複数把持点における非無視可能な物理応答を伴う線形変形物体の安定性保証付きマニピュレーション
Manipulation with Stability Guarantees: Linear Deformable Objects with Non-negligible Physical Response Grasped at Multiple Location
ホースや配管など動力学を無視できない線形変形物体を複数点で把持し、形状調整問題として閉ループ制御する手法を提案。動的モデルとSE(3)への拡張、非線形フィードバックによる安定性保証を導出し、シミュレーションと実機で有効性を検証した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Daniel Feliu-Talegon, Cosimo Della Santina
分類: cs.RO
原文アブストラクト
Most research on the manipulation of deformable objects focuses on lightweight systems with negligible mechanical response, effectively restricting attention to quasi-static regimes. This assumption excludes a broad class of practically relevant objects, such as hoses, pipes, and wiring harnesses, whose dynamics cannot be ignored during manipulation. In this work, we address this limitation by introducing a closed-loop control architecture that explicitly accounts for object dynamics and recasts manipulation as a shape-regulation problem. Control is achieved by modulating forces and torques applied at multiple fixed points along the object. This approach builds on three methodological contributions: a fully dynamic model of linear deformable objects based on discrete strain parameterizations; an extension of the notion of actuation coordinates to SE(3), yielding a structured and inherently underactuated control architecture; and nonlinear feedback strategies providing explicit conditions for steady-state convergence to desired configurations. Extensive simulations on representative manipulation tasks demonstrate the performance gains enabled by the proposed modelbased formulation. We finally validate the approach experimentally through a real-time closed-loop implementation with online shape estimation, confirming its practical feasibility and effectiveness
関連論文
- エンドタスク成功を超えて：ロボティクスにおける視覚経験検索の監査手法マニピュレーション
- PAKT: 強化学習のための物理的整合性を備えたキネステティック教示マニピュレーション
- 不完全データを活用した高精度ロボットマニピュレーションマニピュレーション
- SafeLoop: 視覚言語行動マニピュレーションのためのリスク認識ロールバックマニピュレーション
- ローカルコーディングエージェントによるマニピュレーションスキルの汎化マニピュレーション
- DynaForge: 動的マニピュレーションのデモ生成のための計画誘導型残差学習マニピュレーション