[论文解读] Folding Deformable Objects using Predictive Simulation and Trajectory Optimization

Yinxiao Li, Yonghao Yue+3 more|arXiv (Cornell University)|Dec 22, 2015

Human Motion and Animation参考文献 4被引用 9

一句话总结

本文提出了一种轨迹优化框架，利用预测性薄壳模拟生成可变形物体（如衣物）的最优机器人折叠运动。通过最小化衡量模拟折叠状态与期望折叠状态之间形状差异的二次目标函数，该方法生成了鲁棒且可扩展的轨迹，使Baxter机器人能够以高成功率和平均折叠时间低于2分钟完成多种衣物的折叠。

ABSTRACT

Robotic manipulation of deformable objects remains a challenging task. One such task is folding a garment autonomously. Given start and end folding positions, what is an optimal trajectory to move the robotic arm to fold a garment? Certain trajectories will cause the garment to move, creating wrinkles, and gaps, other trajectories will fail altogether. We present a novel solution to find an optimal trajectory that avoids such problematic scenarios. The trajectory is optimized by minimizing a quadratic objective function in an off-line simulator, which includes material properties of the garment and frictional force on the table. The function measures the dissimilarity between a user folded shape and the folded garment in simulation, which is then used as an error measurement to create an optimal trajectory. We demonstrate that our two-arm robot can follow the optimized trajectories, achieving accurate and efficient manipulations of deformable objects.

研究动机与目标

• 为解决可变形物体（尤其是自主衣物折叠）的机器人操作挑战，该挑战需要在复杂动力学条件下进行精确的轨迹规划。
• 开发一种通过最小化模拟折叠构型与期望折叠构型之间形状差异来生成最优折叠轨迹的方法。
• 通过校准模拟参数以匹配真实物理条件（包括材料属性和摩擦力）来弥合仿真到现实的差距。
• 通过可扩展的参数化方法实现在不同尺寸衣物间的轨迹泛化。
• 通过真实世界折叠实验在Baxter机器人上验证该方法的有效性。

提出的方法

• 该方法采用离线预测性薄壳模拟来建模机器人操作下衣物的形变，包含材料属性和桌面摩擦力。
• 定义了一个二次目标函数，用于衡量模拟折叠形状与用户指定目标形状之间的差异，作为误差度量。
• 在模拟中进行迭代轨迹优化以最小化该目标函数，从而为每个折叠步骤生成最优运动路径。
• 自动检测关键衣物特征（如袖口末端、领口和角落）以指导折叠计划的生成。
• 在完成校准后，将优化后的轨迹映射到真实机器人上，并对实际动力学和控制噪声进行调整。
• 该方法支持在不同尺寸衣物间进行轨迹缩放，同时保持折叠精度。

实验结果

研究问题

• RQ1 如何生成最优机器人轨迹，以最小化可变形衣物折叠过程中与期望折叠构型的形状偏差？
• RQ2 预测性模拟在多大程度上能准确再现机器人操作过程中真实世界衣物的形变？
• RQ3 单条优化轨迹是否能泛化应用于不同尺寸的衣物，同时保持高折叠成功率？
• RQ4 将物理模拟与轨迹优化相结合，与基于启发式或非优化方法相比，如何提升折叠性能？
• RQ5 真实执行中的主要故障模式是什么，以及如何通过基于仿真的规划来缓解这些故障？

主要发现

• Baxter机器人在10次试验中对7种衣物类型的平均成功率达到93%，其中长袖衬衫和毛巾的成功率为100%。
• 大多数衣物的折叠时间低于2分钟，所有测试衣物的平均折叠时间为97秒。
• 长袖衬衫和毛巾表现出一致的性能，成功率为10/10；而牛仔裤和长裤的成功率较低（分别为7/10和8/10），主要由于剪切阻力较高。
• 该方法通过仅在每件衣物上进行一次轮廓拟合而非在每个折叠步骤都进行，显著减少了计算时间，且未牺牲精度。
• 故障主要由机器人电机控制误差引起的机械臂抖动导致，进而引发衣物漂移和折叠不准确。
• 模拟与真实世界中的衣物形变在视觉和定量上均高度相似，验证了仿真到现实的轨迹迁移的有效性。