Explicit Contact Optimization in Whole-Body Contact-Rich Manipulation

人类可以利用身体表面的任何接触点来操纵大型和重型物品，通常是无法触及的物体或多个物体。然而，通过使用身体整个表面的接触来进行操纵，对于机器人而言仍然极具挑战性。这可以被称为全身接触丰富操纵（WBCRM）问题。除了接触模式的组合数导致接触丰富操纵问题具有高维度之外，允许在身体表面的任何地方创建接触还增加了复杂性，这阻碍了在合理时间内规划操纵。我们通过将平面WBCRM的接触和运动规划制定为分层连续优化问题来解决这个计算问题。为了实现这个公式，我们提出了一种新颖的机器人表面连续显式表示，我们认为这是未来使用连续优化进行WBCRM研究的基础。我们的结果表明，在不使用易于失败的轨迹细化步骤的情况下，收敛性、规划时间和可行性都有显著改善——平均而言，迭代次数减少了99%，找到解决方案的时间缩短了96%。

论文试图解决机器人全身接触丰富操作问题（WBCRM）的计算问题，即如何通过机器人表面的任何接触点来操作大型和重型物品，这是一个新问题。

论文提出了一种层次连续优化问题的联系和运动规划方法，并提出了机器人表面的新连续显式表示方法，以解决WBCRM计算问题。

实验结果表明，与当前方法相比，该方法具有更高的收敛性、规划时间和可行性，并且不需要轨迹细化步骤。值得关注的是，该方法的连续显式表示方法为未来研究提供了基础，并且该方法还使用了开源数据集。

最近的相关研究包括《Dexterous Manipulation with Reinforcement Learning: Efficient, General, and Low-Cost》和《A Survey on Whole-Body Control》等。