Adaptive Manipulation Potential and Haptic Estimation for Tool-Mediated Interaction
作者: Lin Yang, Anirvan Dutta, Yuan Ji, Yanxin Zhou, Shilin Shan, Lv Chen, Etienne Burdet, Domenico Campolo
分类: cs.RO
发布日期: 2026-03-11
💡 一句话要点
提出基于自适应操作势和触觉估计的工具辅助操作框架
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 工具辅助操作 触觉估计 平衡流形 自适应控制 机器人操作
📋 核心要点
- 工具辅助操作中，视觉遮挡和触觉感知的不确定性是实现高灵巧性的主要挑战。
- 论文提出一种基于参数化平衡流形(EM)的统一表示，结合触觉估计、在线规划和自适应刚度控制。
- 实验结果表明，该框架在螺丝松动等任务中表现出鲁棒性，并优于固定阻抗控制方法。
📝 摘要（中文）
本文针对视觉遮挡和触觉感知不确定性导致的工具辅助操作灵巧性难题，提出了一种参数化的平衡流形(EM)作为统一表示。开发了一个闭环框架，集成了触觉估计、在线规划和自适应刚度控制。利用包含可微接触模型的自适应操作势，建立了物理-几何对偶性，将复杂的物理交互封装为EM上的连续操作。将触觉估计重新定义为流形参数估计问题，采用混合推理策略（触觉SLAM），通过粒子滤波分类离散物体形状，并使用解析梯度估计连续物体姿态。通过持续更新操作势参数，动态调整EM以指导在线轨迹重规划和实现不确定性感知阻抗控制。通过仿真和260多次真实螺丝松动试验验证了系统，实验结果表明在标准场景中实现了鲁棒的识别和操作，并保持了精确的跟踪。消融研究表明，触觉SLAM和不确定性感知刚度调节优于固定阻抗基线，有效防止了紧公差交互期间的卡死。
🔬 方法详解
问题定义：工具辅助操作中，由于视觉遮挡和触觉感知的不确定性，机器人难以像人类一样灵活地进行操作。现有的方法通常依赖于精确的视觉信息或预定义的运动轨迹，难以适应复杂和动态的环境，容易发生卡死等问题。
核心思路：论文的核心思路是将工具辅助操作建模为一个在平衡流形(Equilibrium Manifold, EM)上的连续操作。通过引入自适应操作势，将物理交互转化为EM的几何结构变化，从而实现对复杂物理交互的统一表示和处理。同时，将触觉估计问题转化为EM参数的估计问题，利用触觉信息动态调整EM，指导机器人的运动规划和控制。
技术框架：该框架包含三个主要模块：触觉估计、在线规划和自适应刚度控制。首先，触觉估计模块利用触觉SLAM技术，通过粒子滤波进行离散物体形状的分类，并使用解析梯度进行连续物体姿态的估计。然后，在线规划模块根据当前的EM状态，生成新的运动轨迹。最后，自适应刚度控制模块根据不确定性信息，动态调整机器人的阻抗参数，以提高操作的鲁棒性。
关键创新：该论文的关键创新在于提出了基于自适应操作势的平衡流形表示方法。与传统的基于视觉或力/力矩控制的方法不同，该方法能够将复杂的物理交互封装为EM上的连续操作，从而实现对操作过程的统一建模和控制。此外，该论文还提出了触觉SLAM技术，用于实现对物体形状和姿态的精确估计。
关键设计：自适应操作势的设计是关键。它包含一个可微的接触模型，能够反映物体之间的物理交互。操作势的参数通过触觉SLAM进行在线更新，从而动态调整EM的形状。此外，自适应刚度控制模块根据触觉SLAM估计的不确定性信息，动态调整机器人的阻抗参数，以防止卡死等问题。损失函数的设计也至关重要，需要平衡估计精度和计算效率。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该框架在螺丝松动任务中表现出良好的鲁棒性和准确性。在超过260次的真实实验中，该系统能够成功识别并操作螺丝，并保持精确的跟踪。消融研究表明，触觉SLAM和不确定性感知刚度调节能够显著提高操作的成功率，并有效防止卡死。与固定阻抗基线相比，该方法在紧公差交互中表现出更强的优势。
🎯 应用场景
该研究成果可应用于各种工具辅助操作场景，例如装配、维修、医疗手术等。通过提高机器人在复杂环境中的操作灵巧性和鲁棒性，可以实现自动化生产线的升级，提高生产效率和产品质量。此外，该技术还可以应用于远程操作机器人，使操作人员能够在安全的环境下完成危险或重复性的任务。
📄 摘要（原文）
Achieving human-level dexterity in contact-rich, tool-mediated manipulation remains a significant challenge due to visual occlusion and the underdetermined nature of haptic sensing. This paper introduces a parameterized Equilibrium Manifold (EM) as a unified representation for tool-mediated interaction, and develops a closed-loop framework that integrates haptic estimation, online planning, and adaptive stiffness control. We establish a physical-geometric duality using an adaptive manipulation potential incorporating a differentiable contact model, which induces the manifold's geometric structure and ensures that complex physical interactions are encapsulated as continuous operations on the EM. Within this framework, we reformulate haptic estimation as a manifold parameter estimation problem. Specifically, a hybrid inference strategy (haptic SLAM) is employed in which discrete object shapes are classified via particle filtering, while the continuous object pose is estimated using analytical gradients for efficient optimization. By continuously updating the parameters of the manipulation potential, the framework dynamically reshapes the induced EM to guide online trajectory replanning and implement uncertainty-aware impedance control, thereby closing the perception-action loop. The system is validated through simulation and over 260 real-world screw-loosening trials. Experimental results demonstrate robust identification and manipulation success in standard scenarios while maintaining accurate tracking. Furthermore, ablation studies confirm that haptic SLAM and uncertainty-aware stiffness modulation outperform fixed impedance baselines, effectively preventing jamming during tight tolerance interactions.