Decentralized Adaptive Control for Collaborative Manipulation of Rigid Bodies
Stanford University(斯坦福大学);Massachusetts Institute of Technology(麻省理工学院)
在这项工作中,我们考虑一组机器人一起工作,以操纵一个刚性物体跟踪所需的轨迹在$SE(3)$。机器人不知道物体的质量或摩擦特性,也不知道它们附着在物体上的位置。然而,他们可以访问一个共同的状态测量,无论是从一个机器人广播其测量到团队,或通过所有机器人通信和平均其状态测量,以估计其质心的状态。为了解决这个问题,我们提出了一个分散的自适应控制方案,其中每个代理维护和适应自己的估计的对象参数,以跟踪参考轨迹。我们提出了一个控制器的行为分析,并表明,所有的闭环信号保持有界,并且系统的轨迹几乎总是(除了初始条件上的一组测量零)收敛到所需的轨迹。我们研究所提出的控制器的性能,使用数值模拟的操作任务在3D中,以及硬件实验,证明我们的算法在平面操作任务。这些研究,结合起来,证明了所提出的控制器的有效性,即使在存在许多未建模的影响,如离散化误差和复杂的摩擦相互作用。
2021-08-19 cs.RO
MotionBits: Video Segmentation through Motion-Level Analysis of Rigid Bodies
Department of Computer Science(计算机科学系);Rice University(里士满大学);University of Texas at Dallas(德克萨斯大学达拉斯分校)
MotionBits通过运动学空间扭转等价性定义运动级视频分割单元,提出无需学习的图基分割方法,在MoRiBo基准上提升37.3%的mIoU,有效提升嵌入式推理与操作性能。
2026-03-06 cs.CV cs.RO
Modeling and Prediction of Rigid Body Motion with Planar Non-Convex Contact
Department of Mechanical Engineering Stony Brook University(纽约州立大学石溪分校机械工程系)
我们提出了一种通过动态模拟进行运动预测的原理性方法,用于相互间歇接触的刚体,其中接触区域是平面非凸接触片。这些方法在机器人操作的规划和控制中是有用的。平面非凸接触片可以是拓扑连通集,也可以是拓扑不连通集。刚体动力学仿真中的大多数工作都假设对象之间的接触是点接触,这在许多应用中可能是不正确的。本文利用接触曲面的凸包,在凸接触曲面模拟刚体的基础上,进一步研究了平面非凸接触曲面模拟物体运动的方法。我们制定了一个离散时间的混合互补问题,我们解决的接触检测和整合的运动方程的同时。我们同时求解每个接触片的等效接触点(ECP)和接触冲量以及状态,即,物体的形状和速度。我们证明,虽然我们是代表一个补丁接触的等效点,我们的模型强制执行非穿透约束,确保有没有人为接触刚体之间的渗透。我们提供的经验证据表明,我们的方法可以无缝捕捉不同的接触模式之间的过渡,如补丁接触,多点或单点接触。
2020-10-05 cs.RO
Rigid Body Motion Prediction with Planar Non-convex Contact Patch
Stony Brook University(石溪大学)
我们提出了一个原则性的方法,通过动态模拟运动预测的刚体在间歇性接触彼此的接触被假定为一个平面的非凸接触补丁。平面非凸接触片可以是拓扑连通集,也可以是拓扑不连通集。这样的算法在机器人操作的规划和控制中是有用的。在刚体动力学仿真中,大多数工作都假设物体之间的接触是点接触,这在许多应用中可能是不正确的。本文利用接触面的凸包,在我们最近用凸接触面模拟刚体的基础上,用平面非凸接触面模拟物体的运动。我们制定了一个离散时间的混合互补问题,我们解决的接触检测和整合的运动方程的同时。因此,我们的方法是一个几何隐式的方法,我们证明,在我们的配方,有没有人工的接触刚体之间的渗透。我们同时求解每个接触片的等效接触点(ECP)和接触冲量以及状态,即,物体的形状和速度。我们提供的经验证据表明,我们的方法可以无缝捕捉不同的接触模式之间的过渡,如补丁接触多点或单点接触在模拟过程中。
2019-04-15 cs.RO
Riemannian Direct Trajectory Optimization of Rigid Bodies on Matrix Lie Groups
University of Michigan(密歇根大学);Ohio University(俄亥俄大学)
本文提出基于矩阵李群的黎曼直接轨迹优化框架,利用李群变分积分器和黎曼内点法实现无奇异、拓扑正确的刚体轨迹优化,仿真显示其速度比传统方法快一个数量级。
2025-05-05 cs.RO cs.SY eess.SY
Jade: A Differentiable Physics Engine for Articulated Rigid Bodies with Intersection-Free Frictional Contact
National University of Singapore(新加坡国立大学);Xi’an Jiaotong University(西安交通大学)
提出用于铰接刚体的可微物理引擎Jade,通过连续碰撞检测与回溯策略实现无交叠摩擦接触,并修改Dantzig算法求解LCP,在富接触任务上验证了有效性。
2023-09-09 cs.AI cs.CV cs.GR
LieIPM: Lie Group Interior Point Method for Direct Trajectory Optimization of Rigid Bodies
University of California, Berkeley(加州大学伯克利分校);MIT(麻省理工学院);Ohio University(俄亥俄大学);University of Michigan, Ann Arbor(密歇根大学安娜堡分校)
提出一种基于李群结构的约束轨迹优化框架LieIPM,利用二阶刚体模型和变分积分器,实现无奇异、快速收敛的牛顿型更新。
2026-06-09 cs.RO cs.SY eess.SY
Penalty-based Numerical Representation of Rigid Body Interactions with Applications to Simulation of Robotic Grasping
本文提出了一种新的方法来数值描述刚体之间的相互作用,特别关注机器人抓取。用于解决这些问题的一些更常见的方法依赖于满足一套严格的限制,描述了这种相互作用在实践中的预期物理现实。然而,在数值设置中应用基于约束的方法可能会导致有问题的配置,例如,由不同的身体占据的体积可能重叠。这种情况超出了基于约束的方法的容许配置的范围,它们的发生通常会导致无意义的模拟结果。我们提出了一种方法,承认这种情况发生的可能性,同时降级其发生。这是追求通过使用一个惩罚为基础的方法,并利用机械阻抗的概念来推断适当的反作用力。数值模拟结果说明了所提出方法的有效性。
2021-08-01 cs.RO
SPONGE: Sequence Planning with Deformable-ON-Rigid Contact Prediction from Geometric Features
Aalto University(阿尔托大学);Technische Universität München(慕尼黑工业大学)
规划机器人操作任务,特别是那些涉及可变形和刚性物体之间的相互作用,是具有挑战性的,由于在预测这种相互作用的复杂性。我们介绍了SPONGE,这是一个由基于深度学习的接触预测模型驱动的序列规划管道,用于交互作用下可变形体和刚体之间的接触。接触预测模型在由开发的仿真环境生成的合成数据上训练,以学习从刚性目标对象的点云观察和可变形工具的姿势到两个主体之间的接触点的3D表示的映射。我们实验评估所提出的方法,无论是在模拟和一个真正的\panda与现实世界的对象的洗碗任务。实验结果表明,在这两种情况下,所提出的规划管道是能够生成高质量的轨迹,可以完成的任务,实现超过90%的面积覆盖不同的大小和曲率的对象,同时最大限度地减少旅行距离。代码和视频可在:\url{https://irobotics.aalto.fi/sponge/}。
2023-03-24 cs.RO
SoftMAC: Differentiable Soft Body Simulation with Forecast-based Contact Model and Two-way Coupling with Articulated Rigid Bodies and Clothes
Carnegie Mellon University(卡内基梅隆大学);National University of Singapore(新加坡国立大学)
SoftMAC是一个可微仿真框架,通过基于预测的MPM接触模型和穿透追踪算法,实现软体、铰接刚体与衣物的双向耦合,有效支持更广泛的机器人操作交互。
2025-04-05 cs.AI cs.GR cs.RO
Egoistic MDS-based Rigid Body Localization
School of Computer Science and Engineering, Constructor University(康斯特大学计算机科学与工程学院);Continental AG(大陆集团)
提出一种适用于自动驾驶的无锚点刚体定位方法,利用MDS双中心化算子建模平移向量,无需形状先验,实现任意形状刚体间相对位姿估计,仿真验证了低RMSE性能。
2025-01-20 cs.RO eess.SP
PuzzleFlex: kinematic motion of chains with loose joints
本文提出了一种计算由自由铰连接的平面刚体组合体自由运动的方法。关节建模使用局部距离约束,然后相对于配置空间速度线性化,产生线性规划公式,允许分析系统与数千个刚体。潜在的应用包括模块化机器人集合的分析、结构稳定性扰动分析、机械系统的公差分析以及移动机器人的编队控制。
2020-12-22 cs.RO
Enhancing motion trajectory segmentation of rigid bodies using a novel screw-based trajectory-shape representation
KU Leuven(鲁汶大学);Flanders Make(弗兰德斯制造);Department of Mechanical Engineering(机械工程系)
针对三维刚体运动分割中忽略旋转的问题,提出融合平移与旋转、具备时间和参考点不变性的螺旋理论轨迹形状表示,并通过自监督方法验证其分割更鲁棒、一致。
2023-09-20 cs.CV cs.RO
Learning Particle Dynamics for Manipulating Rigid Bodies, Deformable Objects, and Fluids
Massachusetts Institute of Technology(麻省理工学院)
现实生活中的控制任务涉及各种物质-刚性或柔性体,液体,气体-每一种都有不同的物理行为。这对传统的刚体物理引擎提出了挑战。基于粒子的模拟器已经被开发出来对这些复杂场景的动力学进行建模;然而,依赖于近似技术,它们的模拟往往偏离现实世界的物理学,特别是从长远来看。在本文中,我们提出了学习一个基于粒子的模拟器复杂的控制任务。将学习与基于粒子的系统相结合带来了两个主要好处:第一,学习的模拟器,就像其他基于粒子的系统一样,广泛地作用于不同材料的对象;第二,基于粒子的表示对学习有很强的归纳偏见:相同类型的粒子具有相同的动力学。这使得模型能够在几个观测值内快速适应未知动态的新环境。我们展示了机器人实现复杂的操作任务,使用学习的模拟器,如操纵流体和可变形的泡沫,在模拟和现实世界中的实验。本文的研究为机器人学习基于粒子表示的动态场景奠定了基础。
2019-04-18 cs.AI cs.LG cs.RO
Generating Freeform Endoskeletal Robots
Northwestern University(西北大学)
针对机器人自动设计长期局限于纯刚性或纯软体结构的问题,本文提出联合生成软体组织与关节内骨骼,并结合潜空间编码、强化学习和进化策略,实现开放式陆地内骨骼机器人设计。
2024-12-02 cs.RO
Fast and Feature-Complete Differentiable Physics for Articulated Rigid Bodies with Contact
Stanford University(斯坦福大学);Amazon(亚马逊)
我们提供了一个快速且功能完整的可微物理引擎Nimble(nimblephysics.org),它支持拉格朗日动力学和用于铰接刚体模拟的硬接触约束。我们的可微物理引擎提供了一套完整的功能,这些功能通常仅适用于机器人应用中常用的不可微物理模拟器。我们使用线性互补问题(LCP)精确地解决接触约束。我们提出了有效的和新的分析梯度通过LCP制定的非弹性接触,利用LCP解决方案的稀疏性。我们支持复杂的接触几何,和梯度近似连续时间的弹性碰撞。我们还介绍了一种新的方法来计算互补感知梯度,帮助下游优化任务避免在鞍点停滞。我们表明,在现有的物理引擎(DART)中实现这种组合能够在单个时间步计算分析雅可比矩阵时实现87倍的单核加速比,同时保留原始DART的所有表现力。
2021-06-22 cs.AI cs.LG cs.RO
Stabilizing Reinforcement Learning in Differentiable Multiphysics Simulation
Carnegie Mellon University(卡内基梅隆大学)
本文提出SAPO算法与Rewarped仿真平台,利用可微仿真的一阶解析梯度稳定强化学习,有效处理刚体和可变形体交互任务,超越现有基线。
2025-02-27 cs.AI cs.CV cs.LG
Leveraging Symbolic Algebra Systems to Simulate Contact Dynamics in Rigid Body Systems
Queen Mary University of London(伦敦玛丽女王大学)
碰撞检测在刚体相互作用仿真中起着关键作用。然而,由于其计算复杂性,当前方法通常优先考虑最大化处理速度或对真实世界行为的保真度。快速实时检测是通过模拟具有简单几何形状的碰撞来实现的,而将具有多个接触点的更真实的几何形状合并需要相当大的计算能力,这会减慢碰撞检测。本文提出了一种利用计算机代数系统对含碰撞多体动力学进行建模和仿真的新方法。这种方法提供了灵活性,从人体生物力学的空间机械手对接接口的多体系统的应用程序建模的不同集合,因为点和刚体之间的几何关系处理在一个概括的方式。我们还分析了将这种符号建模方法与碰撞检测相结合的性能,该方法可以是传统的重叠测试,也可以是凸优化问题。我们比较了这两种碰撞检测方法在不同的情况下,碰撞解决方案,使用基于惩罚的方法来模拟动态。这项工作证明了一个有效的简化,在解决碰撞动力学问题,使用一个符号的方法,特别是基于凸优化,这是更简单的实现,在复杂的碰撞情况下,比重叠测试的算法。
2023-03-02 cs.RO cs.SC