[论文解读] Contour Moments Based Manipulation of Composite Rigid-Deformable Objects with Finite Time Model Estimation and Shape/Position Control

Jiaming Qi, Guangfu Ma+5 more|arXiv (Cornell University)|Jun 4, 2021

Advanced Vision and Imaging被引用 8

一句话总结

本文提出了一种基于轮廓矩的有限时间滑模控制框架，用于双臂机器人对复合刚性-柔性物体（CRDO）的视觉伺服控制。通过提取紧凑的二维轮廓矩特征向量并采用自适应调节律，该方法确保了形状和模型估计误差的有限时间收敛，实现了在多种机械性能下鲁棒、实时的形状控制，并通过李雅普诺夫理论严格证明了稳定性。

ABSTRACT

The robotic manipulation of composite rigid-deformable objects (i.e. those with mixed non-homogeneous stiffness properties) is a challenging problem with clear practical applications that, despite the recent progress in the field, it has not been sufficiently studied in the literature. To deal with this issue, in this paper we propose a new visual servoing method that has the capability to manipulate this broad class of objects (which varies from soft to rigid) with the same adaptive strategy. To quantify the object's infinite-dimensional configuration, our new approach computes a compact feedback vector of 2D contour moments features. A sliding mode control scheme is then designed to simultaneously ensure the finite-time convergence of both the feedback shape error and the model estimation error. The stability of the proposed framework (including the boundedness of all the signals) is rigorously proved with Lyapunov theory. Detailed simulations and experiments are presented to validate the effectiveness of the proposed approach. To the best of the author's knowledge, this is the first time that contour moments along with finite-time control have been used to solve this difficult manipulation problem.

研究动机与目标

• 为解决混合刚度特性的复合刚性-柔性物体（CRDO）操作中缺乏统一控制策略的问题。
• 为无限维物体构型设计一种低维、高效的形状反馈表示方法。
• 设计一种鲁棒控制方案，确保形状误差与模型估计误差的有限时间收敛。
• 基于李雅普诺夫理论，严格证明闭环系统的稳定性。
• 在具有不同机械性能的一系列物体上，对方法进行实验验证。

提出的方法

• 从二维图像轮廓中计算紧凑的二维轮廓矩特征向量，以表征物体的无限维形状。
• 设计一种有限时间滑模控制（FTSMC）方案，同时最小化形状误差与变形雅可比矩阵（DJM）估计误差。
• 提出一种自适应调节更新律，以提高在线DJM估计的精度。
• 采用基于李雅普诺夫的稳定性分析，严格证明所有信号的有界性及有限时间收敛性。
• 通过硬饱和函数对控制输入进行饱和处理，以限制控制能量。
• 在双臂UR5机器人系统上实现该框架，实现对物体的实时操作。

实验结果

研究问题

• RQ1 轮廓矩能否为复合刚性-柔性物体的形状提供一种有效且低维的表征？
• RQ2 有限时间滑模控制方案能否确保形状误差与变形雅可比矩阵估计误差的同时收敛？
• RQ3 所提出的控制框架在模型不确定性及不同物体机械性能下是否具备鲁棒性与稳定性？
• RQ4 与经典及自适应估计方法（如RLS、LKF、LSMC）相比，所提出的FTSMC方法在收敛速度与精度方面表现如何？
• RQ5 该方法能否在从软到刚性的广泛物体范围内保持一致的性能表现？

主要发现

• 所提出的FTSMC方法在仿真与实验中均验证了形状误差与模型估计误差的有限时间收敛。
• 在形状伺服任务中，FTSMC在所有六个实验对象（Exp1–Exp6）中均比RLS、LKF和LSMC更快速、更有效地减小了形状误差 $ Vert \mathbf{e}_1 \rVert$。
• 性能指标 $T_1$ 与 $\rVert \mathbf{e}_2 \rVert$ 表明，FTSMC在变形雅可比矩阵估计精度方面优于RLS、LKF和LSMC。
• IAE（绝对误差积分）指标表明，FTSMC在确保快速收敛的同时实现了适中的能量消耗。
• 该方法成功操控了包括弹性电缆、海绵、塑料文件夹、非均质梁、可动钱包和刚性盒子在内的多种物体，且性能表现一致。
• 图18的实验结果证实，FTSMC在达到目标构型的时间 ($t_d$) 和收敛至终端吸引子的时间 ($t_s$) 上均最短，优于所有基线方法。