[论文解读] A Robot Teleoperation Framework for Human Motion Transfer.

Miguel Arduengo, Ana Arduengo+3 more|arXiv (Cornell University)|Sep 13, 2019

Robot Manipulation and Learning参考文献 23被引用 5

一句话总结

本文提出了一种全身遥操作框架，通过姿态对应映射和差速驱动控制实现对移动操作机器人在实时状态下的动作映射，同时利用可变阻抗控制器在刚性与柔性行为之间切换，确保安全性。在TIAGo机器人上的实验表明，该方法能有效实现实时动作模仿与动态适应，使非专家用户能够教授基础操作技能。

ABSTRACT

Transferring human motion to a mobile robotic manipulator and ensuring safe physical human-robot interaction are crucial steps towards automating complex manipulation tasks in human-shared environments. In this work we present a robot whole-body teleoperation framework for human motion transfer. We propose a general solution to the correspondence problem: a mapping that defines an equivalence between the robot and observed human posture. For achieving real-time teleoperation and effective redundancy resolution, we make use of the whole-body paradigm with an adequate task hierarchy, and present a differential drive control algorithm to the wheeled robot base. To ensure safe physical human-robot interaction, we propose a variable admittance controller that stably adapts the dynamics of the end-effector to switch between stiff and compliant behaviors. We validate our approach through several experiments using the TIAGo robot. Results show effective real-time imitation and dynamic behavior adaptation. This could be an easy way for a non-expert to teach a rough manipulation skill to an assistive robot.

研究动机与目标

• 实现实时将人类全身动作传输至共享人类环境中的移动机器人操作器。
• 通过建立人类与机器人姿态之间的稳健映射，解决对应性问题。
• 通过可变阻抗控制器动态调节末端执行器的柔顺性，实现安全的物理交互。
• 利用具有任务层次结构的全身控制范式，实现有效的冗余度解析与实时控制。
• 为非专家用户提供直观的解决方案，以教授辅助机器人基础操作技能。

提出的方法

• 提出一种通用的姿态对应映射，用于定义人类与机器人构型之间的等价性。
• 实现一种具有分层任务结构的全身控制框架，以管理多重控制目标。
• 采用差速驱动控制算法控制轮式机器人底座，确保稳定且响应迅速的运动跟踪。
• 设计一种可变阻抗控制器，根据交互情境动态调整末端执行器的刚度与柔顺性。
• 将阻抗控制器集成至全身控制流程中，实现安全、自适应的物理交互。
• 通过人类示范者的实时遥操作实验，在TIAGo机器人上验证该框架的有效性。

实验结果

研究问题

• RQ1 如何在全身动作传输中，为人类与机器人姿态之间建立一致且通用的对应映射？
• RQ2 如何在移动操作器中有效解析运动学冗余度的同时实现实时遥操作？
• RQ3 何种控制策略可实现在遥操作过程中人类与机器人之间安全且稳定的物理交互？
• RQ4 机器人如何动态切换刚性与柔性行为，以适应不同的交互条件？
• RQ5 非专家用户在多大程度上能通过该遥操作框架有效教授操作技能？

主要发现

• 所提出的姿态对应映射成功实现了机器人对人类全身动作的精确实时模仿。
• 差速驱动控制算法在遥操作过程中确保了底座运动的稳定与响应迅速，支持动态导航。
• 可变阻抗控制器实现了刚性与柔性行为之间的稳定切换，增强了物理交互过程中的安全性。
• 具有任务层次结构的全身控制框架在保持任务优先级的同时，有效解决了冗余度问题。
• TIAGo机器人的实验表明，该框架在共享人类环境中实现了有效的实时动作传输与动态行为适应。
• 该框架使非专家用户能够通过直观的遥操作有效教授基础操作技能，表明其在辅助机器人应用中的可用性。