<mark id="oztn4"></mark>
0
| 本文作者： 隔壁王大喵 | 編輯：郭奕欣 | 2017-05-28 17:30 | 專題：ICRA 國際機器人與自動化會議 |
雷鋒網AI科技評論按：ICRA全稱為“IEEE International Conference on Robotics and Automation”（機器人與自動化會議），是機器人技術領域最有影響力的國際學術會議之一。ICRA 2017于5月29日至6月4日舉行，雷鋒網AI科技評論將從新加坡帶來一線報道。該會議舉辦期間，雷鋒網將圍繞會議議程及獲獎論文展開系列專題報道，敬請期待。
論文作者：Sakashita, Ryohei; Higashimori, Mitsuru
論文鏈接：http://www-hh.mech.eng.osaka-u.ac.jp/robotics/1A3De.html
論文摘要：
據雷鋒網了解本文提出了一種使用平板振動（Vibration of a plate）的不可抓取操縱方案（Nonprehensile manipulation scheme），其中使用了單個致動器來控制部件的3-DoF（degree of freedom, 自由度）運動。在該論文的構想架構中，首先是引入了一個機械手，然后機械手末端的執行器是一個平板。機械手采用扭軸布局（Twisted axis layout）的混合接頭機制。
該機械的特點在于，能夠基于向致動器輸入的正弦位移從而在三個維度上改變平板軌跡的形狀。然后本文進一步分析了平板上多個質點的行為，以了解零件的3-DoF運動估計。
模擬的結果表明，可以對有助于零部件旋轉和平移運動的軌跡圖的旋渦狀特征進行控制。根據這一特點，本文定義了五個用于操作零件的圖元，并且展示了它們對3-DoF零件進給任務的安排。最后，本文再通過實驗證明了所提出方法的正確性。
論文作者：Furrer, Fadri; Wermelinger, Martin; Yoshida, Hironori et al.
論文鏈接：http://e-collection.library.ethz.ch/view/eth:50701
論文摘要：
機器建設（Robotic construction）主要被應用于在結構化的室內環境中進行預制房屋配件，并且這些配件的材料得是標準的建筑材料。據雷鋒網了解，該團隊的工作側重于利用現場發現的不規則材料，比如瓦礫和巖石，進行自主建設（Automous construction）。研究員們提出一種管道方法，用于檢測場景中隨機擺放的物體對象，而該場景將被下一個最佳疊加姿勢搜索方法所使用。所用的搜索方法利用物理引擎進行計算，采用隨機的方式初始化搜索方向。該方法的有效性在實驗中得到了驗證。
在實驗中，機械手臂在沒有灰漿和粘合劑的情況下，成功將不規則的巖石平衡且垂直地堆疊了起來。研究員們公開了連續11次實驗，在這個實驗中機器人要任意使用擺放在自己面前的四個巖石，自主地將其堆疊成一個塔。
論文作者：Kim, Hyoin; Lee, Hyeonbeom; Choi, Seungwon et al.
論文摘要：
本文介紹了使用航空機器人進行協作運輸的運動規劃方法。據雷鋒網了解，研究員在文中描述了一種基于參數動態運動原語（Parametric Dynamic Movement Primitives, PDMPs）的框架，用于在具有障礙物的環境中快速協調多個空中機器人及其控制器。為了模擬最優運動，本文結合PDMP和快速探索隨機樹星（Rapidly Exploring Randomized Trees star, RRT*）算法，將RRT*的結果作為PDMP的示范。然后為了有效地描述與環境相對應的運動，研究員們還使用了高斯過程回歸（Gaussian Process Regression, GPR）來獲取環境參數和決定運動的PDMPs風格參數的顯式關系。文中附帶的仿真與實驗結果證明了這一框架的有效性。
論文作者：Parigi-Polverini, Matteo; Formentin, Simone; Dao, Le Anh; Rocco, Paolo
論文摘要：
機器人隱式力控制（Robot implicit force control）的標準控制設計，是基于模型的調節器合成（Model-based regulator synthesis）的一種典型示例。據雷鋒網了解，本文提出了一種基于閉環模型匹配（Closed-loop model matching），從預期和實現閉環行為之間，提高基于標準模型控制器的機器人隱式力控制的閉環性能（Closed-loop performance）的方法。為此，本文研究員介紹了一種基于虛擬參考反饋調優（Virtual Reference Feedback Tuning, VRFT）的數據驅動控制器設計方法（Data-driven controller design method）。然后，本文還討論和論證了該方法在關于未知環境剛性（Unknown environments stiffness）的魯棒性（Robustness）方面的優勢。最后，本文所提控制策略的有效性，在配備有力量傳感器的工業機器人上得以驗證。
論文作者：Sheckells, Matthew; Garimella, Gowtham; Kobilarov, Marin
論文鏈接：https://asco.lcsr.jhu.edu/publications/
論文摘要：
據雷鋒網了解，這項工作研究了在不確定性環境下運行的機器人系統的可靠性控制規律（Reliable control laws）的設計方法。研究員們基于控制策略預期性能的概率近似正確（Probably approximately correct, PAC）邊界，引入了一種隨機策略優化（Stochastic policy optimization）的新方法。本文構建了一種算法，該算法直接對軌跡預期成本的上限置信度邊界進行最小化，而不是采用最小化預期成本本身的標準方法。因此，該算法對不確定性具有內在的魯棒性，因為上限置信度邊界可以被當做是確保未來性能的憑證。
該方法被應用在兩個極具挑戰性的機器人控制場景中進行評估：控制側滑汽車躲避障礙物和控制四軸無人機躲避障礙物，并且它們均是在仿真的模擬環境中進行實驗。在論文中，研究員們展示了，通過邊界準確地預測了未來的表現，并且通過較低的平均成本和較低的碰撞概率來測量出改進的魯棒性。另外，論文中還經驗性地研究了該技術的性能，并將其和其它幾種策略搜索算法進行了比較。
Via ICRA 2017
專題
