Accurate post-impact velocity predictions are essential in developing impact-aware manipulation strategies for robots, where contacts are intentionally established at non-zero speed mimicking human manipulation abilities in dynamic grasping and pushing of objects. Starting from the recorded dynamic response of a 7DOF torque-controlled robot that intentionally impacts a rigid surface, we investigate the possibility and accuracy of predicting the post-impact robot velocity from the pre-impact velocity and impact configuration. The velocity prediction is obtained by means of an impact map, derived using the framework of nonsmooth mechanics, that makes use of the known rigid-body robot model and the assumption of a frictionless inelastic impact.The main contribution is proposing a methodology that allows for a meaningful quantitative comparison between the recorded post-impact data, that exhibits a damped oscillatory response after the impact, and the post-impact velocity prediction derived via the readily available rigid-body robot model, that presents no oscillations and that is the one typically obtained via mainstream robot simulator software. The results of this new approach are promising in terms of prediction accuracy and thus relevant for the growing field of impact-aware robot control. The recorded impact data (18 experiments) is made publicly available, together with the numerical routines employed to generate the quantitative comparison, to further stimulate interest/research in this field.


翻译:精确的撞击后速度预测对于制定机器人的撞击感应操纵战略至关重要,因为机器人的接触是故意以非零速度模拟人类在动态捕捉和推动物体方面的操纵能力。从7DOF托克控制的机器人有记录的动态反应开始,它故意撞击僵硬表面,我们调查从撞击前速度和撞击配置中预测撞击后机器人速度的可能性和准确性。速度预测是通过撞击图获得的,该图使用非摩擦机框架,利用已知的僵硬机器人模型和假设的无摩擦性无弹性影响。主要贡献是提出一种方法,以便能够对所记录的撞击后数据进行有意义的数量比较,在撞击后显示阻断的血管反应,以及从现成的僵硬体机器人机器人模型和撞击配置中得出的影响后速度预测,不产生振动效果,这种预测通常通过主流机器人模拟软件获得。这一新方法的结果在预测和无摩擦的无摩性影响影响影响影响影响后,在常规实验中很有前途,因此,对不断增长的实地进行定量实验。

0
下载
关闭预览

相关内容

机器人(英语:Robot)包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗,机器猫等)。狭义上对机器人的定义还有很多分类法及争议,有些电脑程序甚至也被称为机器人。在当代工业中,机器人指能自动运行任务的人造机器设备,用以取代或协助人类工作,一般会是机电设备,由计算机程序或是电子电路控制。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
48+阅读 · 2021年4月24日
专知会员服务
60+阅读 · 2020年3月19日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10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
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
机器人开发库软件大列表
专知
10+阅读 · 2018年3月18日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
Arxiv
3+阅读 · 2015年5月16日
VIP会员
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
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
机器人开发库软件大列表
专知
10+阅读 · 2018年3月18日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
Top
微信扫码咨询专知VIP会员