Robotic Manipulation of Deformable Objects across Object Variations and Human Feedback

QC 20261030

Abstract

Robotar som verkar i mänskliga miljöer måste kunna hantera objekt vars utseende, geometri, fysiska beteende och önskade manipulationssätt varierar mellan uppgifter och användare. Detta är särskilt utmanande för deformerbara objekt, såsom plagg och textilier, vars beteende beror på kontakt, materialrespons, deformation och uppgiftsintention. Denna avhandling undersöker metoder för att förbättra generalisering, robusthet och personalisering i robotsystem för manipulation av deformerbara objekt.Avhandlingen behandlar detta problem genom tre kompletterande riktningar. För det första studeras objektcentrerade representationer, inklusive skelettgrafer och nyckelpunkter, som kompakta beskrivningar av uppgiftsrelevant struktur. Dessa representationer stödjer överföring av människospecificerade vikningsplaner mellan olika plagginstanser och förbättrar generaliseringen hos imitationsinlärda policyer. För det andra behandlas variation i mekaniska egenskaper genom interaktionsbaserade representationer som fångar objektspecifik mekanisk kontext och stödjer prediktion över olika deformationsbeteenden. För det tredje undersöks mänsklig återkoppling som en mekanism för att förfina policyer efter offline-träning, genom att förbättra robusthet med korrigerande interventioner och personalisering genom återkoppling på föredraget manipulationsbeteende.Sammantaget visar resultaten att robust manipulation av deformerbara objekt kräver olika mekanismer för olika variationskällor. Strukturerade representationer bidrar till att hantera synliga objektförändringar, interaktion avslöjar mekaniska egenskaper som påverkar resultatet av handlingar, och mänsklig återkoppling tillför information om misslyckanden och preferenser som enbart uppgiftens framgång inte fångar. Avhandlingen bidrar därmed till manipulationssystem som kan fungera mer tillförlitligt över föränderliga objekt, dynamik och användarspecifika krav.

Link to DiVA