センサレス損傷安全把持

本論文は、ロボットによる果実収穫において、把持対象を傷つけずに保持するためのセンサレス損傷安全把持制御手法を提案する。エンコーダ位置とモータートルク信号のみを用い、対象の圧縮ひずみがユーザー指定の限界値εに達するまでグリッパを閉じる。接触力と剛性の下界から停止条件を導出し、真の圧縮がε以下であることを保証する。

従来の固定把持力閾値では、熟度による剛性変動に対応できず、損傷または落下が生じる。本手法は、力ではなく変形を制限することで、剛性に依存せず安全な把持を実現する。また、触覚センサや力覚センサを必要とせず、既存のサーボグリッパに適用可能で、εは解釈可能な損傷限界として機能する。

手法の核心は、モーターのトルク信号から接触力を推定し、対象の剛性の下界で除算することで圧縮ひずみの上界を計算すること。接触検出にはひずみの消費が伴い、その量は閉じる速度に線形に依存するため、速度をスループットと優しさのトレードオフパラメータとして扱う。停止条件は、真の圧縮がε以下であることを証明可能な形で設計される。

MuJoCoシミュレーションで、現実のサーボに較正されたセンサノイズモデルを用い、果実の剛性範囲全体で評価。中程度から硬い剛性において、認証されたε範囲全体で把持成功率98%以上、損傷0%を達成し、固定力ベースラインはこれを達成できなかった。また、剛性を段階的に変えた3DプリントTPUキューブを用いた実機実験では、ベースラインと同等の把持成功率を約半分の把持力で達成し、軟らかい対象の損傷率を100%から40%に低減した。

要旨からは、接触検出のひずみ下限が存在し、速度に依存するため、非常に遅い速度でないと軟らかい対象のεを小さく設定できない可能性が示唆される。また、剛性の下界を事前に知る必要があり、対象の剛性が下界を下回る場合は保証が崩れる。さらに、シミュレーションと実機の差や、他の対象形状への一般化については要旨からは不明。

要旨で参照されている関連研究として、固定力閾値ベースの把持制御、触覚センサを用いた把持制御、学習ベースの把持ポリシーなどが挙げられる。具体的には、力制御による損傷回避、インピーダンス制御、コンプライアンス制御などの研究が関連する。