2D and 3D Grasp Planners for the GET Asymmetrical Gripper
تقدم هذه الورقة GET-2D-1.0 وGET-3D-1.0، وهما مخططان للقبض لملقط GET غير المتماثل يستخدمان نهجي RGB-D ثنائي الأبعاد والشبكات ثلاثية الأبعاد على التوالي، مما يظهر تحسينات كبيرة في الأداء مقارنة بالنماذج المرجعية مع تسليط الضلاً على المقايضة بين السرعة العالية للطريقة ثنائية الأبعاد والمكاسب الطفيفة في الدقة للطريقة الأكثر استهلاكاً للحوسبة ثلاثية الأبعاد.
المؤلفون الأصليون:Andrew Goldberg, Ethan Ransing, Anton Kourakin, Cael Magner, Edward H. Adelson, Ken Goldberg
تخيل روبوتاً يحاول التقاط جسم غريب الشكل، مثل سيارة لعبة بمقبض أو صخرة بها ثقب فيها. لعقود من الزمن، كانت أيدي الروبوتات تشبه ملاقط المطبخ القياسية: فكانتان متوازيتان ومستقيمتان تضغطان من جانبين متقابلين. هذا يعمل جيداً مع الصناديق البسيطة، لكنه يشبه محاولة التقاط قطعة صابون زلقة باستخدام إصبعين فقط؛ فإذا حاولت رفعها من المنتصف، ستلتوي وتنزلق من قبضتك بسهولة.
تقدم هذه الورقة البحثية نوعاً جديداً من أيدي الروبوتات يسمى مقبض GET وعقلين (مخططين) يعلمان هذا المقبض كيفية الإمساك بالأشياء بإحكام.
اليد الجديدة: "المقبض غير المتماثل"
تخيل أيدي الروبوت القديمة بأن لها إصبعين متطابقين. أما مقبض GET الجديد فهو مختلف؛ حيث يحتوي على شكل حرف V في جانب واحد (مثل كف يد عريضة ومفتوحة) وإصبع واحد ضيق في الجانب الآخر.
التشبيه: تخيل أنك تحاول الإمساك بمفتاح ربط. إذا استخدمت إصبعين مسطحين، فقد يدور المفتاح. ولكن إذا استخدمت مهداً على شكل حرف V في جانب واحد وإصبعاً واحداً في الجانب الآخر، فسيتم "قفل" الجسم في مكانه. يعمل شكل حرف V كرافعة تثبيت، مما يمنع الجسم من الالتواء حتى لو رفعته من الجانب. يسمح هذا التصميم للروبوت بالإمساك بالأشياء عبر ثلاث نقاط تلامس بدلاً من اثنتين فقط، مما يجعل القبضة أقوى وأكثر استقراراً.
العقلان (المخططان)
تقدم الورقة طريقتين مختلفتين لإخبار هذه اليد الجديدة أين تمسك بالشيء.
1. GET-2D-1.0: "الرسام السريع"
هذا المخطط يشبه رساماً سريعاً ينظر إلى صورة مسطحة لجسم ما.
كيف يعمل: يأخذ صورة واحدة من الأعلى (مثل رؤية عين الطائر)، ويتتبع الخط الخارجي للجسم، ويحوله إلى مضلع بسيط (شكل مكون من خطوط مستقيمة).
الاستراتيجية: هو لا يخمن فحسب. بل يستخدم خدعة رياضية خاصة (تسمى مقياس Ferrari-Canny) لمحاكاة آلاف سيناريوهات "ماذا لو". يتساءل: "إذا أمسكت من هنا، هل سينزلق الجسم إذا هززته؟" إنه يبحث تحديداً عن فرص لإدخال الإصبع الضيق في الثقوب أو إراحة شكل حرف V العريض مقابل الحواف.
النتيجة: هو سريع للغاية (يستغرق أقل من ثانية) وجيد بشكل مدهش في إيجاد قبضات قوية.
هذا المخطط يشبه مهندساً معمارياً دقيقاً يبني نموذجاً ثلاثي الأبعاد للجسم.
كيف يعمل: بدلاً من مجرد مخطط مسطح، يستخدم شبكة ثلاثية الأبعاد كاملة (نموذج رقمي ثلاثي الأبعاد) للجسم. يقوم بإطلاق "أشعة ليزر" من أصابع المقبض ليرى بالضبط أين ستلمس الجسم في الفضاء ثلاثي الأبعاد.
الاستراتيجية: يقوم بحسابات أكثر دقة لكيفية ضغط الأصابع ضد منحنيات وزوايا الجسم.
النتيجة: يجد قبضات أفضل قليلاً من نسخة الـ 2D، ولكنه بطيء جداً، حيث يستغرق حوالي 17 ثانية للتخطيط لعملية إمساك واحدة.
الاختبار الكبير: "الهز والسحب"
لمعرفة أي طريقة كانت الأفضل، وضع الباحثون الروبوت تحت الاختبار باستخدام 10 أجسام صعبة (مثل قبضة تسلق صخرية، ولفة شريط لاصق، وصندوق تروس). وقارنوا مخططاتهم الجديدة بطريقة أساسية تعتمد فقط على الإمساك بـ "الصندوق المحيط" بالجسم (مستطيل وهمي حول الجسم).
استخدموا اختبارين:
الرفع: هل يمكنه رفع الجسم دون إسقاطه؟
الهز: يقوم الروبوت بهز الجسم ذهاباً وإياباً بقوة ليرى ما إذا كان سينزلق.
السحب: يقيس مقياس القوة مدى قوة سحبهم لتدوير الجسم خارج المقبض.
ماذا وجدوا؟
المخطط ثنائي الأبعاد (السريع): كان فائزاً كبيراً. مقارنة بالطريقة الأساسية (الصندوق المحيط)، حسن معدلات النجاح بنسبة تتجاوز 40%. كان أفضل بكثير في رفع الأجسام، والنجاة من اختبار الهز، ومقاومة السحب. لقد أثبت أنك لست بحاجة إلى نموذج ثلاثي الأبعاد بطيء ومعقد للحصول على قبضة رائعة؛ فاستراتيجية 2D الذكية تحقق نتائج مذهلة.
المخطط ثلاثي الأبعاد (البطيء): كان الأكثر نجاحاً، حيث رفع 100% من الأجسام ونجا من اختبار الهز بنسبة 95%. ومع ذلك، ولأن الأمر يستغرق 17 ثانية للتفكير، فهو ليس عملياً لروبوت يحتاج إلى التحرك بسرعة.
المقايضة: المخطط ثنائي الأبعاد (2D) سريع ويكاد يكون بجودة المخطط ثلاثي الأبعاد، بينما المخطط ثلاثي الأبعاد (3D) أكثر متانة قليلاً ولكنه بطيء جداً للاستخدام في الوقت الفعلي.
الخلاصة
تظهر الورقة البحثية أنه من خلال الجمع بين يد جديدة ذات شكل ذكي (مقبض GET غير المتماثل) وخوارزمية تخطيط سريعة وذكية (GET-2D-1.0)، يمكن للروبوتات التقاط الأجسام الصعبة وغريبة الشكل بموثوقية أكبر من ذي قبل. الأمر يشبه الترقية من ملقط يدوي خرق إلى أداة متخصصة تعرف تماماً كيف تحتضن جسماً هشاً أو زلقاً، كل ذلك مع التفكير بسرعة كافية لمواكبة يوم عمل مزدحم.
ملخص تقني لورقة بحثية بعنوان: "مخططات الإمساك ثنائية وثلاثية الأبعاد لمقبض GET غير المتماثل"
1. تعريف المشكلة
تستخدم القابضات المتوازية ذات الفكين التقليدية في الصناعة عادةً فكين ضيقين متماثلين. ورغم بساطتها الميكانيكية، يعتمد هذا التصميم على نقطتي تلامس متقابلتين، مما يخلق محور دوران ذا مقاومة محدودة لعزوم الدوران الخارجية. يؤدي هذا إلى عدم الاستقرار عند التعامل مع أحمال غير مركزة أو أداء مهام تتطلب مقاومة العزم (مثل المسح أو الرسم). وفي المقابل، فإن الفكين العريضين المتماثلين يزيدان من مقاومة العزم ولكنهما يتسببان غالباً في تصادمات غير مقصودة ويحجبان مجال الرؤية لأنظمة الرؤية العلوية.
يعالج مقبض GET (Grasp Everything)، الذي قدمه بيرجيس وأديلسون (2025)، هذه القيود بتصميم أحادي درجة الحرية (1-DOF) غير متماثل يتميز بتكوين "اثنين ضد واحد": فك عريض على شكل حرف V يواجه فكاً واحداً ضيقاً. يتيح هذا الشكل الهندسي ثلاث نقاط تلامس، مما يشكل ذراع رافعة مستقرة ضد اضطرابات العزم. ومع ذلك، فإن مخططات الإمساك الحالية (المصممة للقابضات المتماثلة، أو أكواب الشفط، أو الأيدي متعددة الأصابع) لا تستغل هذه الهندسة الفريدة. تهدف الورقة البحثية إلى تطوير وتقييم مخططات خوارزمية مخصصة لمقبض GET لتعظيم متانة الإمساك.
2. المنهجية
يقترح المؤلفون خوارزميتين مختلفتين لتخطيط الإمساك: GET-2D-1.0 (سريع، يعتمد على الصور) و GET-3D-1.0 (دقيق، يعتمد على الشبكة ثلاثية الأبعاد). يستخدم كلاهما الإغلاق القوي (Force Closure) ومقياس فيراري-كاني (Ferrari-Canny) (مسافة ε) لتقييم جودة الإمساك.
أ. GET-2D-1.0 (المخطط ثنائي الأبعاد)
المدخلات: صورة RGB-D أحادية الرؤية من كاميرا مثبتة على المعصم.
سلسلة العمليات:
التجزئة (Segmentation): تحويل الصورة إلى قناع ثنائي عبر عتبة اللون.
التقريب المضلعي (Polygon Approximation): استخراج الخطوط الخارجية وتبسيطها إلى مضلع باستخدام خوارزميات Teh-Chin و Ramer-Douglas-Peucker.
استراتيجية أخذ العينات (Sampling Strategy): يتم نمذجة المقبض كثلاث دوائر (اثنتان للفك العريض، وواحدة للفك الضيق). يستخدم المخطط ثلاث استراتيجيات أخذ عينات متكاملة:
عينات الحواف (Edge Sampler): تضع الفك العريض بشكل عمودي على حواف المضلع.
عينات الرؤوس (Vertex Sampler): تضع الفك العريض حول رؤوس المضلع.
عينات الثقوب (Hole Sampler): تُدخل الفك الضيق في الثقوب الموجودة داخل مضلع الجسم.
التقييم: يتم تقييم المرشحين عبر أخذ عينات من الاضطرابات الانتقالية ثنائية الأبعاد (ضوضاء غاوسية). تُجمع مقاييس (معدل الإغلاق القوي، عدد نقاط التلامس، ومتوسط مقياس فيراري-كاني) عبر الاضطرابات لضمان المتانة.
المخرجات: أعلى تصنيف لوضعية الإمساك (p,ϕ,z).
ب. GET-3D-1.0 (المخطط ثلاثي الأبعاد)
المدخلات: صورة RGB-D + شبكة ثلاثية الأبعاد (Mesh) مُكتسبة مسبقاً للجسم.
سلسلة العمليات:
المحاذاة (Alignment): محاذاة الشبكة مع السحابة النقطية باستخدام خوارزمية ICP.
أخذ العينات: أخذ عينات عشوائية من أوجه الشبكة (بوزن المساحة) لتوجيه الفك العريض.
تتبع الأشعة (Ray-Tracing): إطلاق أشعة من أسطح تلامس المقبض لتحديد نقاط التقاطع مع الشبكة.
التحسين (Optimization): يقوم محسن بتعديل دوران المقبض لتقليل عدم التوازن في مسافات التلامس بين إصبعي الفك العريض، مما يضمن تلامساً مستقراً ثلاثي النقاط.
التقييم: مشابه للمخطط ثنائي الأبعاد ولكن يعمل في فضاء ثلاثي الأبعاد، حيث يحسب الإغلاق القوي ومقاييس فيراري-كاني على الشبكة.
المخرجات: وضعية الإمساك المثلى ذات 6 درجات حرية (6-DoF).
3. المساهمات الرئيسية
GET-2D-1.0: مخطط إمساك ثنائي الأبعاد سريع، يعتمد على رؤية أحادية، ويستفيد من الهندسة الفريدة لمقبض GET. يقدم "عينات الثقوب" المبتكرة لاستغلال تقعرات الأجسام التي تغفل عنها طرق الصندوق المحيط التقليدية.
GET-3D-1.0: مخطط ثلاثي الأبعاد يعتمد على الشبكة، يقوم بأخذ عينات من المرشحين بكفاءة ويستخدم تتبع الأشعة وانحدار التدرج لتحسين توازن التلامس للمقبض غير المتماثل.
التحقق الفيزيائي: تجارب فيزيائية شاملة تقارن المخططات المقترحة بمرجع (الصندوق المحيط ثنائي الأبعاد) باستخدام ذراع روبوت UR5e، مما أظهر تحسينات كبيرة في نجاح الرفع، والبقاء أثناء الهز، ومقاومة القوة.
4. النتائج التجريبية
أُجريت التجارب على 10 أجسام متنوعة (بما في ذلك أجسام صعبة الإمساك مثل مقابض تسلق الصخور وأغطية التوربينات) باستخدام روبوت UR5e وكاميرا عمق Zed Mini.
المقاييس: نجاح الرفع (%)، البقاء أثناء الهز (%)، وقوة الانزلاق القصوى (نيوتن).
مقارنة المرجع (GET-2D-1.0 مقابل الصندوق المحيط ثنائي الأبعاد):
نجاح الرفع: تحسن من 65% (المرجع) إلى 95% (+46%).
البقاء أثناء الهز: تحسن من 60% إلى 90% (+50%).
مقاومة القوة: تحسنت من 2.50 نيوتن إلى 3.95 نيوتن (+58%).
السبب: فشل المرجع في استغلال الثقوب في الأجسام (مما أدى لفتح مفرط) وغالباً ما فشل في تشغيل جميع أسطح التلامس الثلاثة.
GET-3D-1.0 مقابل GET-2D-1.0:
الأداء: حقق GET-3D-1.0 نجاح رفع بنسبة 100% وبقاء أثناء الهز بنسبة 95%، متفوقاً قليلاً على المخطط ثنائي الأبعاد.
المقايضة: GET-3D-1.0 أبطأ بكثير، حيث يستغرق في المتوسط 17 ثانية لكل تخطيط مقار by 683 مللي ثانية لـ GET-2D-1.0.
مقاومة القوة: من المثير للاهتمام أن GET-2D-1.0 حقق متوسط قوة انزلاق أعلى (3.95 نيوتن) من GET-3D-1.0 (3.20 نيوتن)، مما يشير إلى أن استراتيجية أخذ العينات في المخطط ثنائي الأبعاد وجدت وضعيات إمساك أكثر متانة في مجموعة الاختبار المحددة.
5. الأهمية والخاتمة
يسد هذا العمل الفجوة بين التصميم العتادي المبتكر لمقبض GET وبرمجيات المناولة الروبوتية العملية.
العملية: يوفر GET-2D-1.0 حلاً يقارب الزمن الحقيقي (أقل من ثانية) يتفوق بشكل كبير على طرق الصندوق المحيط التقليدية، مما يجعله مناسباً للبيئات الصناعية الديناميكية.
المتانة: توفر الهندسة غير المتماثلة، عند اقترانها بهذه المخططات، مقاومة فائقة لعزم الدوران والاستقرار مقار بالمقابض المتماثلة.
العمل المستقبلي: يشير المؤلفون إلى قيود تتعلق بالأجسام السوداء (مشاكل التجزئة) والتكلفة الحسابية للمخطط ثلاثي الأبعاد. تشمل الاتجاهات المستقبلية إنشاء مجموعات بيانات لمخططات الإمساك القائمة على التعلم لتسريع العملية بشكل أكبر.
باخت ملخص، تثبت هذه الورقة أنه من خلال تخصيص خوارزميات تخطيط الإمساك لتناسب الهندسة غير المتماثلة لمقبض GET، يمكن للروبوتات تحقيق معدلات نجاح واستقرار أعلى بكماً في التعامل مع الأجسام المعقدة مقارنة بالأساليب المتماثلة القياسية.