Fast Coordinated Bimanual Motion Planning With Hard Constraints
作者: Borna Paro, Luka Petrović, Ivan Marković
分类: cs.RO
发布日期: 2026-08-21
💡 一句话要点
提出快速双手协调运动规划以解决刚性物体操作问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双手操作 运动规划 逆向运动学 机器人技术 高效算法
📋 核心要点
- 现有方法在处理双手操作时，难以有效满足刚性物体的运动约束，导致规划效率低下。
- 本文提出了一种基于领导-跟随参数化的双手运动规划方法，能够在整个路径中持续满足硬性变换约束。
- 实验结果表明，该方法在多种环境下实现了19.4倍的规划速度提升，并成功应用于真实世界的双手操作任务。
📝 摘要（中文）
双手操作能够完成复杂任务，但由于涉及的自由度较多，增加了运动规划的复杂性。处理刚性物体时，两个末端执行器之间的相对变换必须在整个运动过程中保持固定，这形成了一个非线性等式约束，限制了可行配置空间，给传统运动规划带来了挑战。本文提出了一种快速的双手运动规划管道，持续执行这一硬性变换约束，采用领导-跟随参数化：将领导者的配置视为自由变量，而通过逆向运动学确定跟随者的配置以满足约束。我们在多种环境、约束和双手平台上进行了广泛的仿真评估，规划速度比之前的工作快19.4倍，同时保证了约束的持续满足。真实世界的实验在双手Kinova Gen3设备上进行，涉及托盘运输和细长物体操作，验证了规划轨迹向物理硬件的直接转移。
🔬 方法详解
问题定义：本文旨在解决双手操作中刚性物体的运动规划问题，现有方法在满足相对变换约束时效率低下，难以处理高自由度的运动规划。
核心思路：我们提出了一种快速的双手运动规划管道，采用领导-跟随的参数化方式，使得领导者的配置为自由变量，跟随者的配置通过逆向运动学计算，以持续满足硬性变换约束。
技术框架：整体架构包括两个主要模块：首先是领导者的运动规划模块，负责生成自由配置；其次是跟随者的逆向运动学模块，确保在每个时间步满足约束条件。
关键创新：本研究的创新点在于提出了一种新的参数化方法，能够在整个路径中持续满足非线性约束，显著提高了规划速度和效率，区别于传统方法的离散约束处理方式。
关键设计：在参数设置上，采用了高效的逆向运动学算法，并优化了运动规划的搜索策略，以减少计算时间和提高路径质量。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提方法在多种环境和约束下实现了19.4倍的规划速度提升，相较于传统方法，能够更高效地满足刚性物体的运动约束，且在真实世界的双手操作任务中成功验证了规划轨迹的有效性。
🎯 应用场景
该研究的潜在应用领域包括工业机器人、服务机器人以及任何需要双手协调操作的自动化系统。通过提高双手操作的规划效率，能够在复杂环境中实现更高效的物体搬运和操作，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
Bimanual manipulation enables complex tasks but introduces added complexity from the high number of degrees of freedom involved. When handling rigid objects, the relative transformation between the two end effectors must remain fixed throughout the motion, manifesting as a nonlinear equality constraint that confines the feasible configuration space to a measure-zero manifold and challenges conventional motion planners. We propose a fast bimanual motion planning pipeline that enforces this hard transformation constraint continuously along the entire path, using a leader-follower parameterization: the leader's configuration is treated as a free variable, while the follower's is determined via inverse kinematics to satisfy the constraint. We extensively evaluate the method in simulation across diverse environments, constraints and bimanual platforms, achieving 19.4x faster planning than prior work while guaranteeing continuous constraint satisfaction. Real-world experiments on a bimanual Kinova Gen3 setup, involving tray transport and elongated-object manipulation, validate direct transfer of planned trajectories to physical hardware.