【论文分享】Science综述：机器人操作的趋势与挑战 Trends and challenges in robot manipulation

我们抓取与操作物体的能力包括我们灵巧的手、我们的触觉以及眼睛和肌肉的反馈，这些都使我们能够保持受控的抓握。Billard和Kragic 2019年在Science上发表了“Trends and challenges in robot manipulation”综述文章，回顾了机器人学在模拟这些功能方面取得的进展。从完全定义的环境中操作的简单的夹持器发展到能够识别、选择和操作随机收集物体的机器人。计算机视觉、计算机处理能力和给机器人提供反馈的触觉材料正在得到进一步的发展。

论文地址

• 论文下载地址：
  https://science.sciencemag.org/content/364/6446/eaat8414
• CAAI认知系统与信息处理专委会论文分享地址：
  https://mp.weixin.qq.com/s/USfEkANns-8PKugjZ1_1ig

机器人操作现状与挑战

• 机器人能够熟练地在重复和熟悉的设置中收集和操作对象，如工业装配设置。但对于频繁改变抓取物类型形状的不适用。
• 检测部分隐藏的或者透明的物体（例如当相互堆叠时）仍然很困难。
• 虽然机器人擅长处理刚性物体，但它们仍然难以处理因大小、重量或表面特性而不同的柔性材料。
• 机器人灵巧度的提高不仅局限于机械手的设计，而且需要先进的软件程序实时分析视觉、触觉和力信息，并将这些不同的感官联系起来进行建模，以正确识别操作对象并执行操作。
• 机械手设计的难点：持手的总重量较低、灵活的拇指、柔性材料、灵敏的触觉和精确的制动（不会压碎物体）

趋势

• 操作的感知能力：
  • 视觉有利于识别和定位目标。
  • 一旦接触发生，物体被手抓住或探索，触摸和力的测量就变得很重要。
  • 相关的控制算法用于引导抓取或推断物体的物理特性（如刚性和质量分布）
• 控制
  • 稳定的抓取
  • 数据驱动：确定指尖在物体表面的最小数量和最佳位置，以确保稳定性
  • 顺从的手在环境中变形的能力可能会减少操作的认知负荷。
• 从抓取到操作
  • 解决如何抓握一个物体的问题时，他们首先必须确定执行抓握的原因。 → 根据抓取物体，判断下一步执行的操作（根据上下文）
  • 确定使用正确工具的正确抓取 → 对于不同物体的正确的抓取位置和姿势
• 仍然很困难的操作
  • 在杂乱的环境中进行或需要接触丰富的交互作用时 → 遮挡环境下的物体识别、路径规划、多传感器的融合
  • 在物体上产生变化（切割、压碎）的操纵动作仍然很困难 → 力控制
  • 双臂和双手操作
• 学习操作
  • 为了能够操纵世界各地存在的大量物体，机器人必须能够不断地学习，适应他们的感知，并控制不熟悉的物体
  • 训练（首先在模拟中测试算法，然后在真实平台上改进学习）
• 在与人的互动和协作中操纵对象：现实与挑战
  • 安全问题：将近距离检测和力觉检测与基于外部视觉的监测相结合。通过使用轻质机械手，并安装力传感器，以检测意外接触或与人类的碰撞。对于需要操纵重物的应用场景，可以与用于监测人体存在的外部视觉系统相结合。
  • 机器人与人类合作操纵物体的交互式协同操作

展望

• 基础理论还需要发展：软点接触，并为点接触和表面接触提供稳定力
• 数据驱动方法：需要更好的工具来模拟软体，并生成包含力和扭矩信息的相关场景和示例
• 硬件开发和设计：高频控制的驱动手、可以有效避免过度布线或增加大量的重量的传感器
• 安全的物理交互和协作：实现机器和人类之间安全和平滑的同步运动，详细跟踪人体精细运动
• 软质和轻型结构以及基于多传感器反馈的控制和规划方法