[论文解读] Maintaining Grasps within Slipping Bound by Monitoring Incipient Slip

Siyuan Dong, Daolin Ma+2 more|arXiv (Cornell University)|Oct 31, 2018

Robot Manipulation and Learning参考文献 11被引用 11

一句话总结

本文提出了一种基于GelSlim视觉触觉传感器的实时早期滑移检测方法，通过将柔性凝胶表面上实际的标记位移场与2D刚体运动模型预测的位移场进行比较，实现在无先验物体知识条件下的平动和转动滑移检测。该方法在24 Hz下实现了86.25%的检测准确率，并成功实现了在瓶盖螺纹拧紧与拧松任务中的闭环抓握控制。

ABSTRACT

In this paper, we propose an approach to detect incipient slip, i.e. predict slip, by using a high-resolution vision-based tactile sensor, GelSlim. The sensor dynamically captures the tactile imprints of the contact object and their changes with a soft gel pad. The method assumes the object is mostly rigid and treats the motion of object's imprint on sensor surface as a 2D rigid-body motion. We use the deviation of the true motion field from that of a 2D planar rigid transformation as a measure of slip. The output is a dense slip field which we use to detect when small areas of the contact patch start to slip (incipient slip). The method can detect both translational and rotational incipient slip without any prior knowledge of the object at 24 Hz. We test the method on 10 objects 240 times and achieve 86.25% detection accuracy. We further show how the slip feedback can be used to monitor the gripping force to avoid slip with a closed-loop bottle-cap screwing and unscrewing experiment with incipient slip detection feedback. The method was demonstrated to be useful for the robot to apply proper gripping force and stop screwing at the right point before breaking objects. The method can be applied to many manipulation tasks in both structured and unstructured environments.

研究动机与目标

• 使机器人能够通过触觉反馈检测早期滑移——即抓握失效的早期征兆——类似于人类皮肤对滑移的敏感性。
• 解决当前机器人抓握系统中缺乏实时、通用型滑移检测方法的问题，尤其是在未知物体条件下的应用。
• 开发一种无需事先了解物体质量、形状或摩擦系数即可检测平动与转动滑移的方法。
• 将滑移反馈集成到闭环控制中，以实现如瓶盖拧紧与拧松等操作任务，提升抓握稳定性和任务完成度。

提出的方法

• 该方法使用GelSlim触觉传感器，通过捕捉物体接触时柔性凝胶表面标记位移的高分辨率图像来获取数据。
• 将接触区域建模为2D刚体运动，以预测无滑移条件下的预期标记位移。
• 通过计算实际与预测的标记位移场之间的偏差，生成密集的滑移场，用于指示早期滑移。
• 当偏差超过阈值时判定为发生滑移，且该方法对平动和转动滑移分量均具有敏感性。
• 算法采用轻量化计算，以24 Hz的频率运行，实现机器人控制所需的实时反馈。
• 每次滑移检测后更新参考坐标系，以在动态抓握场景中保持检测精度。

实验结果

研究问题

• RQ1 基于视觉的触觉传感器是否能在不依赖被抓物体属性先验知识的前提下，实现实时早期滑移检测？
• RQ2 接触区域的刚体运动模型在多种真实世界物体上，能否准确检测到小尺度滑移事件？
• RQ3 该方法提供的滑移反馈是否能实现稳定、闭环的控制，以完成如瓶盖拧紧与拧松等操作任务？
• RQ4 该方法在不同形状、材质和接触区域几何形态的物体上表现如何？
• RQ5 滑移场的方向性是否能够区分安全（如垂直方向）与危险（如水平方向）的滑移事件？

主要发现

• 在240次试验中，使用10种不同日常物体并施加不同外部力的情况下，该方法实现了86.25%的检测准确率。
• 系统成功实现了瓶盖的闭环拧紧与拧松操作，机器人能够实时检测滑移并调整夹持力。
• 在拧紧任务中，滑移检测正确指示了何时需要增加夹持力，以及何时应停止，从而防止过度拧紧。
• 滑移场分析表明，滑移事件始终集中于接触区域的外围区域。
• 在拧紧过程的最后阶段，系统检测到多个连续的滑移事件，表明瓶盖已接近螺纹末端。
• 该方法在平动与转动滑移检测中均表现出鲁棒性，且无需针对特定物体进行标定或依赖先验知识。