学习基于触觉的手持操纵中的物体姿态估计与欠驱动机器手控制
摘要：基于触觉的姿态估计与手中操作对于欠驱动柔性手是具有挑战性的，因为其具有固有的不确定性。因此，通常基于视觉感知来进行抓取物体的姿态估计。然而，在被遮挡或部分遮挡的环境中，视觉感知手和物体的能力可能受到限制。本文旨在探索使用触觉（即动觉和触觉感知）来进行欠驱动手的姿态估计和手中操作。这种基于触觉的方法能够缓解无视线的遮挡环境。我们着重确定系统的特征状态表示，该表示不包括视觉信息且可以使用简单和低成本的硬件获取。因此，对于触觉感知，我们提出了一种成本低廉且灵活的传感器，该传感器主要通过3D打印的指尖获得，并能提供隐式的接触信息。以一个双指欠驱动手为测试案例，我们分析了动觉和触觉特征以及各种回归模型对预测准确性的影响。此外，我们提出了一种基于模型预测控制（MPC）的方法，该方法利用姿态估计来仅基于触觉实现将物体操纵到期望状态。我们进行了一系列实验证实了使用不同几何形状、刚度和纹理的物体的姿态估计能力，并展示了在工作空间内相对高精度的目标操纵。
作者：Osher Azulay, Inbar Ben-David, Avishai Sintov
论文ID：2207.02843
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-29