[论文解读] Grasp that optimises objectives along post-grasp trajectories

Amir M. Ghalamzan E., Nikos Mavrakis+1 more|arXiv (Cornell University)|Dec 12, 2017

Robot Manipulation and Learning参考文献 14被引用 3

一句话总结

本文提出了一种多目标抓取选择框架，通过优化运动学可操作性、关节力矩功耗以及预设抓后轨迹上的冲击力，实现性能优化。通过对立方体物体的10种抓取姿态在三个Pick-and-Place任务中进行评估，研究发现这些目标通常相互冲突，因此需要采用多目标优化方法以实现最优抓取选择。

ABSTRACT

In this article, we study the problem of selecting a grasping pose on the surface of an object to be manipulated by considering three post-grasp objectives. These objectives include (i) kinematic manipulation capability, (ii) torque effort \cite{mavrakis2016analysis} and (iii) impact force in case of a collision during post-grasp manipulative actions. In these works, the main assumption is that a manipulation task, i.e. trajectory of the centre of mass (CoM) of an object is given. In addition, inertial properties of the object to be manipulated is known. For example, a robot needs to pick an object located at point A and place it at point B by moving it along a given path. Therefore, the problem to be solved is to find an initial grasp pose that yields the maximum kinematic manipulation capability, minimum joint effort and effective mass along a given post-grasp trajectories. However, these objectives may conflict in some cases making it impossible to obtain the best values for all of them. We perform a series of experiments to show how different objectives change as the grasping pose on an object alters. The experimental results presented in this paper illustrate that these objectives are conflicting for some desired post-grasp trajectories. This indicates that a detailed multi-objective optimization is needed for properly addressing this problem in a future work.

研究动机与目标

• 探究后抓取目标——运动学可操作性、力矩功耗和冲击力——在操作任务中是否始终存在冲突。
• 评估抓取姿态选择如何影响预设质心轨迹上的这些目标。
• 证明单目标抓取选择可能因性能指标冲突而次优。
• 提供实证证据，支持在任务驱动的抓取选择中采用多目标优化的必要性。
• 使机器人能够选择在抓取后运动过程中平衡可操作性、能效与安全性的抓取姿态。

提出的方法

• 本研究在Gazebo仿真环境中使用Baxter机器人，对质量与惯性张量已知的0.5×0.15×0.2 m立方体物体的10种抓取姿态进行评估。
• 定义了三个Pick-and-Place任务，每个任务均具有物体质心的预设轨迹。
• 针对每种抓取姿态与轨迹，计算三个关键指标：面向任务的速度可操作性（TOV）、力矩功耗指标（TEM）以及总机械能（TME），后者作为冲击力的代理指标。
• 通过L2范数沿轨迹对指标进行积分，得到每种抓取姿态的标量值，用于比较。
• 计算TOV、TEM与TME的归一化值，并在不同任务中进行可视化，以比较各抓取姿态的性能表现。
• 热图与折线图（如图5与图6）展示了各指标随抓取姿态及轨迹路径点的变化情况。

实验结果

研究问题

• RQ1 运动学可操作性、力矩功耗与冲击力的目标是否在不同抓后轨迹上始终对同一抓取姿态给出相同的最优排名？
• RQ2 在相同物体上，不同抓取姿态下TOV、关节功耗与等效质量的数值如何变化？
• RQ3 在实际机器人操作任务中，这三个目标在多大程度上存在冲突？
• RQ4 是否存在一种抓取姿态，能同时最优地满足所有三个目标？
• RQ5 当涉及多个性能标准时，是否必须采用多目标优化方法以实现有效的抓取选择？

主要发现

• 在任务1中，抓取姿态1在可操作性方面表现最佳，关节功耗最低，等效质量最小，表明其在所有指标上均为最优。
• 在任务2中，目标发生冲突：抓取姿态1最小化了功耗与等效质量，但抓取姿态6实现了最大可操作性。
• 在任务3中，抓取姿态2最小化了关节功耗，而抓取姿态1在可操作性与等效质量方面均为最优。
• 结果表明，没有任何一种抓取姿态能在多个任务中同时优化全部三个目标，说明目标之间存在固有冲突。
• 归一化指标图（图6）清晰显示，不同抓取姿态与任务之间的性能排名存在显著差异，验证了多目标优化的必要性。
• 等效质量在物体表面不同位置及轨迹路径上存在空间变化，其峰值出现在特定路径点，具体取决于抓取姿态。