基于支持向量机的机器人多指手预抓取模式分类

机器人多指手的抓持分类是抓持规划的一个主要问题。提出了一种基于支持向量机和二叉树聚类的分类方法来实现机器人多指手的抓持模式分类。根据多指手预抓取物体的几何特征，对机器人多指手的预抓取模式进行识别与分类，仿真结果表明该方法能快速而有效地实现机器人多指手的抓取模式分类。     

基于CNN-LSTM的机器人触觉识别与自适应抓取控制

基于触觉进行物体识别对于机器人实现精细操作、人机交互有着重要意义。结合深度学习理论,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)神经网络的融合模型的机器人触觉序列识别方法,使用14种实验样品组建的触觉数据库进行了十四分类和四分类测试,分别达到了94.2%和95.0%的识别正确率;在此基础上搭建了一套结合物体在线识别的稳定抓取系统,有效地改善了机器人灵巧手的抓握效果。实验表明,对比基本卷积神经网络模型和简单长短期记忆神经网络模型,提出的融合模型对于触觉序列有更好的识别能力,并且能够实际应用于物体在线识别和稳定抓取控制。     

基于最大力螺旋多指手抓取规划

机器人多指手抓取物体时,为了保证抓取稳定性,必须对手指与被抓物体之间的接触位置进行合理的布局,寻求最佳的抓取位置.基于此,提出基于最大力螺旋的多指手抓取规划方法,将多指手可以平衡的最大外力螺旋作为评价规划的性能指标,建立力封闭约束条件下抓取位置与最大外力螺旋优化模型,并运用神经网络进行仿真,将该方法与基于广义力椭球方法进行比较.前者弥补了广义力椭球方法的局限性,可以清楚地描述多指手抓取位置与可平衡外力螺旋之间的对应关系,定量地描述被抓物体的稳定性程度,使得抓取规划的判断更直观、更具有实用性.     

机器人多指手预抓取模式聚类分析

提出一种基于计算机视觉的,以及改进的模糊C均值聚类算法的机器人多指手预抓取模式分类方法.根据人手抓取分类学,将抓取手势分为13类.选取若干具有代表性的不规则形状物体,先经视觉系统采集物体图像,然后运用数字图像处理方法提取物体的姿态、大小、形状和表面粗糙度等特征,最后利用改进后的模糊C均值聚类算法对待抓取物体进行聚类分析.实验结果表明:对比人类抓取策略,该方法具有理想的预抓取模式分类效果.     

基于人工神经网络的抓取规划

针对机器人多指手自身特点，对其所有可能具备的抓取模式进行分类，利用人工神经网络表示被取对象的形状，几何参数及所处姿态与抓了模式之间得杂的非线性映射关系，通过样本对人工神经网络进行训练，用训练好的人工神经网络自动生成抓取模型，讨论更为一般的力分配问题，这时手指和物体之间的接触形式可以是无摩擦的上来的点接触，有摩擦点接触及软指接触中的任何一种，并不论是否对称抓取，为使实时抓取成为可能，考虑用ＢＰ网络和     

基于三维检测网络的机器人抓取方法

机器人抓取任务中面对的是不同形状和大小的物体,而散落在场景中的物体会有不同的姿态和位置,这对机器人抓取中计算物体位姿任务提出了较高的挑战。针对于此,本文设计了一种基于三维目标检测的机器人抓取方法,弥补了基于二维图像识别引导机器人抓取任务中对视角要求较高的缺陷。首先,设计了一种卷积神经网络在RGB图像中识别物体,并回归出物体三维包围盒、物体中心点;其次,提出一种计算机器人抓取物体最佳姿势的策略;最后,控制机器人进行抓取。在实际场景中,使用本文设计的三维检测网络,三维目标检测精度达到88%,抓取成功率达到94%。综上所述,本文设计的系统能有效找到机器人合适的抓取姿势,提高抓取成功率,满足更高的抓取任务要求。     

绳索式假肢手指包络抓取性能的优化研究

不合理的驱动滑轮半径往往导致绳索式假肢手指在包络抓取过程中出现弹射、抓取失败等现象。为了使假肢手指在包络抓取不同尺寸物体时都能有很好的综合抓取性能,文中对影响假肢手指抓取稳定性的驱动滑轮的轮径进行了优化选择。通过仿真研究假肢手指抓取的动态过程,并结合最常用的抓取模式优化选择了各驱动滑轮的轮径值。优化的关键在于考虑了指节与被抓物体表面存在的摩擦力对最终稳定性的影响。仿真验证了绳索式假肢手指在不同包络抓取模式下的综合抓取性能。     

基于RGB图像的机械臂目标抓取位姿估计算法

针对抓取过程中目标物体部分被遮挡的问题，设计了一种基于多尺度特征融合的深度卷积神经网络提取3D目标的投影特征点，并根据不同投影特征点数采用不同的多点透视成像算法。网络使用计算机自动生成的合成数据进行训练，经过验证，使用合成数据训练的网络也能在真实场景中有效工作。最后，搭建了一个基于机器人操作系统的UR5机械臂抓取平台，将训练好的模型部署到该平台上进行抓取实验，结果表明所提方法能够估计出目标物体的位姿，并在实际场景中抓取位姿未知的物体。     

欠驱动仿人机器人手爪的精确捏取与包络抓取研究

研制出一种基于欠驱动机构的仿人机器人手爪,分析了手爪可实现的2种抓取模式(精确捏取和包络抓取),应用力矩平衡分析了精确捏取模式下末关节对物体的作用力与输入转矩的关系,应用虚功原理分析了包络抓取模式下各关节对物体的作用力与输入转矩的关系,并比较了2种抓取模式的抓取质量.最后在COSMOSMotion仿真环境中模拟了2种模式对圆柱形物体的抓取,验证了对抓取质量的分析.     

位置不确定下移动机器人自主抓取方法

往返取物递送移动机器人在入位定点抓取物体时,自身重复定位的不确定性将影响抓取准确性。为此提出一种克服位置不确定性的移动机器人物体抓取新方法。通过机器人体外定点位置深度视觉传感器与机器人手臂系统的关系标定,基于机器人本体激光传感器数据采用迭代最近点算法补偿机器人位置偏差,基于顶抓策略简化描述抓取位姿。通过待抓物识别与定位、确定抓取姿态以及机械臂运动规划等过程,实现了对平整支撑面上形状规则物体的自主抓取。在移动机器人往返取物作业场景下,实验验证了该方法可以显著提升物体抓取的成功率。     

A New Grasping Mode Based on a Sucked-type Underactuated Hand

Robot hands have been developing during the last few decades. There are many mechanical structures and analyti?cal methods for di erent hands. But many tough problems still limit robot hands to apply in homelike environment. The ability of grasping objects covering a large range of sizes and various shapes is fundamental for a home service robot to serve people better. In this paper, a new grasping mode based on a novel sucked?type underactuated(STU) hand is proposed. By combining the flexibility of soft material and the e ect of suction cups, the STU hand can grasp objects with a wide range of sizes, shapes and materials. Moreover, the new grasping mode is suitable for some situations where the force closure is failure. In this paper, we deduce the e ective range of sizes of objects which our hand using the new grasping mode can grasp. Thanks to the new grasping mode, the ratio of grasping size between the biggest object and the smallest is beyond 40, which makes it possible for our robot hand to grasp diverse objects in our daily life. For example, the STU hand can grasp a soccer(220 mm diameter, 420 g) and a fountain pen(9 mm diameter, 9 g). What's more, we use the rigid body equilibrium conditions to analysis the force condition. Experiment evaluates the high load capacity, stability of the new grasping mode and displays the versatility of the STU hand. The STU hand has a wide range of applications especially in unstructured environment.     

Development of Gesture-Changeable under-actuated Humanoid Robotic Finger

Robotic fingers, which are the key parts of robot hand, are divided into two main kinds: dexterous fingers and under-actuated fingers. Although dexterous fingers are agile, they are too expensive. Under-actuated fingers can grasp objects self-adaptively, which makes them easy to control and low cost, on the contrary, under-actuated function makes fingers feel hard to grasp things agilely enough and make many gestures. For the purpose of designing a new finger which can grasp things dexterously, perform many gestures and feel easy to control and maintain, a concept called "gesture-changeable under-actuated" (GCUA) function is put forward. The GCUA function combines the advantages of dexterous fingers and under-actuated fingers: a pre-bending function is embedded into the under-actuated finger. The GCUA finger can not only perform self-adaptive grasping function, but also actively bend the middle joint of the finger. On the basis of the concept, a GCUA finger with 2 joints is designed, which is realized by the coordination of screw-nut transmission mechanism, flexible drawstring constraint and pulley-belt under-actuated mechanism.Principle analyses of its grasping and the design optimization of the GCUA finger are given. An important problem of how to stably grasp an object which is easy to glide is discussed. The force analysis on gliding object in grasping process is introduced in detail. A GCUA finger with 3 joints is developed. Many experiments of grasping different objects by of the finger were carried out. The experimental results show that the GCUA finger can effectively realize functions of pre-bending and self-adaptive grasping, the grasping processes are stable. The GCUA finger excels under-actuated fingers in dexterity and gesture actions and it is easier to control and cheaper than dexterous hands, becomes the third kinds of finger.     

基于抓持分类的接触力分解

研究了机器人手抓持物体时接触力、物体所受外力以及手指关节力矩之间的关系。文中针对三类抓持，分别给出了接触力分解的一般表达式，这些表达式比以往文献更有特点     

三自由度自适应抓持仿人手的设计研究

设计完成了用于仿人形机器人上的具有自动适应被抓持物体几何特征的三自由度仿人手。论文首先设计了具有自适应抓持能力的手指机构，进一步对该手指机构各关节之间的运动耦合关系进行了分析研究，并通过虚拟样机技术验证了所设计的仿人手机构传动系统的正确性和自适应抓持的可行性，最后提出了衡量仿人手抓持能力的指标，分析了所设计的仿人手的抓持能力。所有结果都表明手指机构是合理实用的，所设计完成的仿人手达到了设计要求。     

一种基于生成对抗网络与模型泛化的 机器人推抓技能学习方法

杂乱环境中机器人推动与抓取技能自主学习问题被学者广泛研究,实现二者之间的协同是提升抓取效率的关键,本文提出一种基于生成对抗网络与模型泛化的深度强化学习算法GARL-DQN。首先,将生成对抗网络嵌入到传统DQN中,训练推动与抓取之间的协同进化;其次,将MDP中部分参数基于目标对象公式化,借鉴事后经验回放机制(HER)提高经验池样本利用率;然后,针对图像状态引入随机(卷积)神经网络来提高算法的泛化能力;最后,设计了12个测试场景,在抓取成功率与平均运动次数指标上与其他4种方法进行对比,在规则物块场景中两个指标分别为91.5%和3.406;在日常工具场景中两个指标分别为85.2%和8.6,验证了GARL-DQN算法在解决机器人推抓协同及模型泛化问题上的有效性。     

三指手抓取力封闭性的简单判别算法

根据力封闭抓取的定义建立了利用严格内力的存在条件进行三指灵巧手力封闭抓取判别的研究方法,构建了三指灵巧手力封闭抓取的等价判别算法。在手指指端与物体构成有摩擦的固定点接触模型的前提下,三指灵巧手力封闭抓取条件等价于抓取矩阵满秩并存在严格内力。首先,基于对物体表面接触位置的几何特性分析,建立了摩擦扇存在条件,每个指端接触点的内法矢与接触平面所成夹角小于接触点摩擦圆锥角;其次,通过研究接触点摩擦扇边界线及其交点的相互位置关系,推导了内力汇交多边形的存在条件,任意两个摩擦扇的边界线交点中,至少有一个位于第3个摩擦扇的严格内部,或者至少有3个边界线交点位于第3个摩擦扇边界线上;最后,在考虑内力平衡关系的基础上,建立了基于矢量计算的三指灵巧手力封闭抓取的快速判别算法。     

基于虚拟构架模型分析手指包容抓取内力

在手指包容抓取物体时的内力分析中 ,基于虚拟构架模型来分析手指抓取内力 ,手指任一接触点处的内力通常能分解成该构架虚拟连接点两个 (二维平面 )或三个 (三维空间 )杆轴方向的分力 ,由虚拟构架内力 ,我们给出了二手指和三手指内力表达式。这种内力分析法为处理机器人手的抓力大小、操作规划与优化以及力控制设计等问题提供了理论基础     

Control of whole finger manipulation utilizing frictionless sliding contact—theory and experiment

We propose a whole finger manipulation (WFM) to improve the robustness of manipulation by a multifingered robot hand. The WFM is characterized by enveloping an object by finger links of the multifingered robot hand, and utilizing the frictionless sliding contacts between the surfaces of finger links and the grasped object. Therefore, the WFM can achieve a large manipulation without regrasping the object and can be highly robust in nature because of form-closure due to multiple contact points on the grasped object. This paper discusses the property and control of the WFM. The WFM with frictionless contact is shown to be a manipulable and force closure grasp using kinematics and statics with frictionless sliding contact. We discuss that the force closure for the WFM with frictionless contact can be viewed as form closure. An internal force-based impedance control is proposed for the stable manipulation in consideration of sliding contacts between the object and the finger links. A prototype hand and sensing systems are presented. The validity of the proposed control law is verified through the experiments.