Hybrid Roller-Jamming Gripper for Object Acquisition and Retention Under Pose Uncertainty
本文提出了一种混合式滚轮堵塞夹持器，该夹持器结合了主动滚轮驱动摄取与真空诱导颗粒堵塞技术，以实现在显著姿态不确定性下的鲁棒物体获取与保持，在 840 次抓取试验中展示了 96.7% 的成功率，而消融实验中仅使用其中任一机制的性能则显著较低。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，一个机器人正试图从凌乱的床头柜上拿起一瓶药片，或者从杂乱的地板上捡起一只袜子。在完美的实验室环境中，机器人确切知道物体的位置及其摆放方式。但在真实的家庭环境中，物体往往是隐藏的、倾斜的或部分被遮挡的。当机器人根据猜测伸手去抓时，经常会错过物体的中心，只能接触到物体的边缘或侧面。这种不完美的第一次接触是家用机器人面临的一个主要障碍。为了解决这个问题，工程师开发了两种主要的机器人手。一种类型使用柔软、灵活的手指来包裹物体；另一种则使用一种被称为“颗粒堵塞”（granular jamming）的特殊技术，即通过真空吸力将装满微小颗粒的袋子吸紧，使其变得坚硬并抓牢物体。然而，软体手在将对齐不良的物体拉入稳固抓握方面可能会遇到困难，而堵塞手则需要在进行有效的硬化之前实现良好的全面接触。如果初始接触不佳，堵塞手可能会仅仅锁定在一个微小且不稳定的点上，从而导致物体掉落。
早稻田大学的研究人员构建了一种全新的机器人夹持器，将两者的优点结合在了一个设备之中。这种混合动力夹持器拥有两个手指，每个手指末端都有一个由填充了微小颗粒的软质充气膜制成的巨大球形滚轮。该设备通过两个截然不同的阶段来应对杂乱环境中的不确定性。首先，当手指接触到物体时，即使接触点偏离中心或不完整，滚轮也会开始向内旋转。这种滚动动作会主动将物体向夹持器的中心拖拽，就像传送带将包裹拉到位一样。一旦物体被拉入到位且接触稳固，第二个阶段便开始了：对滚轮施加真空。这会吸走填充颗粒的薄膜中的空气，使它们瞬间变硬并牢牢锁住物体。其结果是，这种手既能先修正错误的抓取路径，又能紧紧抓牢。
为了测试这个想法是否可行，团队将原型安装在一个七轴机器人手臂上，并进行了一系列大规模的试验。他们选择了八种截然不同的物体，以代表家中常见的各种物品：一支笔、一颗弹珠、一个大容量加仑桶、一个塑料杯、一张纸、一件T恤、一个压力表和一个电缆。对于每种物体，他们都刻意引入了误差。在某些测试中，他们将物体的起始位置移动了高达其宽度的百分之二十，以模拟判断失误的接近过程。在另一些测试中，他们将机器人的手倾斜了十度（各个方向），以模拟笨拙的角度接近。他们重复了这些测试数百次，总计进行了840次尝试。结果令人瞩目。这款混合动力夹持器在840次尝试中成功了812次。它在应对位置误差方面表现得尤为鲁棒，在216次物体发生偏移的尝试中成功了215次。它也能很好地处理倾斜接近的情况，在624次试验中成功了597次。
为了准确理解系统的每个部分贡献了多少力量，研究人员进行了第二组实验，其中他们关闭了特定的功能。当他们禁用滚动动作，让夹持器仅依靠堵塞机制时，成功率显著下降，尤其是在面对像笔和电缆这样细长或形状不规则的物体时。由于缺乏将物体拉向更好位置的滚轮，堵塞机制经常会锁定在一个脆弱的局部接触点上并导致失败。相反，当他们禁用堵塞功能，让夹持器仅依靠滚动时，它通常可以抓取物体，但在保持稳固方面表现挣扎，特别是面对像加仑桶这样的重物时。滚动动作非常擅长“获取”物体，但堵塞机制对于“保持”物体至关重要。完整的混合系统——利用滚动来修正抓取并利用堵塞来锁定——被证明是最可靠的方法。
这项研究表明，将主动运动与被动硬化相结合，是机器人应对不可预测环境的一种强大策略。虽然目前的原型仍是一个实验室设备，需要针对特定物体进行仔细校准，但其核心机制已得到验证。研究人员发现，在硬化抓握之前主动将物体向内拉拽的能力，使机器人能够从那些会导致其他夹持器失效的不完美起始状态中恢复过来。这项工作为能够应对人类家庭中杂乱、非结构化现实情况的机器人迈出了切实的一步，将一次笨拙的伸手转化为一次稳固的抓握。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。