雷锋网AI科技评论按：ICRA全称为“IEEE International Conference on Robotics and Automation”（机器人与自动化会议），是机器人技术领域最有影响力的国际学术会议之一。ICRA 2017于5月29日至6月4日举行，雷锋网AI科技评论将从新加坡带来一线报道。该会议举办期间，雷锋网将围绕会议议程及获奖论文展开系列专题报道，敬请期待。
论文作者：Sakashita, Ryohei; Higashimori, Mitsuru
论文链接：http://www-hh.mech.eng.osaka-u.ac.jp/robotics/1A3De.html
论文摘要：
据雷锋网了解本文提出了一种使用平板振动（Vibration of a plate）的不可抓取操纵方案（Nonprehensile manipulation scheme），其中使用了单个致动器来控制部件的3-DoF（degree of freedom, 自由度）运动。在该论文的构想架构中，首先是引入了一个机械手，然后机械手末端的执行器是一个平板。机械手采用扭轴布局（Twisted axis layout）的混合接头机制。
该机械的特点在于，能够基于向致动器输入的正弦位移从而在三个维度上改变平板轨迹的形状。然后本文进一步分析了平板上多个质点的行为，以了解零件的3-DoF运动估计。
模拟的结果表明，可以对有助于零部件旋转和平移运动的轨迹图的旋涡状特征进行控制。根据这一特点，本文定义了五个用于操作零件的图元，并且展示了它们对3-DoF零件进给任务的安排。最后，本文再通过实验证明了所提出方法的正确性。
论文作者：Furrer, Fadri; Wermelinger, Martin; Yoshida, Hironori et al.
论文链接：http://e-collection.library.ethz.ch/view/eth:50701
论文摘要：
机器建设（Robotic construction）主要被应用于在结构化的室内环境中进行预制房屋配件，并且这些配件的材料得是标准的建筑材料。据雷锋网了解，该团队的工作侧重于利用现场发现的不规则材料，比如瓦砾和岩石，进行自主建设（Automous construction）。研究员们提出一种管道方法，用于检测场景中随机摆放的物体对象，而该场景将被下一个最佳叠加姿势搜索方法所使用。所用的搜索方法利用物理引擎进行计算，采用随机的方式初始化搜索方向。该方法的有效性在实验中得到了验证。
在实验中，机械手臂在没有灰浆和粘合剂的情况下，成功将不规则的岩石平衡且垂直地堆叠了起来。研究员们公开了连续11次实验，在这个实验中机器人要任意使用摆放在自己面前的四个岩石，自主地将其堆叠成一个塔。
论文作者：Kim, Hyoin; Lee, Hyeonbeom; Choi, Seungwon et al.
论文摘要：
本文介绍了使用航空机器人进行协作运输的运动规划方法。据雷锋网了解，研究员在文中描述了一种基于参数动态运动原语（Parametric Dynamic Movement Primitives, PDMPs）的框架，用于在具有障碍物的环境中快速协调多个空中机器人及其控制器。为了模拟最优运动，本文结合PDMP和快速探索随机树星（Rapidly Exploring Randomized Trees star, RRT*）算法，将RRT*的结果作为PDMP的示范。然后为了有效地描述与环境相对应的运动，研究员们还使用了高斯过程回归（Gaussian Process Regression, GPR）来获取环境参数和决定运动的PDMPs风格参数的显式关系。文中附带的仿真与实验结果证明了这一框架的有效性。
论文作者：Parigi-Polverini, Matteo; Formentin, Simone; Dao, Le Anh; Rocco, Paolo
论文摘要：
机器人隐式力控制（Robot implicit force control）的标准控制设计，是基于模型的调节器合成（Model-based regulator synthesis）的一种典型示例。据雷锋网了解，本文提出了一种基于闭环模型匹配（Closed-loop model matching），从预期和实现闭环行为之间，提高基于标准模型控制器的机器人隐式力控制的闭环性能（Closed-loop performance）的方法。为此，本文研究员介绍了一种基于虚拟参考反馈调优（Virtual Reference Feedback Tuning, VRFT）的数据驱动控制器设计方法（Data-driven controller design method）。然后，本文还讨论和论证了该方法在关于未知环境刚性（Unknown environments stiffness）的鲁棒性（Robustness）方面的优势。最后，本文所提控制策略的有效性，在配备有力量传感器的工业机器人上得以验证。
论文作者：Sheckells, Matthew; Garimella, Gowtham; Kobilarov, Marin
论文链接：https://asco.lcsr.jhu.edu/publications/
论文摘要：
据雷锋网了解，这项工作研究了在不确定性环境下运行的机器人系统的可靠性控制规律（Reliable control laws）的设计方法。研究员们基于控制策略预期性能的概率近似正确（Probably approximately correct, PAC）边界，引入了一种随机策略优化（Stochastic policy optimization）的新方法。本文构建了一种算法，该算法直接对轨迹预期成本的上限置信度边界进行最小化，而不是采用最小化预期成本本身的标准方法。因此，该算法对不确定性具有内在的鲁棒性，因为上限置信度边界可以被当做是确保未来性能的凭证。
该方法被应用在两个极具挑战性的机器人控制场景中进行评估：控制侧滑汽车躲避障碍物和控制四轴无人机躲避障碍物，并且它们均是在仿真的模拟环境中进行实验。在论文中，研究员们展示了，通过边界准确地预测了未来的表现，并且通过较低的平均成本和较低的碰撞概率来测量出改进的鲁棒性。另外，论文中还经验性地研究了该技术的性能，并将其和其它几种策略搜索算法进行了比较。
Via ICRA 2017
正在生成分享图...
付静