Simultaneous Trajectory Optimization and Contact Selection for Contact-rich Manipulation with High-Fidelity Geometry

“接触隐式轨迹优化”（CITO）是一种有效的方法，可用于规划各种接触丰富的系统的复杂轨迹，包括操作和运动。CITO通过互补约束的数学程序（MPCC）来实现，强制要求当点不接触时，接触力必须为零。然而，随着允许接触点数量的增加，MPCC求解时间急剧增加，这限制了CITO在只允许少数简单几何形状接触的问题上的适用性。本文介绍了“同时轨迹优化和接触选择”（STOCS），作为CITO的扩展，克服了这个限制。STOCS的创新在于在迭代轨迹优化过程中识别显著的接触点和时间。这有效地减少了每个MPCC调用中的变量和约束数量。使用关键接触点识别子例程实例化的STOCS框架使得即使对于由数万个顶点组成的高保真度几何形状，操作轨迹的优化也是计算上可行的。

论文旨在解决使用接触点规划复杂轨迹时，由于可允许接触点数量增加，导致求解时间急剧增加的问题。

论文提出了一种名为STOCS的方法，通过在迭代轨迹优化过程中识别关键接触点和时间，减少每次MPCC调用中的变量和约束数量，从而解决了CITO方法的局限性。

论文使用实验验证了STOCS方法的有效性，可以在高保真度几何体中计算轨迹。此外，论文还提供了关键接触点识别子程序的实现，以及使用的数据集和代码。

在这个领域中，最近的相关研究包括“Contact-Aware Trajectory Optimization for Full-Body Movements”和“Efficient Contact Planning for Nonprehensile Manipulation via Model Predictive Control”。