arXiv Robotics· Nikola Raicevic, Hyomuk Kim, Shahid Mulla, Hyungjun Doh, Bharath Raam Radhakrishnan, Chenbin Yu, Ki Myung Brian Lee, Nikolay Atanasov·· 13 小时前AI 评分29
闭环物体感知控制 CLOI 提升非抓取机器人操作成功率
Closed-Loop Object-Informed Control for Non-Prehensile Robot Manipulation
AI 导读
研究提出闭环物体感知（CLOI）方法，将非抓取操作拆分为物体级长程位姿规划与机器人级动作规划，并用 MPPI 求解子问题、通过 ADMM 在物体位姿上达成共识耦合两者。在 xArm6 机械臂的带障碍平面推动任务中，相同计算预算下 CLOI 相比标准 MPPI 将仿真成功率提升 35%、硬件实验提升 43%。
推荐理由模型分析
该工作把非抓取式长程操作拆成物体级与机器人级两个规划子问题，用ADMM通过物体位姿共识耦合，并以MPPI求解，针对的是采样MPC在长程接触任务中难以找到可行轨迹的瓶颈。在xArm6平面推物避障任务中，相同计算预算下仿真成功率提升35%、硬件提升43%，为机器人操作研究者提供了可比较的基线与部署条件参考；但结论限于平面推动场景，尚未验证三维操作或更复杂接触。
来源：arXiv Robotics · arxiv.org