Sampling and gradient based planning for contact-rich manipulation tasks

Contact-rich manipulation tasks forms a crucial application in industrial, medical and household settings, requiring strong interaction with a complex environment. In order to efficiently engage in such tasks with human-like agility, it is crucial to search for a method which can effectively handle such contact-rich scenarios. In this work, contact-rich tasks are approached and modeled from the perspective of a hybrid dynamical system, trying to exploit their discontinuous nature in order to built an efficient and safe planning framework. A novel method for estimating the full hybrid state space is proposed, that can efficiently provide information about the most probable active contact state. This information is used by an high-level Model Predictive Control (MPC) planner to set the torque reference of an impedance controller. We propose a planning method with both sampling- and gradient-based elements, using the Cross-entropy Method to initialize a gradient-based solver, providing better search over local minima and the ability to handle explicit constraints. We show the approach allows smooth, stable contact-rich planning for an impedance-controlled robot making contact with a stiff environment, benchmarking against gradient-only MPC and CEM.

Le applicazioni robotiche ricche di contatto formano un insieme molto importante in contesti industriali e medicali, richiedendo una frequente interazione con degli agenti esterni complessi e aleatori. Al fine di permettere ad un manipolatore robotico di approcciarsi a tali contesti con un livello di destrezza ed agilità paragonabile a quello umano, è molto importante studiare un metodo che permetta di affrontare efficaciemente questo tipo di applicazioni con una forte interazione fisica esterna. Nel presente elaborato, tale di tipo di interazione viene modellata mediante un modello dinamico ibrido, al fine di sfruttare la natura discontinua di tali applicazioni, consentendo allo stesso tempo lo sviluppo di un algoritmo di controllo più sicuro. Verrà proposto un metodo innovativo per la stima dello stato del sistema ibrido, garantendo un'informazione accurata riguardo la più probabile modalità di contatto. Tale informazione, verrà utilizzata in real-time da un controllore di alto livello Model Predictive Control (MPC) al fine di stabilire il livello di coppia di riferimento del blocco di impedance control interno al manipolatore. L'algoritmo di controllo sviluppato si basa su una combinazione di tecniche di ottimizzazione sampling-based e gradient-based; il Cross-entropy Method (CEM) viene utilizzato per fornire un punto di inizializzazione più accurato al solver gradient-based, garantendo una migliore convergenza ed un miglior comportamento rispetto al problema dei minimi locali. Attraverso prove di simulazione e sperimentali viene mostrato come il metodo svilupato sia in grado di ottenere un controllo sicuro ed affidabile per applicazioni robotiche con interazioni di contatto caratterizzate da un'elevata rigidezza.