Tactile-Driven Non-Prehensile Object Manipulation via Extrinsic Contact Mode Control

本文考虑使用握住的物体进行非抓取式操作的问题。这个问题是许多常见操作技能的超集，包括工具使用的实例（例如，握住的铲子翻转汉堡）和组装（例如，螺丝刀拧紧螺丝）。在这里，我们提出了一种算法方法，利用具有高度柔顺和高分辨率触觉传感器的夹爪进行非抓取式操作。我们的方法解决了机器人动作问题，使物体姿态和力达到所需值，同时遵守传感器引起的复杂动力学以及静态平衡、物体运动学和摩擦接触所施加的约束。我们的方法能够产生各种操作技能，并且通过利用接触模式内的可微性（例如，粘滞或滑动接触的规格）进行基于梯度的优化。我们评估了4种控制器的变体，试图实现这些计划，并展示了许多复杂的技能，包括在各种物体几何形状上进行非抓取式平面滑动和旋转。驱动这些技能的感知和控制能力是实现在非结构化环境中灵巧和反应自主性的基本构建块。

解决问题：论文探讨使用握住的物体进行非抓取式操作的问题，包括工具使用和装配等多种操作技能。

关键思路：利用具有高度柔性和高分辨率触觉传感器的夹持器进行非抓取式操作，通过考虑传感器引起的复杂动力学和静态平衡、物体运动学和摩擦力等约束条件，解决机器人动作的问题。

亮点：论文提出的方法可以生成多种操作技能，包括平面滑动和旋转等，实验中使用了四种控制器，证明了该方法的有效性。该方法具有可微性，可以进行梯度优化。此外，该论文提出的感知和控制能力为在非结构化环境中实现灵巧和反应性自主提供了基础。

相关研究：最近的相关研究包括《A Survey of Non-Prehensile Grasping and Manipulation》、《Learning to Poke by Poking: Experiential Learning of Intuitive Physics》等。