Simultaneous estimation of contact position and tool shape with high-dimensional parameters using force measurements and particle filtering
作者: Kyo Kutsuzawa, Mitsuhiro Hayashibe
分类: cs.RO
发布日期: 2025-09-24
备注: Accepted to The International Journal of Robotics Research (IJRR)
DOI: 10.1177/02783649251379515
💡 一句话要点
提出基于力测量和粒子滤波的同时估计接触位置和高维工具形状参数的方法
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 接触位置估计 工具形状估计 粒子滤波 力测量 高维参数估计
📋 核心要点
- 现有方法在估计接触位置时，通常需要预先知道工具的精确几何形状，限制了其在未知或复杂工具形状下的应用。
- 该论文提出了一种基于粒子滤波的方法，通过每个粒子携带不同的工具形状参数，从而在高维空间中同时估计接触位置和工具形状。
- 实验结果表明，该方法能够有效地估计工具形状，并提高接触位置估计的准确性，尤其是在工具形状未知的情况下。
📝 摘要（中文）
在装配和物体操作等接触任务中，估计抓取工具与环境之间的接触状态至关重要。力信号对于估计接触状态非常有价值，即使接触位置被工具遮挡也可以使用。以往的研究提出了利用力/力矩信号估计接触位置的方法；然而，大多数方法都需要已知工具表面的几何形状。虽然一些研究提出了不需要工具形状的方法，但这些方法需要大量的估计时间，或者仅限于具有低维形状参数的工具。本文提出了一种同时估计接触位置和工具形状的方法，其中工具形状由网格表示，该网格是高维的（超过1000维）。该方法使用粒子滤波器，其中每个粒子都有单独的工具形状参数，从而避免直接处理高维参数空间。通过模拟和实验，使用平面上具有弯曲形状的工具对所提出的方法进行了评估。结果表明，该方法可以在估计接触位置的同时估计工具的形状，从而使接触位置估计更加准确。
🔬 方法详解
问题定义：该论文旨在解决在工具形状未知或难以精确建模的情况下，如何准确估计工具与环境之间的接触位置的问题。现有方法要么依赖于已知的工具几何形状，要么在工具形状未知时需要大量的计算时间或仅适用于低维形状参数，限制了其应用范围。
核心思路：核心思路是利用粒子滤波算法，将工具形状的不确定性建模为粒子集合，每个粒子代表一种可能的工具形状。通过力传感器获取的力/力矩信息，对每个粒子的接触位置进行评估，并根据评估结果更新粒子的权重，从而实现同时估计接触位置和工具形状的目的。
技术框架：该方法主要包含以下几个阶段：1) 初始化：随机生成一组粒子，每个粒子包含工具形状参数和接触位置参数；2) 力预测：对于每个粒子，根据其工具形状和接触位置，预测工具与环境之间的作用力/力矩；3) 权重更新：将预测的力/力矩与实际测量的力/力矩进行比较，计算每个粒子的权重；4) 重采样：根据粒子的权重，对粒子集合进行重采样，权重高的粒子被复制，权重低的粒子被淘汰；5) 估计：根据重采样后的粒子集合，估计工具形状和接触位置。
关键创新：该方法最重要的创新点在于能够同时估计接触位置和高维工具形状参数，而无需预先知道工具的精确几何形状。通过粒子滤波算法，有效地处理了高维参数空间，避免了直接优化高维参数的困难。
关键设计：工具形状由网格表示，每个网格点代表工具表面的一个位置。粒子滤波器中的每个粒子都包含一个工具形状参数，该参数表示工具形状网格的变形。力预测模型根据工具形状和接触位置，计算工具与环境之间的作用力/力矩。权重更新函数根据预测的力/力矩与实际测量的力/力矩之间的差异，计算每个粒子的权重。重采样算法采用系统重采样方法，以保证粒子的多样性。
🖼️ 关键图片
📊 实验亮点
通过仿真和实验验证了该方法的有效性。实验结果表明，该方法能够在估计接触位置的同时，有效地估计工具的形状，从而提高接触位置估计的准确性。尤其是在工具形状未知的情况下，该方法能够显著提高接触位置估计的精度。具体性能数据未知，但论文强调了在复杂形状工具下的有效性。
🎯 应用场景
该研究成果可应用于机器人装配、物体操作、医疗手术等领域。例如，在机器人装配中，机器人可以利用该方法在未知零件形状的情况下，准确地进行零件的定位和装配。在医疗手术中，医生可以使用该方法在内窥镜等工具形状未知的情况下，准确地进行手术操作。该方法还可以应用于虚拟现实和增强现实等领域，提高用户与虚拟环境的交互体验。
📄 摘要（原文）
Estimating the contact state between a grasped tool and the environment is essential for performing contact tasks such as assembly and object manipulation. Force signals are valuable for estimating the contact state, as they can be utilized even when the contact location is obscured by the tool. Previous studies proposed methods for estimating contact positions using force/torque signals; however, most methods require the geometry of the tool surface to be known. Although several studies have proposed methods that do not require the tool shape, these methods require considerable time for estimation or are limited to tools with low-dimensional shape parameters. Here, we propose a method for simultaneously estimating the contact position and tool shape, where the tool shape is represented by a grid, which is high-dimensional (more than 1000 dimensional). The proposed method uses a particle filter in which each particle has individual tool shape parameters, thereby to avoid directly handling a high-dimensional parameter space. The proposed method is evaluated through simulations and experiments using tools with curved shapes on a plane. Consequently, the proposed method can estimate the shape of the tool simultaneously with the contact positions, making the contact-position estimation more accurate.