Manipulation Planning for Construction Activities with Repetitive Tasks
作者: Wangyi Liu, Dasharadhan Mahalingam, Fanru Gao, Ci-Jyun Liang, Nilanjan Chakraborty
分类: cs.RO
发布日期: 2026-05-13
💡 一句话要点
提出基于虚拟现实示教的重复性建筑任务操作技能学习方法
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 操作技能学习 虚拟现实示教 螺旋运动几何 重复性任务 建筑机器人
📋 核心要点
- 传统建筑机器人编程复杂，难以应对重复性任务中的变化，需要更灵活的示教方法。
- 利用VR环境进行操作技能示教，通过螺旋运动几何近似，实现运动规划和泛化。
- 实验证明，该方法仅需一次示教即可完成任意长度的砌墙和天花板安装任务。
📝 摘要（中文）
本文研究了针对重复性建筑活动（如砌墙或安装天花板）的操作技能学习问题。该方法在虚拟现实（VR）环境中设置模拟建筑活动，用户可以在其中演示执行建筑活动所需的操作技能。然后，利用运动的螺旋几何来将演示的运动近似为一系列恒定的螺旋运动。为了执行建筑活动，生成一系列操作任务实例，然后使用螺旋线性插值（ScLERP）和解析运动速率控制（RMRC）计算对应于每个实例的关节空间运动规划。通过执行两个具有代表性的建筑任务来评估该框架：砌砖墙和安装多个天花板。每个任务仅使用单个演示，砖块的拾取和放置动作以及单个天花板安装来执行。在模拟和硬件中使用7自由度机器人进行的实验表明，即使仅提供一次演示，该方法也能稳健地推广到涉及重复运动并需要精度的任意长度的建筑活动。例如，可以通过利用将一块砖放在另一块砖上的单个演示来构建任意布局和长度的墙壁。
🔬 方法详解
问题定义：论文旨在解决建筑机器人执行重复性任务时，如何通过少量示教学习操作技能的问题。现有方法通常需要大量的示教数据或复杂的编程，难以适应建筑场景中布局和长度变化的需求。因此，需要一种能够从单次示教中泛化到任意长度和布局的重复性任务的操作技能学习方法。
核心思路：论文的核心思路是利用虚拟现实（VR）环境进行示教，并通过螺旋运动几何来描述和学习操作技能。通过将示教的运动分解为一系列恒定的螺旋运动，可以有效地提取运动的本质特征，从而实现从单次示教到任意长度任务的泛化。同时，结合螺旋线性插值（ScLERP）和解析运动速率控制（RMRC）进行运动规划，保证了运动的平滑性和精度。
技术框架：整体框架包括以下几个主要阶段：1) 在VR环境中进行操作技能示教；2) 利用螺旋运动几何对示教运动进行近似；3) 生成操作任务实例序列；4) 使用ScLERP和RMRC计算每个实例的关节空间运动规划；5) 在机器人上执行运动规划。
关键创新：最重要的技术创新点在于利用螺旋运动几何来描述和学习操作技能。与传统的基于轨迹或关键帧的运动规划方法相比，螺旋运动几何能够更有效地提取运动的本质特征，从而实现更好的泛化能力。此外，该方法仅需一次示教即可完成任意长度的任务，大大降低了示教成本。
关键设计：论文的关键设计包括：1) 使用VR环境进行示教，方便用户进行操作；2) 使用螺旋运动几何对示教运动进行近似，提取运动特征；3) 使用ScLERP和RMRC进行运动规划，保证运动的平滑性和精度；4) 通过实验验证了该方法在砌墙和天花板安装任务中的有效性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法仅需一次示教即可完成任意长度的砌墙和天花板安装任务。在模拟和硬件实验中，7自由度机器人能够成功地完成这些任务，证明了该方法的有效性和鲁棒性。例如，可以通过单次演示将一块砖放在另一块砖上，来构建任意布局和长度的墙壁。
🎯 应用场景
该研究成果可应用于建筑机器人、工业机器人等领域，实现重复性任务的自动化。例如，可用于自动化砌墙、铺砖、喷涂等建筑活动，提高施工效率和质量，降低人工成本。未来，该技术还可扩展到其他需要精确操作的领域，如医疗手术机器人、精密装配等。
📄 摘要（原文）
In this paper, we study the problem of manipulation skill acquisition for performing construction activities consisting of repetitive tasks (e.g., building a wall or installing ceiling tiles). Our approach involves setting up a simulated construction activity in a Virtual Reality (VR) environment, where the user can provide demonstrations of the object manipulation skills needed to perform the construction activity. We then exploit the screw geometry of motion to approximate the demonstrated motion as a sequence of constant screw motions. For performing the construction activity, we generate the sequence of manipulation task instances and then compute the joint space motion plan corresponding to each instance using Screw Linear Interpolation (ScLERP) and Resolved Motion Rate Control (RMRC). We evaluate our framework by executing two representative construction tasks: constructing brick walls and installing multiple ceiling tiles. Each task is performed using only a single demonstration, a pick-and-place action for the bricks, and a single ceiling tile installation. Our experiments with a 7-DoF robot in both simulation and hardware demonstrate that the approach generalizes robustly to arbitrarily long construction activities that involve repetitive motions and demand precision, even when provided with just one demonstration. For instance, we can construct walls of arbitrary layout and length by leveraging a single demonstration of placing one brick on top of another.