로봇 푸싱은 파지하기 어려운 물체를 다루는 데 필수적인 비집게형(non-prehensile) 조작 기술로서, 기본이 되는 기술이다. 본 서신에서는 마찰계수, 질량 분포, 그리고 마찰중심(CoF)의 위치와 같은 불확실한 물체 특성이 존재하더라도, 주어진 명목 궤적(nominal trajectory) along으로 물체를 밀어낼 수 있도록 온라인으로 추정한 모델을 활용하는 고정밀 로봇 푸싱 프레임워크를 제안한다. 핵심 아이디어는 관측된 국소(local) 운동을 표현할 수 있는 최적의 푸싱 운동 모델을 추정하는 것이다. 이동 윈도우(moving-window) Unscented Kalman Filter(UKF)와 결합된 기존의 해석적(analytical) 모델의 일반화된 형태는 온라인 추정 모델로서 기능한다. 이는 밀려지는 물체의 국소 거동을 포착하며, 정밀한 푸싱 성능을 달성하기 위해 모델 예측 제어(model predictive control) 기반의 푸싱 전략과 통합된다. 실험에서 제안된 로봇 푸싱 프레임워크는 운동 모델이 교란(perturbed)되더라도, 기존 해석적 모델 및 데이터 기반(data-driven) 모델 접근법에 비해 명목 궤적을 추종하는 데 있어 더 우수한 정확도를 보였다. 또한 제안된 프레임워크의 실용성은 자율 로봇이 접시를 수집하는 시연을 통해 입증되었으며, 다양한 실제 적용 분야에 대한 적용 가능성을 보여주었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.