Explicit compliance and safety on torque controlled robots for physical interaction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper introduces a new paradigm of compliant control for torque-controlled robots through the notion of explicit compliance, which enables selective and tunable compliance for each task or joint in a control hierarchy. We reformulate the motion generation quadratic program (QP) to incorporate this explicit compliance model, allowing the robot to adaptively respond to external forces while preserving task priorities. Our formulation also integrates safety and feasibility constraints—such as torque, velocity, and self-collision limits—at the highest level of the control hierarchy. To improve robustness near constraint boundaries, we propose a second-order velocity damper expressed in acceleration, which ensures stable constraint enforcement without dependency on the control loop frequency. In addition, we enhance external force estimation through a lag-free sensor fusion strategy that combines high-frequency force/torque sensor measurements with low-frequency residual-based estimates. This complementary filter achieves accurate external torque estimation across contact scenarios, reducing the RMS estimation error by about 40% from 11.168 N (residual only) to 6.949 N. The proposed framework is deployed on a Kinova Gen3 robot and validated through experiments with various compliance configurations. Using the compliance parameter Γ, we demonstrate three distinct behaviors: full stiffness, null-space compliance, and full-body compliance. Our results show that the proposed approach preserves safety under contact while offering precise task execution and flexible compliance, enabling safe and adaptable physical interaction in dynamic environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle