『中国人工智能学会』| 机器人灵巧手的研究概览,学术分享( 二 )


『中国人工智能学会』| 机器人灵巧手的研究概览,学术分享
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 。
『中国人工智能学会』| 机器人灵巧手的研究概览,学术分享
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 。
『中国人工智能学会』| 机器人灵巧手的研究概览,学术分享
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 。
『中国人工智能学会』| 机器人灵巧手的研究概览,学术分享
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 。
【『中国人工智能学会』| 机器人灵巧手的研究概览,学术分享】
『中国人工智能学会』| 机器人灵巧手的研究概览,学术分享
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.


推荐阅读