Rigid vs compliant contact: An experimental study on biped walking
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);University of Tehran(德黑兰大学);Tarbiat Modares University(塔比阿特莫达勒斯大学);Hakim Sabzevari University(哈基姆萨卜泽瓦尔大学);Sharif University of Technology(谢里夫理工大学)
由于腿的运动是通过接触实现的,接触建模在足式机器人的运动规划、仿真和控制中起着核心作用。两个流行的方法来模拟接触考虑刚性和柔性的前提下,在相互作用的端口。与具有刚性接触(无冲击)的腿系统的动力学模型相反,该模型易于开发,研究人员之间没有共识采用标准的柔顺接触模型。本文的主要目的是研究具有刚性接触和\textit{novel}柔性接触模型的双足步行系统的动力学模型结构,并对两种模型进行实验验证。对于刚性接触的模型,在开发的关节机构在飞行阶段没有任何接触的环境中的模型后,我们应用完整约束的接触点,并开发在单,双支撑阶段的机器人的约束动力学模型。对于柔性接触的机器人模型,提出了一种新的非线性接触模型,并利用该模型对机器人的运动进行了仿真。为了显示所开发的模型的性能,我们比较从这些模型中获得的结果,从两足步行的人类大小的人形机器人SURENA III,它已被设计和制造的CAST,德黑兰大学的经验测量。分析表明,这两种模型在估计机器人在半刚性表面上行走的动态行为的优点。刚性接触模型复杂度较低,与接触物体的物理特性无关,可用于基于模型的运动优化、分析和控制,而柔性接触模型复杂度较高,适用于更真实的仿真场景。
2018-12-13 cs.RO
A Convex Formulation of Compliant Contact between Filaments and Rigid Bodies
Georgia Institute of Technology(佐治亚理工学院)
提出统一离散弹性杆建模、压力场面片接触模型与凸接触公式的计算框架,实现细丝与刚体间摩擦交互的全局最优求解,并在软机器人与可变形物体操作中验证其准确性与适用性。
2025-09-16 cs.RO
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
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
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
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
Integrated Object Deformation and Contact Patch Estimation from Visuo-Tactile Feedback
University of Michigan(密歇根大学)
本文提出 NDCF 表示方法,利用隐式表示从视觉-触觉反馈中联合建模物体变形与接触面,并通过物理先验约束提升预测精度,在模拟和真实场景中均优于点云基线。
2023-05-23 cs.CV 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
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
Few-Shot Neural Differentiable Simulator: Real-to-Sim Rigid-Contact Modeling
National University of Singapore(新加坡国立大学);Prana Lab(Prana实验室)
提出一种结合解析公式物理一致性与图神经网络表示能力的少样本真实到模拟方法,通过少量真实数据校准解析模拟器生成大规模合成数据集,并引入基于网格的图神经网络隐式建模刚体前向动力学及碰撞检测的代理梯度,实现完全可微性,从而提升模拟保真度和策略学习效率。
2026-05-25 cs.RO
Contact-Implicit Modeling and Simulation of a Snake Robot on Compliant and Granular Terrain
Electrical and Computer Engineering(电气与计算机工程)
本研究提出了一种统一的仿真框架,用于分析蛇形机器人在不同地形上的运动,结合接触隐式建模和颗粒物理模拟,以提高在复杂地形中的运动性能。
2025-12-04 cs.RO
Active Tactile Exploration for Rigid Body Pose and Shape Estimation
General Robotics, Automation, Sensing, and Perception (GRASP) Laboratory(通用机器人、自动化、感知与感知实验室)
本研究提出了一种基于触觉数据的主动探索框架,用于高效估计刚体的位姿与形状,通过优化损失函数实现快速学习。
2026-02-24 cs.RO
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
A Realistic Surgical Simulator for Non-Rigid and Contact-Rich Manipulation in Surgeries with the da Vinci Research Kit
University of Alberta(阿尔伯塔大学)
本文提出基于PhysX 5和dVRK的真实感手术模拟器CRESSim,支持组织切割、血液抽吸等接触密集任务,并通过VR遥操作验证其有效性。
2024-08-07 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
Baloo: A Large-Scale Hybrid Soft Robotic Torso for Whole-Arm Manipulation
本文提出 Baloo 混合软体机器人躯干,利用两米长气动臂与刚性躯干实现高负载和被动柔顺,并通过简单策略在六类物体的全身抓取中达到 100% 成功率。
2025-03-13 cs.RO
Design, Contact Modeling, and Collision-inclusive Planning of a Dual-stiffness Aerial RoboT (DART)
School of Manufacturing Systems and Networks, Ira A. Fulton Schools of Engineering, Arizona State University(制造系统与网络学院,伊拉·A·福尔顿工程学院,亚利桑那州立大学)
本文提出双刚度飞行机器人DART,通过锁定机构切换刚性与柔性模式以适应不同环境,并基于线性互补系统理论建立碰撞响应预测模型,推进了空中机器人的包含碰撞轨迹规划。
2025-04-26 cs.RO
Toward Geometry-Scalable Whole-Body Touch for Humanoids: A 3D-Printed Conformal EIT Skin
Czech Technical University in Prague(布拉格捷克技术大学);Eindhoven University of Technology(埃因霍温理工大学)
该研究提出一种3D打印的保形EIT触觉皮肤,通过增材制造工艺实现几何适配,在弯曲原型上18个接触点平均定位误差6mm,可减轻人形机器人触觉覆盖的形态重设计负担。
2026-08-04 cs.RO
On Inverse Inertia Matrix and Contact-Force Model for Robotic Manipulators at Normal Impacts
CNRS(法国国家科学研究中心);University of Montpellier(蒙彼利埃大学);AIST(日本产业技术综合研究所)
针对固定基座高刚度控制机器人操作臂缺乏定制碰撞动力学模型的问题,通过7自由度Panda机器人150次试验,提出采用粘弹性接触力模型与复合刚体逆惯性矩阵计算方法。
2022-02-12 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
Quasi-static Analysis of Planar Sliding Using Friction Patches
University of Siena(锡耶纳大学);Istituto Italiano di Tecnologia (IIT)(意大利理工学院)
对物体的平面滑动进行了建模和分析。该模型可用于对位于表面上的物体进行非线性操作。我们研究可能产生的摩擦接触,如一个柔软的手指和一个平面物体之间产生的运动在桌子上。具体地说,使用准静态分析,我们能够推导出一个混合动力系统来预测对象的运动。该模型可用于找到系统的固定点和对象达到这种配置所采取的路径。获得规划的重要信息,例如物体粘在摩擦片上、枢转或完全滑动的条件。实验结果证实了该模型的有效性,为广泛的应用。
2019-04-14 cs.RO
Learning Excavation of Rigid Objects with Offline Reinforcement Learning
Baidu Research(百度研究院)
自主挖掘是一项具有挑战性的任务。挖掘机铲斗与地面之间的未知接触动力学很容易导致挖掘过程中较大的接触力和堵塞问题。传统的基于模型的方法由于复杂的动态建模而难以处理这些问题。在本文中,我们制定了挖掘技巧与三个新的操作原语。我们建议使用离线强化学习(RL)来学习操作原语,以避免大量的在线机器人交互。所提出的方法可以学习有效的渗透技能,从次最佳的演示,其中包含的子轨迹,可以“缝合”在一起,制定一个最佳的轨迹,而不会造成干扰。我们评估所提出的方法与广泛的实验挖掘各种刚性物体,并证明了学习的政策优于示范。我们还表明,学习的政策可以快速适应看不见的和具有挑战性的碎片岩石与在线微调。
2023-03-29 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
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
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
Smooth-Rigid-Body Contact as a ReLCP: A Recursively Generated Linear Complementarity Problem
Center for Computational Biology, Flatiron Institute(计算生物学中心,Flatiron研究所);Department of Computer Science, Michigan State University(计算机科学系,密歇根州立大学);Department of Mechanical Engineering, Tufts University(机械工程系,塔夫茨大学)
本文将摩擦无滑动接触的互补时间步法重新表述为递归生成的线性互补问题(ReLCP),通过递增维度的LCP序列解决接触问题,避免了代理表面模型的过度采样,提高了几何保真度。
2026-05-11 cond-mat.soft cs.RO physics.comp-ph
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
Learning Force Control for Contact-rich Manipulation Tasks with Rigid Position-controlled Robots
Osaka University(大阪大学);National Institute of Advanced Industrial Science and Technology (AIST)(日本产业技术综合研究所);FUJIFILM Corporation(富士胶片公司);Nara Institute of Science and Technology (NAIST)(奈良先端科学技术大学院大学)
强化学习(RL)方法已被证明在自主解决操作任务方面是成功的。然而,RL仍然没有被广泛采用在真正的机器人系统,因为与真正的硬件工作带来了额外的挑战,特别是当使用刚性位置控制机械手。这些挑战包括需要一个鲁棒的控制器来避免不期望的行为,这可能会损坏机器人及其环境,以及来自人类操作员的持续监督。本论文的主要贡献在于,首先,我们提出了一个结合强化学习技术与传统力控制的基于学习的力控制框架。在所述控制方案中,我们实现了两种不同的常规方法来实现位置控制机器人的力控制;一种是修改的并行位置/力控制,另一种是导纳控制。其次,我们实证研究这两种控制方案时,作为RL代理的动作空间。第三,我们开发了一个故障安全机制,使用一个真正的刚性机器人操作器安全地训练RL代理的操作任务。所提出的方法进行了验证仿真和真实的机器人,UR 3 e系列机械臂。
2020-07-20 cs.LG cs.RO cs.SY
ADD: Analytically Differentiable Dynamics for Multi-Body Systems with Frictional Contact
ETH Zürich(苏黎世联邦理工学院);Université de Montréal(蒙特利尔大学);Disney Research(迪士尼研究院)
我们提出了一个微分动力学求解器,能够在一个统一的框架内处理刚性和可变形物体的摩擦接触。通过对法向和切向接触力的原则性软化,我们的方法避免了摩擦接触的非光滑性质所固有的主要困难。我们结合这个新的接触模型与全隐式时间积分,以获得一个强大的和有效的动力学求解器,是解析可微的。结合伴随灵敏度分析,我们的公式能够实现基于梯度的优化,并在模拟准确性和目标函数景观的平滑度之间进行自适应权衡。我们彻底分析了我们的方法上的一组仿真例子,涉及刚体,粘弹性材料,耦合多体系统。此外,我们展示了我们的微分模拟器的应用程序的参数估计可变形物体,机器人操作的运动规划,轨迹优化符合步行机器人,以及有效的自监督学习的控制策略。
2020-07-02 cs.GR cs.LG cs.RO
RigidFormer: Learning Rigid Dynamics using Transformers
MIT(麻省理工学院);Meta
RigidFormer通过对象中心的变换器模型,高效建模无网格表示的高保真刚体动力学,采用可控积分步长和锚点池化技术,实现对点云等无网格输入的高精度模拟。
2026-11-09 cs.AI cs.CV cs.GR