In-Hand Manipulation Planning for Grippers with Active Surfaces

Robotische handen worstelen al lang met een specifiek soort behendigheid die menselijke handen zonder erbij na te denken uitvoeren: het vermogen om een object over de huid van een vinger te laten glijden terwijl men het vasthoudt. Decennialang hebben ingenieurs die robotische handen probeerden te bouwen, gefocust op het nabootsen van de complexe, met meerdere gewrichten uitgeruste structuur van de menselijke hand, in de hoop dat meer gewrichten zouden leiden tot meer vaardigheid. Deze complexe ontwerpen worden echter vaak moeilijk te besturen en te plannen, wat hun gebruik in de echte wereld beperkt. Een eenvoudiger alternatief is opgekomen: grijpers met "actieve oppervlakken". Dit zijn robotvingers uitgerust met mechanismen zoals bewegende riemen of oppervlakken die hun kleverigheid kunnen veranderen, waardoor ze een object doelbewust langs de vinger kunnen laten glijden in plaats van het alleen maar stevig vast te grijpen. Hoewel deze hardwarecapaciteit bestaat, is de software die de robot vertelt hoe hij moet bewegen achtergebleven. Traditionele planningssoftware gaat ervan uit dat de vingers van een robot alleen over een object rollen als een wiel op een weg, waarbij elke vorm van glijden wordt behandeld als een fout die vermeden moet worden. Deze aanname stort volledig in wanneer de robot is ontworpen om dingen met opzet te laten glijden, waardoor ingenieurs achterblijven met krachtige hardware die de software niet volledig kan benutten.

Onderzoekers aan het Worcester Polytechnic Institute en het RAI Institute hebben een nieuw planningsframework ontwikkeld dat deze discontinuïteit oplost door de manier waarop de robot over het object dat hij vasthoudt "denkt", te veranderen. In plaats van de beweging van het object uitsluitend te mappen op basis van het eigen oppervlak van het object, volgt hun nieuwe systeem de positie van het object relatief aan het bewegende oppervlak van de vinger zelf. Stel je voor dat je probeert te navigeren door een stad terwijl je negeert dat de straten onder je voeten bewegen; traditionele planners proberen de stad in kaart te brengen terwijl de straten verschuiven, wat leidt tot verwarring en falen. De nieuwe aanpak erkent dat de straten bewegen en plant de route op basis van de relatie tussen de auto en de weg. Door een gecombineerde toestandsruimte te creëren die zowel het object als het vingeroppervlak simultaan account houdt, kan het systeem complexe sequenties van glijden en roteren plannen die voorheen onmogelijk te berekenen waren.

De onderzoekers testten dit nieuwe denken op twee zeer verschillende soorten grijpers met actieve oppervlakken. De eerste was een Variable Friction-grijper, die een mechanisme gebruikt om delen van de vingers op commando glad of plakkerig te maken. De tweede was een Belt Orienting Phalanges-grijper, die kleine transportbanden op de vingers gebruikt om objecten te duwen. In fysieke experimenten met de op wrijving gebaseerde grijper, slaagde het systeem erin taken uit te voeren met zes verschillende objectvormen, waaronder hexagonen, sterren en gebogen stukken. De robot kon objecten 40 millimeter over de vingers laten glijden en ze met hoge precisie draaien om in verschillende richtingen te wijzen. In deze fysieke proeven genereerde de planner een pad in minder dan een seconde gemiddeld, en de robot voltooide 96 procent van de 135 fysieke pogingen succesvol. De weinige mislukkingen waren niet te wijten aan de planningslogica, maar aan de fysieke eigenschappen van de objecten, zoals een gelatinebox die zijn gewicht verplaatste tijdens de beweging, waardoor de uiteindelijke positie iets afweek.

De kracht van dit nieuwe framework werd nog duidelijker toen de onderzoekers de robot vroegen een complexere taak uit te voeren: het herconfigureren van een Rubiks kubus. Het doel was niet alleen om de kubus te draaien, maar om de kubus binnen de greep te laten glijden totdat een specifieke laag uitstak, waardoor deze toegankelijk werd voor een mens om te draaien. Dit vereiste een sequentie van het naar een knijpgreep glijden van de kubus, het terug glijden om ruimte te creëren, het roteren, en vervolgens weer naar buiten glijden. Traditionele planningsmethoden, die vertrouwen op het oppervlak van het object als de kaart, zagen geen continu pad voor deze taak omdat de contactpunten op het object veranderden op een manier die hun software niet kon verbinden. De nieuwe planner zag echter de continue beweging langs het vingeroppervlak en genereerde succesvol de sequentie. In een aparte reeks experimenten met een simulatie van de bandgestuurde grijper behaalde de nieuwe planner een succespercentage van 100 procent over alle taken, terwijl bestaande planningsmethoden bij de meerderheid van de taken faalden, vaak waardoor de robot het object liet vallen of botste met de eigen structuur.

De studie toont aan dat de beperking nooit de capaciteit van de hardware om te bewegen was, maar het onvermogen van de software om de beweging correct te visualiseren. Door de oude regel los te laten dat glijden een fout is en in plaats daarvan het vingeroppervlak als een dynamisch onderdeel van de planningskaart te behandelen, hebben de onderzoekers robots in staat gesteld om in-hand manipulatietaken uit te voeren die voorheen onhaalbaar waren. De resultaten laten zien dat deze aanpak werkt bij verschillende soorten actieve oppervlakken, van wrijvingsmodulatie tot transportbanden, wat suggereert dat er een verenigde manier is om behendigheid te programmeren voor een breed scala aan toekomstige robotische handen. Het systeem vereist geen complexe sensoren om het object in realtime te zien; het vertrouwt op het kennen van de vorm van het object en de mogelijkheden van de grijper om een pad te berekenen dat fysiek mogelijk is voordat de robot überhaupt begint te bewegen. Deze verschuiving van object-centrische naar vinger-object-centrische planning opent de deur voor robots om complexe, real-world taken aan te pakken met een niveau van vloeiendheid dat voorheen enkel het domein van menselijke handen was.