权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Autonomous physics-based object manipulation

基于物理的自主对象操纵

基本信息

批准号：
1879668
负责人：
金额：
--
依托单位：
University of Leeds
依托单位国家：
英国
项目类别：
Studentship
财政年份：
2017
资助国家：
英国
起止时间：
2017 至无数据
项目状态：
已结题

来源：
https://gtr.ukri.org/projects?ref=studentship-1879668
关键词：
Autonomous physics based object manipulation

项目摘要

Planning of object manipulation is an important problem in robotics. Imagine an autonomous home-helper robot reaching into a cluttered fridge shelf: the robot will need to make contact with multiple objects and push them out the way. The robot's actions must be carefully planned to avoid pushing objects off the shelf, causing them to fall down and break. Existing algorithms solve this planning problem by searching over possible sequences of actions. Each action is applied for a discrete time step, and the planner chooses the sequence which is predicted to reach the goal object without damaging other objects in the scene. The effect of each action during a time step is computed using a physics simulation, which can either be a complete dynamics simulation or a simplified quasi-static model. However, a major problem with existing algorithms is speed: The number of possible action sequences increases exponentially with the planning horizon, leading to unacceptably long planning times. New methods that reduce planning time can have a major impact in this area, enabling robots to perform manipulation tasks that currently exceed their capabilities. In this project we will develop new optimisation based approaches to autonomous physics-based object manipulation in clutter.

物体操作规划是机器人学中的一个重要问题。想象一下，一个自主的家庭助手机器人将手伸进一个杂乱的冰箱货架：机器人需要接触多个物体并将它们推开。机器人的动作必须仔细计划，以避免将物体从架子上推下来，导致它们摔倒和破碎。现有的算法通过搜索可能的动作序列来解决这个规划问题。每个动作都应用于一个离散的时间步长，规划器选择预测到达目标对象而不损坏场景中其他对象的序列。在一个时间步期间的每个动作的效果使用物理模拟来计算，该物理模拟可以是完整的动力学模拟或简化的准静态模型。然而，现有算法的一个主要问题是速度：可能的动作序列的数量随着规划范围呈指数级增加，导致不可接受的长规划时间。减少规划时间的新方法可以在这一领域产生重大影响，使机器人能够执行目前超出其能力的操作任务。在这个项目中，我们将开发新的基于优化的方法，以自主的基于物理的对象操作混乱。

项目成果

期刊论文数量（8）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Human-like Planning for Reaching in Cluttered Environments

DOI：
10.1109/icra40945.2020.9196665
发表时间：
2020-01
期刊：
2020 IEEE International Conference on Robotics and Automation (ICRA)
影响因子：
0
作者：
Mohamed Hasan;Matthew Warburton;Wisdom C. Agboh;M. Dogar;M. Leonetti;He Wang;F. Mushtaq;M. Mon-Williams;A. Cohn
通讯作者：
Mohamed Hasan;Matthew Warburton;Wisdom C. Agboh;M. Dogar;M. Leonetti;He Wang;F. Mushtaq;M. Mon-Williams;A. Cohn

Combining Coarse and Fine Physics for Manipulation using Parallel-in-Time Integration

使用并行时间积分将粗略和精细物理相结合进行操作

DOI：
10.48550/arxiv.1903.08470
发表时间：
2019
期刊：
arXiv e-prints
影响因子：
0
作者：
Agboh Wisdom C.
通讯作者：
Agboh Wisdom C.

Parareal with a learned coarse model for robotic manipulation

Parareal 具有用于机器人操作的学习粗略模型

DOI：
10.1007/s00791-020-00327-0
发表时间：
2020
期刊：
Computing and Visualization in Science
影响因子：
0
作者：
Agboh W
通讯作者：
Agboh W

Pushing Fast and Slow: Task-Adaptive Planning for Non-prehensile Manipulation Under Uncertainty

快推和慢推：不确定性下非综合操纵的任务自适应规划

DOI：
发表时间：
2018
期刊：
影响因子：
0
作者：
Agboh W
通讯作者：
Agboh W

Introducing a Human-like Planner for Reaching in Cluttered Environments

DOI：
发表时间：
2020-02
期刊：
arXiv: Robotics
影响因子：
0
作者：
Mohamed Hasan;Matthew Warburton;Wisdom C. Agboh;M. Dogar;M. Leonetti;He Wang;F. Mushtaq;M. Mon-Williams;A. Cohn
通讯作者：
Mohamed Hasan;Matthew Warburton;Wisdom C. Agboh;M. Dogar;M. Leonetti;He Wang;F. Mushtaq;M. Mon-Williams;A. Cohn