[论文解读] Describing Physics For Physical Reasoning: Force-based Sequential Manipulation Planning

Marc Toussaint, Jung-Su Ha+1 more|arXiv (Cornell University)|Feb 28, 2020

Robotic Path Planning Algorithms被引用 5

一句话总结

本文提出了一种用于机器人操作中物理推理的多物理场路径优化框架，采用撞击点参数化方法来建模物体之间的力-力矩交换，并实现运动、接触模式与时间的联合优化。该方法通过在一个统一的优化框架内整合动力学、准静态和稳定接触模型，成功规划了复杂的基于力的和序列化操作任务（如推动、提升和抓取），在5.4至40秒内完成，具体取决于任务复杂度。

ABSTRACT

Physical reasoning is a core aspect of intelligence in animals and humans. A central question is what model should be used as a basis for reasoning. Existing work considered models ranging from intuitive physics and physical simulators to contact dynamics models used in robotic manipulation and locomotion. In this work we propose descriptions of physics which directly allow us to leverage optimization methods for physical reasoning and sequential manipulation planning. The proposed multi-physics formulation enables the solver to mix various levels of abstraction and simplifications for different objects and phases of the solution. As an essential ingredient, we propose a specific parameterization of wrench exchange between object surfaces in a path optimization framework, introducing the point-of-attack as decision variable. We demonstrate the approach on various robot manipulation planning problems, such as grasping a stick in order to push or lift another object to a target, shifting and grasping a book from a shelve, and throwing an object to bounce towards a target.

研究动机与目标

• 开发一个统一的机器人物理推理框架，支持在单一优化过程中集成多种物理抽象层次（例如动力学、准静态、稳定抓取）。
• 解决涉及力相互作用、接触转换和时间约束的复杂序列化操作任务的规划挑战。
• 通过将物理规律表述为路径约束而非前向动力学，实现基于优化的物理推理，避免双层优化的困难。
• 引入撞击点作为力-力矩交换的决策变量，实现在不同几何形状和接触模式下的一致性接触建模。
• 通过引入时间缩放变量，扩展逻辑-几何规划（Logic-Geometric Programming），实现构型路径及其时间演进的联合优化。

提出的方法

• 本文提出一种路径优化框架，通过轨迹上的等式约束来表述物理规律，以约束优化替代前向仿真。
• 提出一种新颖的力-力矩交换参数化方法，以撞击点（POA）作为决策变量，实现点-面、线-线和点-点接触的一致建模。
• 该框架将动力学、准静态和稳定抓取等多种物理模型整合到单一优化问题中，支持分阶段的简化处理。
• 引入时间缩放变量，联合优化构型序列及其时间演进，确保物理约束在时间维度上均被满足。
• 通过引入连续决策变量以处理时间与接触模式的转换，扩展了逻辑-几何规划（LGP）方法。
• 求解器采用序列凸规划方法，在混合物理模型与接触约束下寻找可行且最优的路径。

实验结果

研究问题

• RQ1 如何通过统一的优化框架在单次规划过程中支持多种物理抽象层次（如动力学与准静态）？
• RQ2 基于撞击点的力-力矩交换参数化是否能够实现对多样化接触几何形状的一致且可微分的建模？
• RQ3 如何联合优化时间与构型，以在序列化操作任务中满足物理约束？
• RQ4 在基于优化的物理推理中，隐式偏差或子目标在避免局部最优解方面起到何种作用？
• RQ5 基于优化的规划能否在不依赖前向仿真或双层求解器的情况下处理复杂的基于力的操纵序列？

主要发现

• 该框架在5.4秒内成功规划了一个基于力的“棍子提升”任务，有效处理了动态接触与力-力矩约束。
• 当在骨架中预先指定子目标位姿时，一个需要“先推后抓”的序列化书籍-书架操作任务在16.4秒内被求解成功。
• 若不使用子目标偏差，求解器无法找到可行解，反而因对称性引起的局部最优而收敛至穿透式抓取的不可行解。
• 采用稳定抓取模式后，求解时间从5.4秒缩短至0.24秒，表明更简单的物理模型可实现更快收敛。
• 该方法成功实现了涉及动态运输、接触转换和基于力的相互作用的复杂任务的可行解，尽管计算时间在5.4秒至40秒之间不等。
• 结果表明，基于优化的推理对问题结构和对称性高度敏感，通常需要子目标或偏差来逃离局部最优。