Robots are widely deployed in space environments because of their versatility and robustness. However, adverse gravity conditions and challenging terrain geometry expose the limitations of traditional robot designs, which are often forced to sacrifice one of mobility or manipulation capabilities to attain the other. Prospective climbing operations in these environments reveals a need for small, compact robots capable of versatile mobility and manipulation. We propose a novel robotic concept called ReachBot that fills this need by combining two existing technologies: extendable booms and mobile manipulation. ReachBot leverages the reach and tensile strength of extendable booms to achieve an outsized reachable workspace and wrench capability. Through their lightweight, compactable structure, these booms also reduce mass and complexity compared to traditional rigid-link articulated-arm designs. Using these advantages, ReachBot excels in mobile manipulation missions in low gravity or that require climbing, particularly when anchor points are sparse. After introducing the ReachBot concept, we discuss modeling approaches and strategies for increasing stability and robustness. We then develop a 2D analytical model for ReachBot's dynamics inspired by grasp models for dexterous manipulators. Next, we introduce a waypoint-tracking controller for a planar ReachBot in microgravity. Our simulation results demonstrate the controller's robustness to disturbances and modeling error. Finally, we briefly discuss next steps that build on these initially promising results to realize the full potential of ReachBot.


翻译:然而,不利的重力条件和具有挑战性的地形几何方法暴露了传统机器人设计的局限性,而传统机器人的设计往往被迫牺牲流动性或操纵能力,以达到另一种能力。在这些环境中,潜在的攀爬行动表明需要小型、小型、紧凑的机器人,能够灵活机动和操纵。我们提出了一个叫“雷普特”的新颖的机器人概念,它通过将两种现有技术结合起来来满足这一需要:扩展式繁荣和移动操纵。“达博”利用可扩展式繁荣的覆盖范围和弹性强力来实现超大型可达工作空间和扳手能力。通过它们的轻巧、紧凑的结构,这些繁荣也减少了质量和复杂性,而传统硬链接式的显式武器设计则与之相比。利用这些优势,“雷布特”在低重或需要攀升的移动操作任务中优异。我们在引入了“雷普博特”概念后,我们讨论了增强稳定性和稳定性和稳定性的示范式战略。我们随后开发了2D分析模型所激发的“雷普博特”动态动态模型模型模型模型模型,我们引入了“稳定度”的模型,最后在“我们定位”的模型上展示了“升级”的路径,在“我们“我们”的模型上展示了“我们“我们”的“我们”的“最后”的定位”的模型”的模型,在“我们为“最后”的“我们为”的“升级的“我们为”的“实现的“我们“我们”的“我们”的“我们”的“实现的“我们”的“我们”的“我们”的“我们”的“我们”的“的“我们”的“我们”的“的“的“的”的“的“的“的”的”的“的”的“我们”的“我们”的“的“的“的“的”的”的”的”的”的”的“的“的”的“的”的“的”的”的”的”的”的“的”的”的“实现的”的”的“我们为”的”的“的“的“的“的“的“的“的“的“的”的”的”的”的”的”的“我们的”的“的”的“我们的“我们的”的“我们的“我们的“我们的”的”的

0
下载
关闭预览

相关内容

专知会员服务
115+阅读 · 2019年12月24日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
视觉机械臂 visual-pushing-grasping
CreateAMind
3+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器人开发库软件大列表
专知
10+阅读 · 2018年3月18日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
6+阅读 · 2020年10月8日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
VIP会员
相关VIP内容
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
视觉机械臂 visual-pushing-grasping
CreateAMind
3+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器人开发库软件大列表
专知
10+阅读 · 2018年3月18日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员