← 返回论文列表

AssistDLO：可变形线性对象操作中的辅助遥操作
AssistDLO: Assistive Teleoperation for Deformable Linear Object Manipulation

作者: Berk Guler, Simon Manschitz, Kay Pompetzki 等4人
arXiv: 2605.06323v1
分类: cs.RO
📝 论文摘要
在机器人操作中，处理柔性线状物体（DLO）因其无限维构型空间和复杂的非线性动力学而极具挑战性。在遥操作任务中，深度不确定性会阻碍状态感知与反应。针对这一问题，AssistDLO提出了一种面向DLO操作的辅助遥操作框架，该框架融合了实时多视角状态估计、视觉辅助（VA）以及基于控制屏障函数的几何感知共享自主控制器（SA-CBF）。传统共享自主方法往往依赖简单的几何吸引子，可能无法保持DLO的几何形态，而SA-CBF则充当了几何感知漏斗，在保留操作者高阶控制权的同时促进精确抓取。本研究通过一项使用不同长度与刚度绳索的双臂解结用户实验（N=22）对框架进行了评估。结果表明，辅助效能高度依赖于操作者专业水平与DLO特性。SA-CBF对新手用户增益最为显著，如同技能均衡器将任务成功率从71%提升至88%，且对刚性较强的绳索效果尤佳。相反，专家用户更偏好视觉辅助，而高柔性长绳索从视觉支持中获益更多，而非局部动作辅助。最终，这些发现表明，有效的DLO遥操作不能依赖固定策略，突显了对自适应、用户感知及材料感知共享自主控制的迫切需求。

📊 核心分析

🎯 研究动机
- 解决**可变形线性对象(Deformable Linear Objects, DLO)** 遥操作中的挑战，因其具有**无限维配置空间** 和复杂的**非线性动力学(nonlinear dynamics)** - 遥操作中**深度不确定性(depth uncertainty)** 影响状态感知与反应，现有**共享自主(shared autonomy)** 方法依赖简单几何吸引子，难以保持DLO几何形状 - 研究背景：DLO操控在机器人领域具有挑战性，需要有效的辅助遥操作框架以适应不同用户和材料属性
🔧 核心方法
- 提出**AssistDLO** 辅助遥操作框架，包含三个核心模块：**实时多视角状态估计(real-time multi-view state estimation)**、**视觉辅助(Visual Assistance, VA)** 以及**基于控制障碍函数的几何感知共享自主控制器(Geometry-Aware Shared-Autonomy Controller based on Control Barrier Functions, SA-CBF)** - **SA-CBF** 作为几何感知漏斗，在保持操作者高级权威的同时引导精确抓取 - 实验采用双臂打结解结用户研究(N=22)，使用不同长度和刚度的绳索进行评估
💡 核心创新
- **首创性**：提出**SA-CBF** 作为几何感知共享自主控制器，区别于传统简单几何吸引子方法，有效保留DLO几何形状 - **技能均衡器(skill equalizer)**：SA-CBF对新手用户增益最大，将任务成功率从71%提升至88%，而对专家用户则更偏好**视觉辅助(VA)** - **材料感知**：发现辅助效果强烈依赖于**DLO属性(长度、刚度)** 和**用户专业知识(user expertise)**，强调固定策略不可行，首次揭示自适应共享自主的必要性
🏆 总体贡献
- 为**可变形线性对象遥操作(DLO teleoperation)** 提供了一种有效辅助框架，结合状态估计、视觉辅助与几何感知控制 - 通过用户研究揭示了**用户专业知识** 和**材料属性** 对辅助效果的显著影响，提出**自适应、用户感知和材料感知的共享自主(adaptive, user-aware, and material-aware shared autonomy)** 的新需求 - 在双臂解结任务中验证了SA-CBF作为技能均衡器的有效性，为后续研究提供了实验基准和设计方向