Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

CRISP Controllers

用於部署學習式操作策略的柔順 ROS2 扭矩控制器

授權條款

Apache-2.0

概述

CRISP(Compliant ROS2 Controllers for Learning-Based Manipulation Policies)是一個輕量的開源框架,提供以 C++ 實作、以扭矩為基礎的即時笛卡兒空間與關節空間控制器,用於機器人操作。它以原生 ros2_control 外掛的形式建構,同時提供笛卡兒阻抗控制與操作空間控制,不需要 MoveIt 或複雜的路徑規劃流程。這個框架不綁定特定機器人,可用於任何提供 effort(扭矩)介面的機器手臂,並已在 Franka Robotics FR3、Franka Panda、UR5、Kinova 與 KUKA iiwa 機器人上完成部署驗證。

這個專案專為銜接學習式操作研究與真實世界的機器人部署而設計。它包含一個 Python 介面(CRISP_PY),在保留 ROS2 強大功能的同時隱藏其複雜性,以及一個 Gymnasium 環境(CRISP_GYM),用於部署已學得的策略並以 LeRobot 資料集格式記錄軌跡。內建的摩擦補償、關節極限迴避、誤差截斷,以及剛性值的執行期動態參數調整等功能,讓它在遠端操作與自主策略執行上都很實用。

CRISP 由 University of Toronto Institute for Aerospace Studies Dynamic Systems Lab(UTIAS DSL)開發,並附有專門的展示套件,示範單臂與雙臂配置。它強調簡潔、即時效能,以及與現代 ROS2 生態系的緊密整合,對從事柔順機器人操作的研究人員與開發者而言是一項寶貴的工具。

CRISP 以原生 ros2_control 外掛的形式,提供用於機器人操作的即時柔順控制器。它支援笛卡兒阻抗控制與操作空間控制,可用於任何扭矩控制的機器手臂,包括 Franka FR3、Panda、UR5、Kinova 與 KUKA iiwa。這個框架包含一個簡化 ROS2 互動的 Python 介面,以及一個以 LeRobot 資料集格式部署已學得策略的 Gymnasium 環境,銜接學習式研究與真實世界部署。

為何重要

CRISP Controllers 填補了 ROS 2 生態系中的一個關鍵缺口:能與學習式操作策略搭配運作的即時扭矩式控制器。沒有這類控制器,要在真實機器人上部署神經網路策略,就得自行撰寫一次性的控制器實作。

解決的問題

要在真實機器人上部署已學得的操作策略,需要低階的扭矩控制器,而大多數 ROS 2 環境都缺少這一層。CRISP 提供將神經網路輸出連接到真實機器人硬體的控制層。

重點

  • 用於 ROS 2 的即時扭矩式笛卡兒空間與關節空間控制器
  • 專為部署學習式操作策略而設計
  • 與 ros2_control 框架整合的輕量實作
  • 支援接觸密集操作不可或缺的柔順控制
  • 從第一天起即開源,並附清楚的文件

適用對象

  • 在真實機器人上部署已學得操作策略的團隊
  • 需要扭矩層級控制介面的 ROS 2 開發者
  • 為接觸密集操作進行模擬到現實(sim-to-real)銜接的研究人員
  • 建構柔順操作系統的公司

限制

  • 需要相容 ros2_control 的硬體介面
  • 扭矩控制需要審慎的安全考量
  • 僅限提供關節層級扭矩 effort 介面的機器手臂
  • 即時需求需要搭配 RT 核心修補的 Linux

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。