读论文|基于大平面物体垂直姿态的双向人机双手交接

简介

翻译标题：基于大平面物体垂直姿态的双向人机双手交接

翻译摘要： Abstract—Object handover is one of the basic abilities for the robot to interact with the human. Most of the previous works only focus on the limited handover scenarios where the robot uses one hand to give small objects to the human. In this article, we design a bidirectional bimanual handover system that enables the robot to both give and receive the big planar object with vertical grasp posture. In addition to the basic object handover function, the designed handover system also integrates a position adjustment mechanism to improve the human experience. According to different task states, the system is divided into four modes. In each mode, the robot performs a subtask and switches to the next mode at an appropriate time. We propose a two-finger grip force controller and a dual-arm admittance NN controller to control the robot to generate actual motions. By applying specific locating, trajectory planning, and signal identifying methods, we implement the designed handover system on a Baxter robot. The system is tested on two wooden plates with different widths, thicknesses, and weights. The results show that the robot can perform the handover task safely and effectively with the designed handover system.

物体交接是机器人与人类交互的基本能力之一。之前的大部分工作只关注有限的交接场景，即机器人用一只手将小物体交给人类。在本文中，我们设计了一个双向双手交接系统，使机器人能够以垂直抓取姿势给予和接收大型平面物体。所设计的交接系统除了具备 基本的物体交接功能外，还集成了位置调整机制，提升了人性化体验。根据不同的任务状态，系统分为四种模式。在每种模式下，机器人都会执行一个子任务，并在适当的时候切换到下一个模式。我们提出了一个两指抓地力控制器和一个双臂导纳神经网络控制器来控制机器人产生实际运动。通过应用特定的定位、轨迹规划和信号识别方法，我们在 Baxter 机器人上实现了设计的交接系统。该系统在两个不同宽度、厚度和重量的木板上进行了测试。结果表明，机器人能够通过设计的交接系统安全有效地执行交接任务。

论文解决了什么问题

区别于以往的单手交接小物体，该方法设计了双手双向交接系统，以垂直抓取姿势接收大型平面物体。
主要贡献：

• 设计了双向（Robotics->human和human->Robotics）双手交接系统，可以用于大型平面物体
• 设计一种姿态调整的机制，可以让人类在交接过程中更舒适
• 提出了一种双指握力控制器、双臂导纳神经网络控制器以及相关的轨迹规划和信号识别方法
  • 导纳：导电性的一种度量，在数值上等于阻抗的倒数。

相关领域的知识

• 人机交接系统要解决的两个主要问题： how to transfer the load of the object and when to start the transfer.
  • 如何交接：（抓力控制，姿态调整）
  • 什么时候交接：（信号识别(视觉识别或力传导识别)
• 人机交接系统的研究现状：
  • 研究方向
    • the grip force [1], 抓地力
    • the grasp planning [2], 抓取策略
    • the reaching trajectory [3], [4], 到达轨迹
    • the human– robot communication人机通信
  • 缺点：仅仅关注于小型物体且是单手交接任务
• 相关研究
  • robot-human的物体交接
    • 基于从 [1] 推导出的抓地力和负载力之间的力变化关系，Chan 等人。 [28] 设计了一种受人启发的交接系统，其中机器人根据测得的负载力调整抓地力。 为了抓取物体的安全，机器人在可能因碰撞而产生的高加速度下不会释放物体。
    • 帕拉斯特加里等人。 [29]设计了一个故障恢复切换系统，其中机器人根据测得的负载力和物体滑动加速度来调整抓地力。 如果在释放过程中滑动加速度过大，物体可能会掉落。 因此，夹持器将增加夹持力以重新抓取物体。
  • 交接时机判断
    • 最简单的: 设定预设时间
    • 根据交互的力（拉力会变大）来判断。但是可能会因为碰撞或者其他误操作而判断错误时机
    • 利用机器人的柔顺性，拉物体时，机器人的关节角度变化
  • 交接的适用性和交互性
    • 对于机器人到达轨迹规划，Sisbot 等人。 [33] 提出了一种规划器，可以生成安全且清晰的路径，允许机器人在复杂环境中到达人类进行交接。
    • Mainprice 等。 [34]将人体运动作为路径规划问题的一部分，使机器人能够适应人体位置的变化。
    • 为了更好的人机交流，Admoni 等人。 [35] 让机器人执行故意延迟，以便人类操作员可以将注意力从机器人的手转移回头部。
    • Moon等人。 [36]利用机器人凝视引导人类操作员更早地到达交接位置。
    • 为了使机器人更智能，Kupcsik 等人。 [37]将机器人交接任务制定为上下文策略搜索问题，以便机器人可以通过实验学习如何完成交接。
  • 握力控制器
    • 在[38]中，控制器可以从指尖上的压力传感阵列中获取类人的触觉信息，从而控制抓手轻轻抓取不同的物体。
    • 在[39]中，利用光学滑动检测使抓握力控制器适应物体重量，以达到所需的最小抓握力。 这些方法也可用于在交接中的物体转移阶段控制机器人抓力。
  • 自适应神经网络控制器（处理机器人动力学的不确定性）
    • 适用场景：
      • 它被广泛应用于不同的机器人控制场景，例如具有柔性关节的机器人机械手的轨迹跟踪控制 [40]、输出约束 [41]、捕获的参考运动 [42]、识别的动力学模型 [43] 和 执行器故障 [44]，以及不同类型机器人的运动控制，如高超音速飞行器 [45]、柔性机器人操纵器 [46] 和空间柔性航天器 [47]。
      • 物体交接任务中的机器人运动控制以适应物体重量。
    • 阻抗控制(impendence control)是许多物理人机交互场景中广泛使用的控制策略
      • 阻抗定义：电路或元件对交流电的有效电阻，由欧姆电阻和电抗的综合影响产生。
      • 适用于：协作搬运 [48]、协作锯切 [49]、人类教学 [50]、[51] 和外骨骼机器人 [52]-[54]。
      • 根据控制器的因果关系，有两种实现阻抗行为的方法，通常称为阻抗控制和导纳控制 [55]。 综合使用这些控制方法可以进一步提高人机对象切换系统的适应性和交互性。

用了什么方法

• slip detection 打滑检测（采用现有策略）
  • optical sensing 光学传感 [7]、
  • normal force sensing 法向压力传感 [8][9]、
  • tangential force sensing 切向力传感 [10]
• grip force controllers 握力控制器（基于不同的打滑检测结果）
  • （本文研究）双向的 human-robot、robot-human

本文框架

一、决策模块：

1. 人-机器人交接阶段
   • 初步抓取：机器人首先定位物体，将机械手变换到抓取姿势，然后将抓手靠近以实现初步抓取，其中抓手的两个手指接触物体。
   • 有效抓取：操作人员释放物体后，机器人根据物体滑动检测调整抓握力，实现有效抓握。
2. 机器人-人交接阶段
   • 调整和检测模式：
     • 人类操作员可以拉或者推平面物体，以告诉机器人调整抓取姿势
     • 由于拉力和推力的传导已经被用来告诉机器人调整抓取姿势，我们采用三次敲击法来给机器人传导松开信号
     • 在此模式下，打滑检测模块会一直工作，以防发生非预期的松开
   • 松开模式：
     • 平滑、线性地松开：抓力随着摩擦力线性减小，当机械臂的抓力减小到一定值（也就是人类操作员的抓力增大到一定值），完成了松开模式
     • 松开的时间根据抓力的大小而变化，抓力越大，松开时间越长。

二、控制器模块：

1. 双指抓力控制
2. 双臂导纳神经网络控制
   • 运动学角度
   • 导纳控制
   • 动力学角度

实现细节

1. Summary
   • 在百特（Baxter）机器人上开发
   • kinect v2 摄像头：检测物体
   • An ATI Nano17 force/torque sensor 扭矩传感器挂接在抓手上：测量抓力和摩擦力和三次敲击动作
   • An ADNS-9800 laser slip sensor 激光滑移传感器挂接在抓手上：带有 Anker CG100 8200 DPI 高精度可编程激光鼠标设置的 ADNS-9800 激光滑移传感器
   • 卡尔曼滤波用来预处理所有除了视觉信号以外的传感器信号
   • 实验对象：两块不同参数的木板
2. 人-机器人交接过程
   • 目标检测：使用QR code检测（利用ROS库ar_track_alvar ）
     • 木板上贴两个二维码，Boxter机器人可以根据二维码检测出物体的姿态，并根据姿态计算抓取姿势
     • 只有当抓握姿势在其工作空间内时，Baxter 才开始移动
   • 到达轨迹生成：
     • 由于两指夹爪的限制，在到达运动的最后部分，板应位于夹爪的两指之间。 因此，机器人首先应将夹持器移动到两个夹持器与板对齐并面对面的状态，并且两个夹持器之间的距离大于板的宽度 .
     • 然后两个夹爪线性移动直到达成抓握姿势
     • 技术细节：
       • 任务空间(task space)
         • 移动轨迹(分为两部分)：a、second-order Bezier curve(二阶贝塞尔曲线) + b、 a straight line 直线
         • 姿态轨迹通过四元数球面线性插值生成，在第一部分位置轨迹的末端到达目标姿态。
           • 球面线性插值，是四元数的一种线性插值运算，主要用于在两个表示旋转的四元数之间平滑差值
       • 关节空间(joint space)
         • Moveit：https://moveit.ros.org/
         • 三次样条插值( cubic spline interpolation)用于为手臂运动控制器生成参考轨迹
           • a continuous curve constructed so as to pass through a given set of points and have a certain number of continuous derivatives.为通过给定的一组点并具有一定数量的连续导数而构造的连续曲线。

结果怎么样：