VR控制器的输入指令，然后将其分解为平移和旋转两部分。接下来，使用提出的运动重定向方法分别处理这两部分指令。处理后的指令被输入到基于最优控制的轨迹规划器中，该规划器生成机械臂的运动轨迹。最后，机械臂根据生成的轨迹执行任务。整体流程包括输入解耦、运动重定向和轨迹规划三个主要阶段。
关键创新：该论文的关键创新在于提出了一种正式的运动重定向方法，该方法能够有效地分离平移和旋转输入指令。与现有方法相比，该方法不需要手动校准或模式切换，能够更灵活地适应任务过程中的变化。此外，将该方法集成到基于最优控制的轨迹规划器中，可以实现更精确和高效的运动控制。
关键设计：论文中运动重定向方法的具体实现细节未知，摘要中没有详细说明。但是，可以推断，该方法可能涉及到坐标系变换、旋转表示（例如四元数或旋转矩阵）以及平移向量的处理。轨迹规划器可能使用了一些优化算法，例如迭代线性二次调节器（iLQR）或模型预测控制（MPC），以生成最优的运动轨迹。具体的参数设置、损失函数和网络结构等技术细节未知。
🖼️ 关键图片
📊 实验亮点
摘要中没有提供具体的实验数据或对比基线。但是，论文声称该方法在UR5e机械臂上进行了验证，并展示了其有效性。未来的研究可以进一步评估该方法在不同任务和机械臂上的性能，并与现有方法进行比较，以量化其优势。
🎯 应用场景
该研究成果可应用于各种遥操作场景，例如远程医疗、危险环境下的机器人操作、太空探索等。通过提高遥操作的效率和精度，可以使操作员在安全的环境下完成复杂的任务。此外，该方法还可以应用于机器人辅助手术，提高手术的精度和安全性。未来，该研究有望推动遥操作技术的发展，使其在更多领域得到应用。
📄 摘要（原文）
Task performance in terms of task completion time in teleoperation is still far behind compared to humans conducting tasks directly. One large identified impact on this is the human capability to perform transformations and alignments, which is directly influenced by the point of view and the motion retargeting strategy. In modern teleoperation systems, motion retargeting is usually implemented through a one time calibration or switching modes. Complex tasks, like concatenated screwing, might be difficult, because the operator has to align (e.g. mirror) rotational and translational input commands. Recent research has shown, that the separation of translation and rotation leads to increased task performance. This work proposes a formal motion retargeting method, which separates translational and rotational input commands. This method is then included in a optimal control based trajectory planner and shown to work on a UR5e manipulator.