Fundamental Limitations in Performance and Interpretability of Common Planar Rigid-Body Contact Models
Mechanical Engineering Department, MIT(麻省理工学院机械工程系);Toyota Research Institute(丰田研究所)
推理和预测接触结果的能力对于成功执行许多机器人任务至关重要。分析刚体接触模型广泛用于规划和控制,由于其计算效率和简单性,然而,尽管他们的流行,很少,如果任何经验比较这些模型已经取得了,目前还不清楚他们如何近似接触的结果。在本文中,我们首先制定了一个系统辨识的方法,在文献中常用的六个接触模型,并使用所提出的方法来找到参数的实验数据集的影响。接下来,我们比较模型的经验,并建立一个特定的任务上界的模型和刚体接触模型范式的性能。我们强调了这些模型的局限性,突出的故障模式,并应注意在参数选择,这是最终难以给出一个物理解释。
2017-11-02 cs.RO
Safe Control for Soft-Rigid Robots with Self-Contact using Control Barrier Functions
Computer Science and Artificial Intelligence Laboratory, MIT(麻省理工学院计算机科学与人工智能实验室)
本文研究软刚混合机器人的自接触控制问题,提出基于控制障碍函数(CBFs)和高阶CBFs的策略,结合PCC运动学在经典控制框架内建立自接触动力学模型,仿真与硬件实验证明该方法能有效调节自接触,提升机器人安全性。
2024-03-27 cs.RO
Estimating Deformable-Rigid Contact Interactions for a Deformable Tool via Learning and Model-Based Optimization
Robotics Department, University of Michigan(密歇根大学机器人系)
针对可变形工具操作刚体时接触难以用经典刚体模型描述的问题,提出结合学习模块与接触二次规划的混合方法,可建模变形操作中的运动、接触与力,仿真表现优于基线且可迁移到真实场景。
2025-05-16 cs.RO
Intersection-free Robot Manipulation with Soft-Rigid Coupled Incremental Potential Contact
ZenusTech Inc.(泽努斯科技公司);Shanghai Jiao Tong University(上海交通大学);SJTU-Yale Joint Center of Biostatistics and Data Science, National Center for Translational Medicine, Shanghai Jiao Tong University(上海交通大学-耶鲁大学生物统计与数据科学联合中心,上海交通大学国家转化医学中心)
本文提出仿真平台ZeMa,通过增量势接触实现软-刚耦合无交叉仿真,速度比基线快75倍,并成功用于并行抓取生成、穿透修复及强化学习策略的真实世界迁移。
2023-11-10 cs.RO
True Rigidity: Interpenetration-free Multi-Body Simulation with Polytopic Contact
Toyota Research Institute(丰田研究所)
具有刚性接触的多刚体动力学仿真是机器人运动和操作动力学仿真的一种有效方法。该范例在参数选择和识别的准确性、运行时间和简单性之间提供了合理的折衷。Stewart-Trinkle/Anitescu-Potra时间步进方法是许多现有实现的基础。它成功地处理不一致的(Painleve型)接触配置,有效地处理许多接触事件发生在很短的时间间隔,并证明收敛到连续时间微分代数方程(DAE)的解决方案的集成步长趋于零。然而,目前还没有办法确定解决方案何时已经基本收敛,即,当较小的积分步长将导致精度的仅小的增加时。目前的工作描述了一种方法,计算的事件时间(当一个DAE中的活动方程组的变化)的所有接触/影响事件的多体仿真,对使用集成技术与误差控制计算所需的精度的解决方案。我们还描述了一个一阶,变量整合的方法,确保刚性体与凸多面体几何形状从来没有相互渗透。这种方法允许在可能的情况下采取大步骤,并在接触复杂时采取小步骤。
2016-08-07 cs.RO
Rigid Body Dynamic Simulation with Line and Surface Contact
State University of New York at Stony Brook(纽约州立大学石溪分校)
在本文中,我们开发了一个原则性的方法来模拟线和面接触与点接触(我们称之为点,等效接触点),这是符合基于物理的模型的表面(线)接触。假设接触点的集合形成一个凸集,我们解决的接触检测和动态模拟的步骤,同时制定的问题作为一个混合的非线性互补问题。这使我们能够同时计算等效接触点以及等效接触点处的扳手(力和力矩)(与摩擦模型一致)以及刚性物体的配置和速度。此外,我们还证明了物体之间没有相互渗透的接触约束也得到了满足。本文提出了一种几何隐式的时间推进方法,用于凸接触区两体接触的动力学模拟,包括线接触和面接触。我们证明了,对于面接触和线接触,对于任何值的质量中心的速度的对象,有一个唯一的解决方案,接触点和接触扳手,满足离散时间的运动方程。仿真例子证明了我们的方法的有效性,并表明,与我们的方法,我们可以无缝过渡点,线,面接触。
2020-10-07 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
On the Conic Complementarity of Planar Contacts
School of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机科学学院)
本文提出平面 Signorini 条件这一锥互补形式,证明其等价于整个接触面的逐点 Signorini 定律,统一离散与连续接触模型并扩展压力中心。
2025-09-30 cs.RO
Do Rigid-Body Simulators Dream of Soft Robots? Learning Contact-Rich Manipulation for Tendon-Driven Continuum Robots
University of Toronto(多伦多大学)
针对肌腱驱动连续体机器人缺乏接触丰富操作模拟基础设施的问题,提出基于连续介质力学的离散化方法,将软体机器人原生集成到MuJoCo中,实现仿真到真实世界的零样本迁移。
2026-06-23 cs.RO
From Compliant to Rigid Contact Simulation: a Unified and Efficient Approach
Inria(法国国家信息与自动化研究所);École normale supérieure(巴黎高等师范学院);CNRS(法国国家科学研究中心);PSL Research University(巴黎文理研究大学)
本文提出一种统一高效求解非线性互补问题的接触仿真方法,结合ADMM与近端算法,自动调整超参数,处理刚性和柔顺接触,提升逆动力学效率,并在多场景验证。\n
2024-05-27 cs.RO
A Fast Stochastic Contact Model for Planar Pushing and Grasping: Theory and Experimental Validation
Carnegie Mellon University(卡内基梅隆大学)
基于准静态滑动的凸力-运动多项式模型,推导了位置控制机械手在支撑面上的运动学接触模型,用于确定接触模式和物体的瞬时运动。固有的随机对象表面摩擦分布的建模从适当的分布采样物理上一致的参数,只有一个参数来控制噪声量。由于凸多项式模型的高保真度和光滑度,贴片接触的力学被捕获,同时计算效率高,无需在支撑点处进行模式选择。给出了单摩擦接触和多摩擦接触的运动方程。基于该模型的仿真通过机器人的推取实验进行了验证。
2017-05-30 cs.RO
Data-Augmented Contact Model for Rigid Body Simulation
Stanford University(斯坦福大学);Amazon.com, Inc.(亚马逊公司)
精确模拟真实世界的接触行为,近刚性材料仍然是一个巨大的挑战,现有的刚体物理模拟器。本文介绍了一种数据增强接触模型,该模型将解析解与观测数据相结合,以预测可能导致刚体在各个方向上弹跳、滑动或旋转的3D接触脉冲。我们的方法通过从观测数据中学习接触行为,同时尽可能保留基本接触约束,增强了标准库仑接触模型的表达能力。例如,训练分类器以近似静态和动态摩擦之间的过渡,而在碰撞期间的非穿透约束被解析地强制执行。我们的方法计算整个刚体的接触的聚合效应,而不是单独预测每个接触点的接触力,随着接触点数量的增加,保持相同的模拟速度。补充视频:https://shorturl.at/eilwX关键词:物理仿真算法,动力学学习,接触学习
2022-06-21 cs.LG cs.RO
Contact Optimization with Learning from Demonstration: Application in Long-term Non-prehensile Planar Manipulation
Idiap Research Institute(伊迪亚普研究院);EPFL(洛桑联邦理工学院)
针对长期非抓握式平面操作中接触优化的非凸与混合难题,提出一种将人类示范纳入轨迹优化的新方法,有效缓解局部极小值问题,仅需少量示范即可实现稳健泛化,并在仿真及真实Franka Emika机器人推滑系统上验证了其有效性。
2023-05-19 cs.RO
Inverse Dynamics with Rigid Contact and Friction
George Washington University(乔治华盛顿大学)
逆动力学在机器人学和生物力学中有着广泛的应用。在机械手和足式机器人中,它可以形成一个有效的非线性控制策略的基础,通过提供一个机器人精确的位置跟踪和主动顺应。在生物力学应用中,逆动力学控制可以近似地确定与观察到的运动相对应的施加在解剖关节处的净扭矩。在机器人控制的背景下,使用逆动力学需要知道所有作用在机器人上的接触力;准确感知施加到机器人上的外力需要滤波,因此需要显著的时间延迟。在最近的文献中提出了一种替代方法:在刚体动力学、刚性接触和摩擦的假设下同时预测接触力和致动器力。现有的这种逆动力学方法已经使用了接触模型的近似,这允许使用快速数值线性代数算法。相比之下,我们描述的逆动力学算法,只来自第一原理,并使用既定的现象学模型,如库仑摩擦。我们评估这些逆动力学算法在控制上下文中使用两个虚拟机器人:一个四足机器人和一个固定的机械手抓住一个盒子,同时使用完全准确的传感器数据从模拟。从这些实验中收集的数据给出了这样的控制器在原位的性能上的上限。对于比较点,我们评估的性能相同的任务,错误反馈控制和逆动力学控制与虚拟接触力传感。
2016-08-04 cs.RO
A Unified Complementarity-based Approach for Rigid-Body Manipulation and Motion Prediction
Technical University of Munich(慕尼黑技术大学);Stony Brook University(石溪大学);Northeastern University(东北大学)
本文提出了一种统一的互补性方法,用于机器人刚体操作和运动预测,通过耦合线性和非线性互补问题实现接触模式的原理性转换,提升实时规划的鲁棒性。
2026-02-04 cs.RO
Design and Control of Modular Soft-Rigid Hybrid Manipulators with Self-Contact
Computer Science and Artificial Intelligence Laboratory, MIT(麻省理工学院计算机科学与人工智能实验室);Delft University of Technology(代尔夫特理工大学);German Aerospace Center (DLR)(德国航空航天中心)
针对软机器人负载有限、抗重力作业能耗高的问题,提出串联式刚柔混合机械臂SRH,通过自接触实现刚柔状态切换,设计两种经稳定性证明的控制器并在硬件上验证了多任务执行能力。
2024-08-17 cs.RO
Dynamic Model of Planar Sliding
Stony Brook University(石溪大学)
本文提出了一种用分布凸接触面模拟一般平面滑动运动的原理性方法。不确定压力分布的接触斑效应可以等效为一点接触时的接触扳手效应。我们称这个点为等效接触点。我们的动力学模型嵌入ECP的滑块的运动方程和摩擦模型,近似的分布接触补丁,并最终给我们带来了一个二次方程组。该离散时间动态模型允许我们求解切向摩擦脉冲的两个分量,即摩擦力矩和滑移速度。一旦计算出接触脉冲,就可以通过求解线性方程组来计算滑块的状态以及ECP。此外,我们还导出了滑块准静态运动状态的封闭形式解。在纯平移情况下,基于离散时间模型,给出了滑块所受摩擦力的闭合表达式和滑块在各时间步的状态。仿真例子证明了我们的方法的有效性。
2019-01-14 cs.RO
AeRSoM: An Aerial Rigid-Soft Integrated Manipulator for Contact-Rich Manipulation
Hunan University(湖南大学);National Engineering Research Center for Robot Visual Perception and Control Technology(国家机器人视觉感知与控制技术工程研究中心);Beihang University(北京航空航天大学)
本文提出空中刚柔集成机械臂AeRSoM,通过分布式具身柔顺与变刚度调节实现稳定飞行、柔顺交互和精确操作,经真实实验验证显著提升交互鲁棒性与任务适应性。
2026-09-24 cs.RO
A Convex Formulation of Frictional Contact for the Material Point Method and Rigid Bodies
University of California, Los Angeles(加州大学洛杉矶分校);Toyota Research Institute(丰田研究所)
本文提出一种将物质点法与铰接刚体动力学在摩擦接触下无缝集成的凸规划形式,通过弹塑性扩展和高效返回映射算法保证全局收敛,显著提升机器人操作仿真中接触求解的稳定性,并已集成到开源工具包Drake中。
2024-10-18 cs.RO
Efficient Penetration Depth Computation between Rigid Models using Contact Space Propagation Sampling
the University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);the City University of Hong Kong(香港城市大学)
提出了一种计算两个非凸几何模型之间近似全局穿透深度的新方法。我们的方法包括两个阶段:离线预计算和运行时查询。在第一阶段,我们的配方使用一种新的采样算法来预先计算一对模型之间的高维接触空间的近似。与现有的随机采样算法相比,我们的传播采样大大加快了预计算,并产生高质量的近似。在运行时,我们执行最近邻查询和局部投影,以有效地计算平移或广义PD。我们展示了我们的方法在复杂的3D基准测试中的性能,其中包含数万或数十万个三角形,并且我们观察到在准确性方面比以前的方法有显着的改进,在运行时性能方面有适度的改进。
2015-11-13 cs.RO
Dynamic simulation of task constrained of a rigid-flexible manipulator
刚性-柔性操纵器可以在风或振动影响操作表面的位置和/或取向的移动环境中被分配任务。因此,当基准发生变化时,可能会发生接触损失和性能下降。当环境移动时,需要在每一时刻了解接触表面与水平面之间的角度。在本文中,提出了不同的配置文件的时变角度的影响,这种变化到接触力和关节力矩的刚性-柔性机械臂。所提出的旋转表面的方程的系数随着时间而变化,以确定表面旋转时移动表面的新X和Y坐标。
2004-12-11 cs.RO
Friction Estimation for In-Hand Planar Motion
Department of Electrical Engineering, Chalmers University of Technology, SE-41296 Gothenburg, Sweden(电气工程系,楚尔姆斯理工大学,瑞典哥德堡);Department of Automatic Control, Lund University, SE-22100 Lund, Sweden(自动控制系,吕勒奥大学,瑞典卢德)
本文提出一种基于触觉测量在线估计平行夹爪手内滑动操作中静/库仑摩擦及接触半径的方法,并引入启发式处理快速滑-粘动力学,经仿真与实物验证。
2025-07-09 cs.RO
Configuration Lattices for Planar Contact Manipulation Under Uncertainty
Carnegie Mellon University(卡内基梅隆大学);National University of Singapore(新加坡国立大学)
这项工作解决了机器人使用接触传感器的实时反馈来可靠地操纵杂乱桌面上的可移动物体的挑战。我们制定的接触操作作为一个部分可观察的马尔可夫决策过程(POMDP)在关节空间的机器人配置和对象的姿态。POMDP公式使机器人能够主动收集信息,减少对象姿态的不确定性。此外,它还结合了机器人操作的所有主要约束:运动学可达性,自碰撞和与障碍物的碰撞。为了解决POMDP,我们应用DESPOT,一个国家的最先进的在线POMDP算法。我们的方法利用了两个关键的想法,计算效率。首先,它通过交错构造网格和在线POMDP规划来执行配置空间网格的惰性构造。其次,通过离线求解松弛POMDP,并利用解指导在线搜索算法,将在线和离线POMDP规划相结合。我们评估了所提出的方法在一个七度的自由度的机器人手臂在仿真环境中。它显着优于现有的几种算法,包括一些常用的接触操作不确定性下的算法。
2016-04-30 cs.RO
Lifted contact dynamics for efficient optimal control of rigid body systems with contacts
Kyoto University(京都大学)
提出了一种新的有效的提升方法来解决带接触刚体系统的最优控制问题,以改善牛顿型方法的收敛性。为了缓解高度非线性,我们考虑的状态,加速度,接触力,和控制输入转矩,作为优化变量和逆动力学和加速度约束的接触框架上的等式约束。我们消除了更新的加速度,接触力,和他们的对偶变量从线性方程要解决的每一个牛顿型迭代在一个有效的方式。结果表明,每次牛顿型迭代的计算成本与传统的非提升牛顿型迭代(在状态方程中嵌入接触动力学)的计算成本几乎相同。我们进行了数值实验的全身最优控制的各种四足步态的摩擦锥的约束下,考虑在邻近点的方法,并表明,所提出的方法可以显着提高收敛速度的两倍以上的传统的非解除的方法。
2022-10-24 cs.RO math.OC
Experimental Verification of Stability Theory for a Planar Rigid Body with Two Unilateral Frictional Contacts
Faculty of Mechanical Engineering, Technion - Israel Institute of Technology(以色列理工学院机械工程学院);Budapest University of Technology and Economics(布达佩斯技术与经济大学)
具有多个单侧摩擦接触的机械系统中的平衡状态的稳定性是重要的实际要求,与机器人应用高度相关。在我们以前的工作中,我们从理论上分析了两点摩擦接触的平面刚体极小模型的有限时间李雅普诺夫稳定性。在假定非弹性碰撞和库仑摩擦的条件下,导出了平衡位形的稳定性和不稳定性条件。在这项工作中,我们首次提出了这种稳定性理论的实验演示,使用一个可变结构的刚性的“”与摩擦脚垫上的斜面。通过改变粒子的质心位置,我们得到了不同的平衡态,这些平衡态对小扰动的反应是发散或收敛,与稳定性理论的预测非常一致。使用高速录像电影,实验和数值模拟之间获得了良好的定量协议,刚体模型和非弹性碰撞假设的局限性也进行了研究。结果证明了我们的稳定性理论的实用性和实用价值。
2021-03-08 cs.RO physics.app-ph
Whole-body model predictive control with rigid contacts via online switching time optimization
Kyoto University(京都大学)
针对具有刚性接触的机器人系统,提出了一种基于在线切换时间优化的整体模型预测控制(MPC)方法。我们把机器人动力学与刚性接触作为一个切换系统,制定切换系统的最优控制问题,以实现MPC。我们利用一个有效的解决方案算法的MPC问题,同时优化切换时间和轨迹。本高效的算法,不像现有的低效的方法,使在线优化以及切换时间。通过对四足机器人动态跳跃运动的数值模拟,将在线STO的MPC与传统的固定切换时间的MPC进行了比较。在仿真比较中,所提出的MPC成功地控制了动态跳跃运动的两倍的情况下,传统的MPC,这表明所提出的方法扩展了整体MPC的能力。我们进一步进行硬件实验的四足机器人Unitree A1和证明所提出的方法实现了真实机器人的动态运动。
2022-10-24 cs.RO math.OC
COCOI: Contact-aware Online Context Inference for Generalizable Non-planar Pushing
Everyday Robots, X The Moonshot Factory(日常机器人,X登月工厂);Robotics at Google(谷歌机器人);University of California, Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学)
由于难以理解复杂的接触物理,一般的接触丰富的操作问题是机器人技术中长期存在的挑战。深度强化学习(RL)在解决机器人操作任务方面显示出巨大的潜力。然而,现有的强化学习策略对具有不同动力学特性的环境的适应性有限,这是解决许多接触丰富的操作任务的关键。在这项工作中,我们提出了接触感知的在线上下文推理(COCOI),这是一种深度RL方法,使用丰富的接触交互在线编码动态属性的上下文嵌入。我们研究这种方法的基础上,一个新的和具有挑战性的非平面推动任务,其中机器人使用单目摄像头图像和腕力扭矩传感器读数,推动一个对象到目标位置,同时保持直立。我们进行了大量的实验,以证明COCOI在模拟中的各种设置和动力学特性中的能力,以及在真实机器人上的仿真到现实迁移场景中的能力(视频:https://youtu.be/nrmJYksh1Kc)
2020-11-23 cs.LG cs.RO
A pressure field model for fast, robust approximation of net contact force and moment between nominally rigid objects
Toyota Research Institute(丰田研究所);Cornell University(康奈尔大学)
我们介绍了一个近似模型,用于预测名义上刚性物体之间的净接触扳手用于仿真,控制和状态估计。该模型结合并概括了两个概念:弹簧床(“弹性基础”)和静水压力。在这个模型中,连续的压力场计算离线的内部每个名义上刚性的对象。与流体静力学或弹性地基不同,压力场不需要满足力学平衡条件。当两个物体名义上重叠时,接触表面被定义为两个压力场相等。该静压补充有耗散率相关的压力和摩擦,以确定接触表面上的牵引力。成对物体之间的接触扳手是该表面上的牵引贡献的积分。该模型的评估速度比弹性理论模型快得多,同时显示了力、力矩和刚度随接触载荷增加的基本趋势。即使对于非凸对象和粗糙网格,它也会产生连续的扳手。该方法显示出足够的速度,准确性和鲁棒性的机器人控制器的仿真设计的承诺。
2019-08-05 cs.CE cs.GR cs.RO
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
Learning Beyond Rigid Manipulation with Hybrid Soft-Rigid Robots
Cognitive Robotics, Delft University of Technology(德鲁特理工大学认知机器人学);Bioinspired Soft Robotics Lab, Istituto Italiano di Tecnologia(意大利技术研究院仿生软机器人实验室);Technology Innovation Institute (TII)(技术创新研究所);Institute of Robotics and Mechatronics, German Aerospace Center (DLR)(德国航空航天中心机器人与机电研究所)
本文提出一种结合刚性机械臂与软臂的新型混合机器人平台,通过模仿学习使其兼具软体机器人的泛化灵活性与刚性机器人的高精度与可重复性,从而自主掌握富接触任务。
2026-11-11 cs.AI 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
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
Push, Press, Slide: Mode-Aware Planar Contact Manipulation via Reduced-Order Models
Dept. of Electrical and Electronics Engineering, Middle East Technical University(电子工程系,中东技术大学);Dept. of Computer Engineering, Bilkent University(计算机工程系,比尔肯特大学)
本文提出一种基于接触拓扑选择和降阶运动学建模的平面操作框架,通过将复杂力矩-扭动极限面力学抽象为物理直观的离散库,实现高效接触力分配与轨迹生成。
2026-03-17 cs.RO cs.SY eess.SY
Lyapunov stability of a rigid body with two frictional contacts
Budapest University of Technology and Economics(布达佩斯技术与经济大学);Technion - Israel Institute of Technology(技术学院-以色列理工学院)
本文研究了具有两个摩擦性单向接触的平面刚体在非弹性碰撞下的李雅普诺夫稳定性分析,通过引入Poincare映射和不变关系,将系统动态行为编码为两个半解析标量函数,用于判断平衡状态的稳定性。
2016-08-09 cs.RO cs.SY eess.SY
GRIP: A General Robotic Incremental Potential Contact Simulation Dataset for Unified Deformable-Rigid Coupled Grasping
AIVC Laboratory, UCLA, USA(UCLA美国大学先进视觉计算实验室);Toyota Research Institute, USA(美国丰田研究院);University of Utah, USA(美国犹他大学)
本文提出GRIP数据集,利用优化的IPC仿真器实现最高48倍加速,在1200个物体和10万个抓取姿态上自动生成柔顺夹爪与可变形物体的抓取交互数据,支持神经抓取生成与应力场预测。
2025-07-03 cs.GR cs.RO
A Smooth Analytical Formulation of Collision Detection and Rigid Body Dynamics With Contact
University of Tübingen(蒂宾根大学);Idiap Research Institute(伊迪亚普研究所);EPFL(洛桑联邦理工学院)
针对接触密集场景下零阶方法计算低效的问题,提出一种碰撞检测与接触建模的联合解析公式,实现完全解析且平滑的正逆动力学,支持任意碰撞几何形状且运行时间与接触数量无关,为高效智能行为生成方法提供基础。
2025-04-14 cs.RO math.OC
A Differentiable Recipe for Learning Visual Non-Prehensile Planar Manipulation
Massachusetts Institute of Technology(麻省理工学院);Facebook AI Research(Facebook人工智能研究院)
视频任务是获取新的和一般的机器人技能的强大技术。然而,对力学和灵巧交互的推理可能会使扩展学习接触丰富的操作变得具有挑战性。在这项工作中,我们专注于问题的视觉non-permissive平面操作:给定一个视频的对象在平面运动中,找到接触感知机器人的动作,再现相同的对象运动。我们提出了一种新的架构,微分学习操纵(\ours),结合视频解码神经模型与接触力学的先验,利用微分优化和有限差分模拟。通过大量的模拟实验,我们研究了传统的基于模型的技术和现代深度学习方法之间的相互作用。我们发现,我们的模块化和完全可微的架构在看不见的对象和运动上比只学习的方法表现得更好。\url{https://github.com/baceituno/dlm}。
2021-11-09 cs.AI cs.RO
Differential Dynamic Programming for Multi-Phase Rigid Contact Dynamics
CNRS, LAAS(法国国家科学研究中心,拉拉斯研究所);INRIA, France(法国国家信息与自动化研究所,法国)
本文提出使用微分动态规划算法来优化多相刚体接触动力学的全身轨迹,通过利用角动量提高运动效率,减少力和冲击,并在无外力情况下实现姿态控制。
2019-04-10 cs.AI cs.RO cs.SY
Fast Contact-Implicit Model-Predictive Control
Carnegie Mellon University(卡内基梅隆大学);Stanford University(斯坦福大学)
我们提出了一个通用的方法来控制机器人系统,使和打破接触他们的环境。接触隐式模型预测控制(CI-MPC)通过利用双层规划公式将线性MPC推广到接触丰富的设置,其中下层接触动态被公式化为使用关于参考轨迹的策略泰勒近似计算的时变线性互补问题(LCP)。这些动力学使上层规划问题能够推理接触时间和力,并在线生成全新的接触模式序列。为了实现可靠且快速的数值收敛,我们为这些LCP接触动力学设计了一个结构利用内点求解器,并为跟踪问题设计了一个自定义轨迹优化器。我们展示了实时的解决方案率CI-MPC和生成和跟踪非周期性行为的能力,在硬件实验上的四足机器人。我们还表明,控制器是鲁棒的模型失配,并可以通过发现和利用新的接触模式在各种机器人系统的模拟,包括推式机器人,平面料斗,平面四足动物,平面机器人的干扰。
2023-01-06 cs.RO cs.SY eess.SY