基于外部接触的鲁棒手内操作
Robust In-Hand Manipulation with Extrinsic Contacts
AI总结：
针对手内操作中参数不确定性导致接触模式易失效的问题，提出结合手爪内力学模型与鲁棒运动锥规划的方法，并通过真实实验验证其在运动学误差下保持外部接触模式的有效性。
摘要：
我们提出了手内操作任务，其中机器人在抓握中移动物体，同时保持其与环境的接触模式并调整手内位姿。所提出的操作任务会导致复杂的接触交互，这些交互对运动学和物理参数的不确定性非常敏感。因此，我们提出了一种鲁棒手内操作方法，该方法由两部分组成。首先，一个手爪内力学模型在假设所有参数精确的情况下计算朴素运动锥。然后，一个鲁棒规划方法对运动锥进行细化，以在存在参数误差的情况下维持期望的接触模式。我们进行了真实世界实验，以说明该力学模型的准确性以及鲁棒规划框架在存在运动学参数误差时的有效性。
英文摘要：
We present in-hand manipulation tasks where a robot moves an object in grasp, maintains its external contact mode with the environment, and adjusts its in-hand pose simultaneously. The proposed manipulation task leads to complex contact interactions which can be very susceptible to uncertainties in kinematic and physical parameters. Therefore, we propose a robust in-hand manipulation method, which consists of two parts. First, an in-gripper mechanics model that computes a naïve motion cone assuming all parameters are precise. Then, a robust planning method refines the motion cone to maintain desired contact mode regardless of parametric errors. Real-world experiments were conducted to illustrate the accuracy of the mechanics model and the effectiveness of the robust planning framework in the presence of kinematics parameter errors.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
