[论文解读] A Fast Stochastic Contact Model for Planar Pushing and Grasping: Theory and Experimental Validation

Jiaji Zhou, J. Andrew Bagnell+1 more|arXiv (Cornell University)|May 30, 2017

Robot Manipulation and Learning参考文献 2被引用 9

一句话总结

本文提出了一种基于凸多项式摩擦接触力学表示的快速、随机接触模型，用于平面推压与抓取。通过从概率分布中采样物理上一致的摩擦参数，该模型能高效模拟在不确定性下的准静态物体运动，准确预测抓取结果，并在包含矩形与蝴蝶形物体的大规模机器人实验中得到良好验证。

ABSTRACT

Based on the convex force-motion polynomial model for quasi-static sliding, we derive the kinematic contact model to determine the contact modes and instantaneous object motion on a supporting surface given a position controlled manipulator. The inherently stochastic object-to-surface friction distribution is modelled by sampling physically consistent parameters from appropriate distributions, with only one parameter to control the amount of noise. Thanks to the high fidelity and smoothness of convex polynomial models, the mechanics of patch contact is captured while being computationally efficient without mode selection at support points. The motion equations for both single and multiple frictional contacts are given. Simulation based on the model is validated with robotic pushing and grasping experiments.

研究动机与目标

• 解决由于摩擦可变性与运动不准确性带来的机器人推压与抓取中的不确定性挑战。
• 开发一种计算高效且高保真的平面刚体接触准静态条件下的运动学模型。
• 通过从物理上一致的参数分布中采样，捕捉摩擦接触的固有随机性，且仅需极少调参。
• 实现对单个与多个摩擦接触模式（包括卡滞与抓取结果）的准确模拟。
• 通过大量机器人实验验证该模型，以支持其在开环规划与反馈控制中的应用。

提出的方法

• 将[27]中的凸力-运动多项式模型扩展至直接将位置控制输入映射到物体运动速度（twist），包括卡滞与抓取状态下的无运动状态。
• 使用一组平方和（sos）-凸多项式族来建模单侧摩擦接触，以表示接触力矩的极限曲面。
• 引入单一噪声参数以控制摩擦系数的随机性，实验中从[0.015, 0.02]区间内的均匀分布中采样。
• 推导单点与多点接触的运动方程，通过利用平滑多项式表示避免组合模式选择问题。
• 实施一种采样策略，生成物理上一致的接触参数，同时保持力-运动模型的凸性与光滑性。
• 使用开源仿真工具（GitHub 上可获取）重现不同初始位姿与压力分布下的机器人推压与抓取任务。

实验结果

研究问题

• RQ1 如何构建一个运动学接触模型，以在考虑摩擦不确定性的情况下，预测位置控制下的物体运动？
• RQ2 单参数随机采样摩擦系数在多大程度上能再现实验中的抓取与推压结果？
• RQ3 基于凸多项式的接触模型是否能在保持计算效率的同时，准确捕捉卡滞与稳定抓取等复杂接触行为？
• RQ4 该模型在不同物体几何形状下的表现如何，特别是对具有不稳定平衡点的蝴蝶形物体？
• RQ5 在初始不确定性受控的条件下，模拟的抓取后姿态分布与真实机器人实验相比，其保真度如何？

主要发现

• 该随机接触模型准确预测了矩形物体的抓取后姿态分布，无论在6点压力分布还是边界压力分布下，均与实验数据高度一致。
• 对于矩形物体，模拟与实验的抓取后姿态分布表现出强烈一致性，直方图峰值清晰对应于卡滞与抓取状态。
• 在蝴蝶形物体情况下，模型成功捕捉到不稳定抓取与卡滞平衡点的存在，但因动态效应（如弹性能量释放）违反准静态假设，导致出现偏差。
• 由于储存的弹性能量转化为加速度，模型模拟显示蝴蝶形物体的抓取后姿态在方向上表现出更大的发散性——凸显了该模型在动态条件下的局限性。
• 当动态效应可忽略时（如低力抓取的矩形物体情况），模型预测与实验数据高度吻合，尤其在原点附近的放大区域表现优异。
• 模型成功再现了方向分布（θ）中对应于卡滞与抓取状态的观测尖峰，证实其能够捕捉关键接触模式。