概述
- 技术现状
-
- 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
- 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。
- 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。
- 行业应用场景
-
- 将自主抓取分拣用在物流场景:深圳Dorabot(基于安川机械臂)
- 厨房等家务场景:猎豹机器人
- 其他技术应用举例(非ARM)
-
- 集成摄像头,补充传感器盲区
- 操作未能从厂家拿到控制接口的电梯
- 抄表、巡检场景下降低对机身位置精度的要求
算法整理
- Grasp Detection,"bin picking"问题【1】
-
- Model-based:SSD-6D: Making RGB-Based 3D Detection and 6D Pose Estimation Great Again
- Half-model-based:
- Model-free:Google Arm Farm、Berkeley DexNet 4.0、【dexnet2.0 code】
- 【3】中列出了一些基础工作
- 【7】的分类方式:Analytic Methods、Robust grasp planning (RGP) 、Empirical Methods
- 📎协作机器人发展蓝皮书.pdf
- Dex-Net 2.0: Deep Learning to Plan RobustGrasps with Synthetic Point Cloudsand Analytic Grasp Metrics
- https://blog.csdn.net/xu1129005165/article/details/83143024