Coordinated Manipulation of Hybrid Deformable-Rigid Objects in Constrained Environments¶

会议: CVPR 2025
arXiv: 2603.12940
代码: 无
领域: 机器人操作 / 变形物体
关键词: 变形线性物体, Cosserat杆模型, 轨迹优化, 双臂协调, 约束环境

一句话总结¶

本文提出基于应变参数化 Cosserat 杆模型（GVS）的准静态轨迹优化框架，用于双臂机器人在约束环境中协调操纵混合变形-刚性线性物体（hDLO），利用解析梯度实现比有限差分快 33 倍的求解速度，并在真实双臂平台上验证了 ~3cm 的变形误差。

研究背景与动机¶

领域现状：变形线性物体（DLO，如电缆、绳索）的操纵是机器人领域的活跃研究方向。已有大量工作关注纯 DLO 的操纵规划，使用采样方法（RRT/PRM）或数据驱动方法（RL/IL）。

现有痛点：(1) 真实应用中物体往往是变形和刚性部件的混合体（如带接头的线缆、有关节的柔性机构），纯 DLO 模型不适用；(2) 采样方法不保证轨迹最优性，且随机采样可能违反物理约束；(3) 优化方法因高维配置空间和非线性力学而计算昂贵，且强依赖初始猜测。

核心矛盾：hDLO 的配置空间理论上是无穷维的（DLO 每点都有连续的位姿变化），需要一个既能降维又能统一处理变形和刚体的建模框架。

本文目标：为约束环境中 hDLO 的双臂协调操纵提供基于优化的规划方案，利用 GVS 模型的结构优势和解析梯度实现高效求解。

切入角度：GVS 模型用应变参数天然统一了 DLO 的连续变形和刚体关节，提供有限维配置空间和解析 Jacobian，使梯度优化成为可能。

核心 idea：用 GVS 应变模型将 hDLO 的无穷维配置空间降为有限维，通过逆运动静力学求解提供暖启动，再进行满足环境约束的轨迹优化。

方法详解¶

整体框架¶

输入：hDLO 模型（DLO + 刚体链接的拓扑和力学参数）+ 双臂操纵器 + 约束环境（圆形通道）+ 目标末端位姿。分两阶段求解：(1) 逆运动静力学（IKS）：找到满足目标的静态平衡配置；(2) 轨迹优化：以 IKS 解为暖启动，求解满足环境约束的时间序列。

关键设计¶

GVS 应变参数化建模:
- 功能：将 hDLO 的无穷维配置空间降为有限维，统一表示变形和刚体运动
- 核心思路：Cosserat 杆模型将 DLO 的位姿描述为沿弧长的连续映射 \(g(X) \in SE(3)\)。GVS 用有限基函数参数化应变场 \(\xi = \Phi(X)q + \xi^*\)，其中 \(q\) 为广义坐标。刚体关节是特例（\(\Phi\) 不依赖 \(X\)）。闭链约束通过 \(e_c(q) = \log(g_A^{-1}g_B) = 0\) 在 \(\mathfrak{se}(3)\) 中表示，完整静态平衡条件为 \(Kq - F - Bu - A^T\lambda = 0\)
- 设计动机：相比 FEM（最大坐标，高维）、离散弹性杆（不共享关节抽象）、数据驱动（不可解释），GVS 提供最小坐标表示且可直接复用刚体运动学
解析梯度加速的优化求解:
- 功能：高效求解 IKS 和轨迹优化问题
- 核心思路：利用最近提出的 GVS 静力学解析导数（对 \(q, u, \lambda\) 的偏导数），避免有限差分。环境约束（圆形通道）通过 SE(3) 插值在任意弧长处评估 DLO 位置，解析导数通过链式法则传递
- 设计动机：解析梯度在 IKS 问题上比有限差分快 33 倍，且轨迹优化在有限差分下根本不可行（需要暖启动+解析梯度才能收敛）
IKS 暖启动的轨迹优化:
- 功能：在约束环境中生成可行的操纵轨迹
- 核心思路：先忽略环境约束求解 IKS（找到目标配置），得到一条从初始到目标的直线插值轨迹作为初始猜测。然后以此暖启动进行完整的约束轨迹优化（包括圆形通道约束），将轨迹离散为 \(N\) 个步骤并联立求解
- 设计动机：直接求解带约束的轨迹优化非凸且容易发散，IKS 暖启动大幅缩小搜索空间

损失函数 / 训练策略¶

优化目标为最小化执行器运动（\(\sum \|u_{k+1} - u_k\|^2\)），约束包括：每步静态平衡、闭链约束、环境约束（DLO 不穿过通道壁）、关节限位。使用 IPOPT 求解器。

实验关键数据¶

主实验¶

指标	本文(优化)	BiRRT	说明
3-link hDLO, 目标达成	✓	✓	两种方法都成功
平均变形误差(实验)	~3cm (5%链接长)	N/A	仅优化方法做了真实实验
IKS 求解速度(解析)	0.8s	N/A	解析梯度
IKS 求解速度(有限差分)	26.4s	N/A	慢33倍
轨迹优化可行性	解析梯度可行	N/A	有限差分不收敛

消融实验¶

hDLO 配置	IKS 解析(s)	IKS 有限差分(s)	加速比
2-link (1DLO+1rigid)	0.3	8.2	27x
3-link (2DLO+1rigid)	0.8	26.4	33x
5-link (3DLO+2rigid)	2.1	65+	31x

关键发现¶

解析梯度是使轨迹优化可行的关键——有限差分基线在轨迹优化阶段完全无法收敛
IKS 暖启动对轨迹优化至关重要，无暖启动时优化常陷入局部最优或不满足约束
真实实验中平均 ~3cm（5% 链接长度）的变形误差，验证了仿真到实际的转移能力
优化方法找到的轨迹比 BiRRT 更平滑、更短，但计算时间更长

亮点与洞察¶

GVS 模型的统一性：一个框架同时处理连续变形和离散关节，这种"最小坐标"表示为优化方法铺平了道路。可推广到更多机器人结构
解析梯度的必要性：不仅提速 33 倍，更重要的是使轨迹优化从"不可行"变为"可行"。在高维非线性系统中，解析导数的价值远超简单的加速
实际验证的完整性：从仿真到双臂机器人实验的完整验证链，3cm 误差的实际精度令人信服

局限与展望¶

仅考虑准静态运动，不适用于需要动态操纵的场景
圆形通道是简化的约束模型，真实环境（如器官）形状更复杂
轨迹优化可能找到局部最优而非全局最优
DLO 材料参数需要预先标定，对未知材料泛化能力有限
可结合力控制实现在线闭环调整

评分¶

新颖性: ⭐⭐⭐⭐ 首次将 GVS 解析梯度用于 hDLO 约束轨迹优化
实验充分度: ⭐⭐⭐⭐ 仿真+真实实验+与 BiRRT 对比
写作质量: ⭐⭐⭐⭐ 数学推导严谨，实验设计完整
价值: ⭐⭐⭐⭐ 对工业装配和微创手术中的 hDLO 操纵有实际应用价值