Articulated Robotic Manipulator（ARM）

概述

1. 技术现状

1. 1. 规划控制算法相对成熟，已知一个目标状态，可以实现规划和控制
   2. 硬件平台种类较多，臂展1m以上轻量级工业手臂价格较高，在18w-20w，臂展0.5m桌面级价格在5k-10k，可根据实际应用场景考虑减低执行器精度和增加舵机功率，选择合适型号或自研。
   3. 自主抓取是近年关注度较高的研究方向，分割、姿态识别、抓取点识别是目前正在进行的研究内容，目前较好的分拣结果可以达到300次/小时（base line 人类600次/小时）。工作的主要方向在于难识别、复杂重叠和应对多种形状，另外机器人知识图谱的主要应用场景也是基于自主抓取的服务工作。

1. 行业应用场景

1. 1. 将自主抓取分拣用在物流场景：深圳Dorabot（基于安川机械臂）
   2. 厨房等家务场景：猎豹机器人

1. 其他技术应用举例（非ARM）

1. 1. 集成摄像头，补充传感器盲区
   2. 操作未能从厂家拿到控制接口的电梯
   3. 抄表、巡检场景下降低对机身位置精度的要求

 

算法整理

1. Grasp Detection，"bin picking"问题【1】

1. 1. Model-based：SSD-6D: Making RGB-Based 3D Detection and 6D Pose Estimation Great Again
   2. Half-model-based：
   3. Model-free：Google Arm Farm、Berkeley DexNet 4.0、【dexnet2.0 code】
   4. 【3】中列出了一些基础工作
   5. 【7】的分类方式：Analytic  Methods、Robust  grasp  planning  (RGP) 、Empirical Methods
   6. 📎协作机器人发展蓝皮书.pdf
   7. Dex-Net 2.0: Deep Learning to Plan RobustGrasps with Synthetic Point Cloudsand Analytic Grasp Metrics
   8. https://blog.csdn.net/xu1129005165/article/details/83143024