江苏龙网

  1. 首页 > 人文 > >

学术分享 | 机器人灵巧手的研究概览

随着学会的队伍不断发展壮大 ， 分支机构的发展愈发完善 ， 丰富多彩的分支活动与学术分享也频频呈现 。 CAAI认知系统与信息处理专业委员会在助力学会发展的工作中积极开展学术交流 ， 打造了“认知系统和信息处理国际会议”等多个颇具特色的活动 ， 创办了“CognitiveComputationandSystems”国际期刊 。 疫情期间 ， CAAI认知系统与信息处理专委会积极倡导学会“疫情防控不放松 ， 学习充电不间断”的理念 ， 结合本专委会自身领域研究精选相关文献进行研究与解读 ， 与大家分享《机器人灵巧手的研究概览》 。
学术分享 | 机器人灵巧手的研究概览
文章图片

灵巧手作为机器人的末端执行器 ， 由于其良好的灵活性和操作能力得到研究者们的广泛关注 。 通过概览近期IEEEROBOTICSANDAUTOMATIONLETTERS（RAL）、INTERNATIONALJOURNALOFROBOTICSRESEARCH（IJRR）等发表的研究工作 ， 我们总结了目前的灵巧手的主要研究方向 ， 包括：灵巧手操作能力的优化、结构的创新、传感器性能的提升等 。
1）灵巧手结构的优化
香港城市大学和香港大学的研究者们在调研了人手指解剖学的理论的前提下 ， 提出了一种新型的、合理的手指驱动结构[1] 。 这种结构可以实现指间关节和掌骨关节的独立运动 ， 提高了灵巧手的操作能力 。 同时采用这种结构的手指在捏取物体时 ， DIP关节会自适应的弯曲 ， 更加符合人手捏取物体时的动作 。 最后 ， 采用这种结构研制的灵巧手可以完成33个静态的稳定抓取动作 ， 验证了其灵活性能 。
学术分享 | 机器人灵巧手的研究概览
文章图片

图1.灵巧手外形结构图及改良的中指结构示意图
学术分享 | 机器人灵巧手的研究概览
文章图片

图2.采用新型结构的灵巧手指动作示意图 。
(a):从上到下依次显示CMC关节内收、外展、屈曲的拇指运动 ，
以及MCP关节的内旋、MCP关节的屈曲、IP关节的屈曲 。
(b):IP关节的独立运动 。
(c):MCP关节的独立运动 。
(d):指尖对抗外力的过程 。
耶鲁大学的研究者们针对于手指表面的结构进行了优化[2] ， 通过分析人手指指尖结构 ， 他们发现手指软组织被一层更坚硬的皮肤包围 。 这允许手指垫符合周围的物体轮廓 ， 以稳固的抓取 ， 同时也允许低摩擦滑动物体表面与轻触 。 这些不同的操作模式有助于实现手持操作的常见功能 。 因此 ， 他们提出了一个简单的仿照人类的手指垫 ， 通过一个机械手指与高摩擦和低摩擦表面实现 。 低摩擦面悬浮在弹性元件上 ， 当施加足够的法向力(约1.2到2.5N)时 ， 低摩擦面凹进空腔内 ， 露出高摩擦面 。 这样实现了一个可变摩擦力的手指结构 ， 基于这种方法 ， 演示了如何在不需要触觉感知、复杂控制方法的情况下实现物体的手内滚动和滑动 。
学术分享 | 机器人灵巧手的研究概览
文章图片

图3.被动可变摩擦手指的结构
2）灵巧手感知研究
对于灵巧手来说 ， 触觉感知一直是个关键的问题 。 在灵巧手执行任务时 ， 触觉传感器能捕获到灵巧手与外界的接触信息 ， 基于对采集到的信息进行分析 ， 灵巧手可以执行一些复杂的操作任务 ， 如：物体姿态检测、滑觉检测等 。 传感器的性能直接决定了灵巧手的操作能力 ， 因此一款好的传感器对于灵巧手来说非常重要 。
首尔大学的研究团队研制出了一种新型的MagneticSynapseSensor用于触觉反馈[3] 。 并且提出了具有磁性突触传感器的多关节机器人手指的综合设计方案 。 传感器灵敏度为0.016mV/kPa ， 传感范围为350kPa 。 与高灵敏度传感器阵列集成的机器人手指可以抓取各种形状和顺应性的物体 ， 而且不会对物品造成损坏 。 该传感器的优点是：远程触控头与磁性传感器在物理上是分离的 ， 从而避免了电气连接问题 ， 在末端执行器中不使用任何电气组件也保证了传感器可在水中等极端环境使用 。 同时手指采用了模块化设计 ， 单元模块可以被组装和重新组装 ， 以适应触觉传感器的替换和维护 ， 并解决了远程触摸头集成问题 。
学术分享 | 机器人灵巧手的研究概览
文章图片

图4触觉传感系统的远程触头
(a)带模具的弹性体膜
(b)组装的传感器单元
(c)传感器单元示意图
清华大学孙富春教授团队将一种新型的阵列式触觉传感器集成到一款12自由度的灵巧手上[4] 。 该传感器最大量程20N ， 尺寸为15mm*15mm ， 可以在灵巧手指尖上较好的装配 ， 并且在最后进行了抓取实验 ， 传感器的性能较好 ， 在迟滞性、重复性测试上都展示出较好的实验结果 。 同时所设计的灵巧手也展示出了较好的抓取性能 ， 在稳固抓取和灵活抓取实验中均取得了较好的抓取结果 。
学术分享 | 机器人灵巧手的研究概览
文章图片

图5灵巧手结构示意图（每个手指指尖均配有阵列触觉传感器）及抓取实验
韩国又松大学的研究者们赋予了灵巧手识别物体的形状和软硬度的能力[5] 。 将深度学习与计算机视觉相结合 ， 可以正确预测物体的形状和质地 ， 从而进一步提高机械手的性能 。 机械手指尖上的触觉传感器可以通过分析压力数据来预测被抓取物体的软硬度 。 根据物体的柔软度/硬度 ， 可以很容易地对机械手进行编程 ， 使其在不损坏脆弱柔软物体的情况下进行操作 。 并且通过在手指和手掌的不同位置放置一个阵列式传感器 ， 可以预测更广义的抓取力 ， 从而可以准确地预测物体的柔软度和硬度 。
学术分享 | 机器人灵巧手的研究概览
文章图片

图6机械手抓取实验平台
3）灵巧操作研究进展
耶鲁大学的研究团队制定了一个通用性的框架[6] ， 用于进行手-物体的构型估计 。 通过对抓取约束的建模 ， 提出了一种基于粒子滤波的手构型估计框架 。 具体地说 ， 对于任意的抓握方式 ， 首先对一组手的构型进行采样 ， 然后随机地操纵手内的物体 。 使用外部摄像机观察物体的运动时 ， 所设计的估计器会计算每个关节角度的可能性来迭代地估计手的配置 。 一旦收敛 ， 估计器将用于实时跟踪手的配置 ， 以便将来进行操作 。 在此基础上 ， 他们还开发了一种算法来精确地规划和控制欠驱动手的操作 ， 从而将被抓取的对象调整到需要的姿态 。 与大多数其他灵巧的操作方法相比 ， 他们提出的框架不需要任何触觉传感或联合编码器 ， 可以直接操作任何新对象 ， 而不需要一个对象的先验模型 。 最终结果表明 ， 该方法对不同的目标具有较高的估计精度 ， 可以很容易地适应不同结构的手的模型 。
学术分享 | 机器人灵巧手的研究概览
文章图片

图7实验平台:顶部摄像头用于跟踪操控点的运动 ， 侧边摄像头用于跟踪指尖位置
OpenAI团队使用强化学习(RL)来学习灵巧的手操纵策略[7] ， 该策略可以在shadowhand上执行基于视觉的物体重新定位 。 他们采用虚拟环境进行训练 ， 在这个环境中 ， 随机化系统的许多物理属性 ， 如摩擦系数和物体的外观 。 以增加机器人的泛化能力 。 最终将训练好的模型迁移到现实环境下 ， 真实物理环境下的shadowhand表现出了良好的操作能力 。 证明了用RL在虚拟环境中训练的手部操作技能可以达到一个前所未有的灵巧水平 。
学术分享 | 机器人灵巧手的研究概览
文章图片

图8用强化学习训练好的灵巧手 ， 利用视觉感知将一个立方体从初始状态操作到目标状态
参考文献：
[1]ZhongZhang,TaoHan,JiaPan,ZhengWang.DesignofAnthropomorphicFingersWithBiomimeticActuationMechanism.[J]IEEERoboticsandAutomationLetters,2019.
[2]AdamJ.Spiers,BerkCalli,AaronM.Dollar.Variable-FrictionFingerSurfacestoEnableWithin-HandManipulationviaGrippingandSliding.[J]IEEERoboticsandAutomationLetters,2018.[3]Sang-HunK,SunjongO,BumKK,etal.DesignofaBioinspiredRoboticHand:MagneticSynapseSensorIntegrationforaRobustRemoteTactileSensing[J].IEEERoboticsandAutomationLetters,2018.
[4]BinFang,FuchunSun,YangChen,ChangZhu,ZiweiXia,YiyongYang:ATendon-DrivenDexterousHandDesignwithTactileSensorArrayforGraspingandManipulation.ROBIO2019:203-210.
[5]Bhandari,Binayak,Lee,MinKyo.Hapticidentificationofobjectsusingtactilesensingandcomputervision.[J]AdvanceinMechanicalEngineering,2019.
[6]KaiyuHang,WalterG.Bircher,AndrewS.Morgan,AaronM.Dollar.Hand–objectconfigurationestimationusingparticlefiltersfordexterousin-handmanipulation.[J]InternationalJournalofRoboticResearch,2019.
[7]OpenAI,AndrychowiczM,BakerB,etal.LearningDexterousIn-HandManipulation[J].InternationalJournalofRoboticResearch,2019.
“CAAI认知系统与信息处理专委会”2014年成立 ， 每年组织中国科学热点论坛、机器人工程赛、人工智能热点研讨会等多项特色活动 ， 成功召开了多届认知系统和信息处理国际会议(ICCSIP) 。 第五届认知系统和信息处理国际会议(ICCSIP2020)将于2020年12月18-20号在中国珠海横琴岛召开 ， 希望推动认知、心理、智能、机器人等领域的融通交汇 。 此外 ， 还将特别设立科技抗疫专题 ， 欢迎各界人士依托此平台为全球科技抗疫贡献力量 。
欢迎注册中国人工智能学会认知系统与信息处理专业委员会：
http://app01.cast.org.cn:7001/cast/reg.jsp?sid=E66
同时2019年创办了“CognitiveComputationandSystems”国际期刊 ， 目前已经出版了四期 ， 并正式被EICompendex检索 ， 且无需版面费 。
期刊投稿网址：
【学术分享 | 机器人灵巧手的研究概览】http://digital-library.theiet.org/content/journals/ccs


    推荐阅读


    上一篇：“大姨妈”走后，是排毒“黄金期”，及时吃4物，皮肤白嫩，体

    下一篇：如何实现微信小程序的轮盘抽奖功能