接触力 の 豊富な 操作: なぜ 難しい か,そして どう 対処 できる か

接触 に 富裕 な 任務 を 困難 に させる こと

接触型操作 挿入,螺旋,磨き,ピッグイン・ホール,ケーブルルーティング 機械人と物体間の持続的な力感感接触を伴う.小さな位置誤差により障害物や過度の力が生じる.接触動力は不連続で,正確にシミュレーションすることは困難で,幾何学的な寛容に非常に敏感である.

クラシック対学術のアプローチ

クラシックアプローチでは,螺旋式検索パターンと力しきい値で阻害制御を使用します.既知の幾何学では信頼性が高く動作しますが,各作業ごとに広範な調整が必要です.学習されたアプローチ (行動クローン,力観測によるRL) は,より多くの変動を処理できますが,力トルクセンサーによる高品質の示例データが必要です. 最高の現在の結果は 両方を組み合わせています. 高レベルの戦略のための学習と低レベルの力規制のための古典的な制御です.

連絡先の作業のためのデータ収集

視覚観測とフォース・トークデータ記録は不可欠です. 直感的なフォース伝送のためにリーダー・フォロワー遠隔操作を使用します.操作者が過度の修正力を使用するフィルター示例.RCSVのパキシニ触感センサーのOpenArmは接触豊富なデータ収集に必要なセンサーセットを提供します.

接触 に 富裕 な 任務 を 困難 に させる こと

接触型操作 挿入,螺旋,磨き,ピッグイン・ホール,ケーブルルーティング 機械人と物体間の持続的な力感感接触を伴う.小さな位置誤差により障害物や過度の力が生じる.接触動力は不連続で,正確にシミュレーションすることは困難で,幾何学的な寛容に非常に敏感である.

クラシック対学術のアプローチ

クラシックアプローチでは,螺旋式検索パターンと力しきい値で阻害制御を使用します.既知の幾何学では信頼性が高く動作しますが,各作業ごとに広範な調整が必要です.学習されたアプローチ (行動クローン,力観測によるRL) は,より多くの変動を処理できますが,力トルクセンサーによる高品質の示例データが必要です. 最高の現在の結果は 両方を組み合わせています. 高レベルの戦略のための学習と低レベルの力規制のための古典的な制御です.

連絡先の作業のためのデータ収集

視覚観測とフォース・トークデータ記録は不可欠です. 直感的なフォース伝送のためにリーダー・フォロワー遠隔操作を使用します.操作者が過度の修正力を使用するフィルター示例.RCSVのパキシニ触感センサーのOpenArmは接触豊富なデータ収集に必要なセンサーセットを提供します.