Keeping Contact: Task-Adaptive Friction Margins for Bimanual Non-Prehensile Manipulation
作者: Qian Ying Lee, Lin Yang, Domenico Campolo
分类: cs.RO
发布日期: 2026-10-27
备注: Accepted for publication in IEEE Robotics and Automation Letters (RA-L)
💡 一句话要点
提出任务自适应摩擦边际以解决双手非抓取操作中的接触保持问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双手操作 非抓取操作 摩擦边际 力规划 机器人技术 二阶锥规划 接触保持
📋 核心要点
- 核心问题：现有方法在双手非抓取操作中难以有效保持接触，尤其是在摩擦边际不足的情况下。
- 方法要点：本文提出了一种基于带符号摩擦距离的任务自适应摩擦边际，通过力修正来平衡支点力矩偏差。
- 实验或效果：实验证明该方法在物体属性变化和模型不匹配下成功执行，显示出边际适应性的重要性。
📝 摘要（中文）
在非抓取操作中，保持接触不仅仅依赖于摩擦锥的可行性：靠近摩擦锥边界的力和远离边界的力都可行，但它们对滑动和接触丧失的边际不同。本文使用带符号的摩擦距离来测量力空间中的摩擦边际，并从双手倾斜中平衡支点力矩偏差所需的力修正中推导出任务自适应边际。通过一系列二阶锥规划（SOCP），每个规划在特定倾斜角度下提供全局最优的接触力解决方案，优化器在保持机器人与支点接触力远离摩擦边界的同时，围绕环境支点平衡物体。实验结果表明，力的重新分配和对物体属性变化的适应性，支持了带符号摩擦距离边际作为双手非抓取操作中保持接触的力规划机制。
🔬 方法详解
问题定义：论文要解决的问题是如何在双手非抓取操作中有效保持接触，尤其是在摩擦边际不足的情况下。现有方法往往忽视了接触力与摩擦边界之间的关系，导致接触丧失的风险增大。
核心思路：论文的核心解决思路是引入带符号摩擦距离来测量摩擦边际，并根据任务需求自适应调整摩擦边际。通过平衡支点力矩偏差，优化器能够在保持接触的同时，避免接触力接近摩擦边界。
技术框架：整体架构包括以下几个主要模块：首先，定义摩擦边际并计算带符号摩擦距离；其次，构建一系列二阶锥规划（SOCP），每个规划针对特定倾斜角度提供全局最优接触力解决方案；最后，优化器根据环境支点调整接触力。
关键创新：最重要的技术创新点在于提出了任务自适应摩擦边际的概念，通过带符号摩擦距离来动态调整边际，与现有静态摩擦边际方法形成鲜明对比。
关键设计：关键设计包括摩擦距离的计算方法、SOCP的构建以及优化器的设计，确保在不同物体属性和环境条件下，接触力能够有效适应并保持稳定。具体的损失函数和参数设置在实验中进行了验证。
🖼️ 关键图片
📊 实验亮点
实验结果表明，采用任务自适应摩擦边际的方法在物体属性变化和模型不匹配的情况下，成功执行了双手非抓取操作。与固定边际和无边际的比较显示，该方法在接触保持能力上有显著提升，具体性能数据未提供。
🎯 应用场景
该研究的潜在应用领域包括机器人抓取、物体搬运和人机协作等场景。通过提高双手非抓取操作中的接触保持能力，可以显著提升机器人在复杂环境中的操作稳定性和效率，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
Maintaining contact in non-prehensile manipulation requires more than nominal friction cone feasibility: a force barely inside the cone and one well inside it are both feasible, but they provide different margins against slip and contact loss. This paper uses signed friction distance to measure friction margin in force space and derives a task-adaptive margin from the force correction needed to balance pivot moment deviations in bimanual tilting. The resulting contact margins are embedded in a sequence of second-order cone programs (SOCPs), each giving a globally optimal contact force solution at a tilt angle. The optimizer balances the object about an environmental pivot while keeping robot and pivot contact forces away from the nominal friction boundary. Optimizer-level results show interpretable force redistribution and adaptation to object property changes. Real-world experiments demonstrate successful execution under object property variations and model mismatch, while fixed margin and no-margin comparisons illustrate the importance of adapting the margin to task demand. These results support signed friction distance margins as a force planning mechanism for maintaining contact in bimanual non-prehensile manipulation. Project page: https://keeping-contact.github.io/