CushionCatch: 移动操作器的柔顺捕捉机制通过结合优化和学习实现的.pdfVIP

CushionCatch:移动操作器的柔顺捕捉机制通过结合优化和学

习实现的

BingjieChen,KeyuFan,QiYang,YiCheng,HoudeLiu,

KangkangDong,ChongkunXia,LiangHan,BinLiang

Abstract—使用缓冲过程接住飞行物体是一项人类常见

的技能，但对于机器人来说仍然是一个重大挑战。在本文中，我

们提出了一种结合优化和学习的框架，以实现移动操作器上的

柔顺抓取（CCMM）。首先，我们为移动操作器（MM）提出了

一个高级捕获规划器，用于计算最优捕捉点和关节配置。接下

本来，预抓取（PRC）规划器确保机器人尽可能快地达到目标关

节配置。为了学习柔顺抓取策略，我们提出了一种利用LSTM

译捕捉时间依赖性以及位置编码进行空间上下文（P-LSTM）优

中势的网络。该网络设计为能够有效地从人类演示中学习柔顺策

略。随后，后抓取（POC）规划器跟踪由P-LSTM输出的柔

4顺序列，同时避免由于人类和机器人结构差异可能导致的潜在

v

4碰撞。我们通过模拟和真实世界的接球场景验证了CCMM框

5架的有效性，在模拟中的成功率达到了98.70%，在现实世界Fig.1:移动操作器在CCMM框架下实现顺应抓取的运动。

7测试中为92.59%，并减少了28.7%的冲击扭矩。开源代码已

4

1发布，供社区参考。

9.重要。接住动态对象需要快速且精确的运动规划，随

I.介绍

0后进行快速而准确的操作执行。对于捕捉的运动规划，

4

2操作动态对象具有挑战性，需要物体检测、运动该过程可以分为两个阶段：捕获前（PRC）和捕获后

:

v规划和控制之间的复杂互动[1]。在动态操控场景中，（POC）[7]。在POC阶段，对于高刚度机器人而言，对

i

x如投掷[2],[3]、玩杂耍[4]和接住[5],[6]等任务至关象接触时可能会弹开或产生显著的冲击力。为了解决

r

a这些问题，在抓取过程中加入缓冲机制是有益的，因

ThisworkwassupportedbyNationalNaturalScienceFoundation

ofChina(No,TheShenzhenScienceFundfor为它可以减少冲击力[8],[9]，防止机器人和物体[10]

DistinguishedYoungScholars(RCJC20210706091946001),Tsinghua损坏，并最小化反弹的风险，特别是对于高速或高质

SIGSCrossResearchandInnovationFund(JC2021005).(indicates

量的物体[11],[12]。此外，由于人类在抓取高质量物

equalcontribution)(Correspondingauthors:HoudeLiu,ChongkunXia

(liu.hd@,xiachk5@))体时总是表现出缓冲行为，因此有效的做法是让机器

BingjieChen,KeyuFan,QiYang,YiChengandHoudeLiuare人从人类那里学习这种动作[7]。

withtheCenterforArtificialIntelligenceandRoboti