Scale-Invariant Manipulability Shape Tracking Across Heterogeneous Manipulators
作者: Geunwoo Kwon, Dong-gyu Lee, Kai Li, Soonwoong Hwang, Wansoo Kim
分类: cs.RO
发布日期: 2026-09-29
备注: 8 pages, 5 figures, 3 tables
💡 一句话要点
提出一种尺度不变的可操控性形状跟踪方法以解决异构机械臂间的转移问题
🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting)
关键词: 可操控性 形状跟踪 异构机器人 尺度不变 人机交互 二次规划 仿射不变黎曼度量
📋 核心要点
- 现有的全矩阵跟踪方法在形状匹配时对绝对尺度差异施加惩罚，导致不必要的复杂性。
- 本文提出一种尺度不变的形状跟踪方法，将不同尺度的矩阵视为等价，专注于形状匹配。
- 实验结果表明，该方法在机器人间和人机交互中均显著提高了跟踪精度，减少了位置误差。
📝 摘要（中文）
在不同大小和运动结构的系统间转移可操控性时，匹配绝对椭球尺度可能并非必要，尤其是在仅需重现方向和半轴长度比的情况下。现有的全矩阵跟踪方法对形状和绝对尺度差异均施加惩罚，然而在仅需形状匹配时，这种做法显得多余。为此，本文提出了一种尺度不变的可操控性形状跟踪方法，将仅因正标量因子而不同的矩阵视为等价，并使用其单位行列式代表。通过推导单位行列式形状代表的微分和在仿射不变黎曼度量下的切向跟踪残差的正交坐标表示，构建了尺度不变目标，并将其与位置和末端执行器方向任务集成到约束关节速度的二次规划中。通过对四个异构机器人进行的仿真评估，验证了机器人间及人机间的转移效果。
🔬 方法详解
问题定义：本文旨在解决在不同大小和运动结构的机械臂间转移可操控性时，现有方法对绝对尺度差异的惩罚问题。现有的全矩阵跟踪方法在仅需形状匹配的情况下显得过于复杂。
核心思路：提出一种尺度不变的可操控性形状跟踪方法，通过将不同尺度的矩阵视为等价，专注于形状的匹配而非绝对尺度，从而简化了跟踪过程。
技术框架：该方法的整体架构包括推导单位行列式形状代表的微分，构建在仿射不变黎曼度量下的切向跟踪残差的正交坐标表示，并将其与位置和末端执行器方向任务集成到约束关节速度的二次规划中。
关键创新：最重要的技术创新在于引入了单位行列式形状代表的概念，使得不同尺度的矩阵可以被视为等价，从而实现了尺度不变的形状跟踪。与现有方法相比，本文方法在形状匹配时避免了对绝对尺度的惩罚。
关键设计：在参数设置上，采用了单位行列式的表示方式，并设计了适应于不同机器人特性的目标函数，确保在运动过程中能够有效地调节机器人特定的目标尺度。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的方法在三个跟随机器人上实现了9.30 x 10^-5的末端形状距离，且在运动过程中无需进行尺度调节。与全方法相比，针对KR500和UR20的末端轴比误差仅为0.19-0.31，显示出显著的性能提升。
🎯 应用场景
该研究的潜在应用领域包括人机协作、异构机器人系统的协调控制以及复杂环境中的自动化操作。通过提高不同机械臂间的可操控性转移精度，能够在实际应用中实现更高效的任务执行，尤其是在需要精确形状匹配的场景中。
📄 摘要（原文）
When transferring manipulability across systems with different sizes and kinematic structures, matching absolute ellipsoid scale may be unnecessary when the goal is to reproduce orientation and semi-axis length ratios. Full-matrix tracking, however, penalizes both shape and absolute-scale differences, even when only shape matching is required. We therefore propose a scale-invariant manipulability shape-tracking method that treats matrices differing only by a positive scalar factor as equivalent and uses their unit-determinant representatives. We derive the differential of the unit-determinant shape representative and an orthonormal coordinate representation of the tangent tracking residual under the affine-invariant Riemannian metric (AIRM). The resulting scale-invariant objective is integrated with position and end-effector direction tasks in a constrained joint-velocity quadratic program. Simulations with four heterogeneous robots evaluate robot-to-robot and human-to-robot transfer. On three followers, the proposed method achieves endpoint shape distances of 9.30 x 10^-5 without scale tuning. With robot-specific target scales tuned during motion, the Full method retains endpoint axis-ratio errors of 0.19-0.31 on KR500 and UR20. For human reaching with concurrent tasks, the proposed method yields dual force shapes elongated along X like the human target on all four robots, with endpoint position errors of 2.4-5.6% of reference arm length versus up to 75% for the Full method tracking the original human ellipsoid.