您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
机器人 正文
发私信给李淼robot
发送

0

机器人抓取?真没想的那么简单!

本文作者:李淼robot 2017-01-11 22:12
导语:抓取是机器人走进真实世界必不可少的功能,手对人类是如此重要,我们当然希望赋予机器人同样的功能。

雷锋网按:本文作者李淼,武汉库柏特科技创始人,瑞士洛桑联邦理工博士,研究方向为机器人学习和人机协调交互。

六个月前写了一篇机器人抓取的专栏文章,介绍了一下机器人抓取的基本研究内容和方法。文章链接:机器人从什么时候开始抓取的(上)。当时就说了未完待续,一直想更详细的介绍下机器人抓取。在2017年的开始两天,终于可以抽出时间来稍微整理一下这方面的内容。

完整的PPT下载链接

一、什么是机器人抓取?

如下图所示,给定一个物体和手,机器人抓取的基础问题分为三个:

  • 怎么样去抓 

  • 怎么样去控制 

  • 怎么样去操作

按照难度,这三个问题基本是依次递增的。

机器人抓取?真没想的那么简单!

1、怎么样去抓?(Grasp Planning)

这个问题基本是一群大牛一开始就研究的问题,包括Salisbury,Mason,Cutkosky,Khatib 等等。大家研究来研究去,就是想知道:给定一个物体,给定一个任务,给定一个手,这个手该怎么去抓这个物体才是最好的?这个方向的最著名的结果算是force-closure了, 在很长时间基本相当于控制里面的稳定性的重要性了。我在读博士前两年,基本也是做这个,当时带我的博士后Sahar在这个方向做得相当不错,不过她转行搞金融去了。最近这个方向基本就是往与Learning结合的套路上走,可以参考Sergey Levine在Google时的工作。

2、怎么样去控制?(Grasp Control)

这个问题就是研究力控,包括手指末端的力控,触觉控制等,刚度控制,阻抗控制等等。很长一段时间,大家都在试图计算什么样的手指抓取力才是最优的(话说当年开始读硕士时,第一个给我邮寄纸质论文的Imin Kao 教授就是做抓取的刚度控制的)。这里面以Martin Buss和李泽湘老师组的工作最为著名,将一个非线性优化问题转化成一个线性矩阵不等式问题,基本在几十毫秒左右可以得到优化结果。最近的这个方面的最好的工作应该算是DLR出来的object-level impedance control(IJRR)了(文章第一作者Wimbock也转行了)。现在还坚守在这个方向的主要就是几个日本教授了,包括我的合作者Kenji。话说Kenji的老板Arimoto教授,退休后才开始搞机器人抓取的,还出了本书。他属于上古大神级别,现在很少有人知道,IROS 2016他的生日聚会也相当高端,可以感受下(2006 International Symposium on Advanced Robotics and Machine Intelligence)。

3、怎么样去操作?(Dexterous Manipulation)

其中最后一个问题的dexterous manipulation(灵巧操作),已经很多年没有什么好的进展了,现在也很少有人去碰这个问题了。Cutkosky的博士论文是搞这个,后来还搞了几年,再后来把实验室名字都换了,算是转方向了。Peter Allen 组以前有个博士后搞这个,后来好像是潜水挂了,很是遗憾。最近的soft robotics火了,这个方向好像有了新的转机,Oliver Broc也开始做这个方向了。

二、为什么机器人抓取重要?

如下图所示,机器人抓取的研究涉及到很多方面,包括机械,控制,计算机,人工智能等等。很多时候,机器人抓取是一个很好的最小研究例子(minimal example),来支撑各个方向的研究。其次,机器人抓取中的研究内容,特别是灵巧性和交互性,能够对其他很多相关的研究起到作用,下面的第二张图就说明了这一点。另外,抓取也是机器人走进真实世界必不可少的功能,手对人类是如此重要,我们当然希望赋予机器人同样的功能。

机器人抓取?真没想的那么简单!

机器人抓取?真没想的那么简单!

三、为什么机器人抓取很难?

抓取对我们而言是如此简单,所以我们很有可能认为对机器人也很简单,但实际上是相当难的。如果看过各种或者参加过各种抓取比赛,应该是生无可恋了,机器人抓取的底线比你想象的肯定要低。但是很多paper中的数据都是在制定的非常不真实的条件下,给人一种很高的成功率的感觉。记得我在我博士论文里面给了个30%左右的成功率,有个答辩委员问我为什么这么低,这不符合常理。但是这就是现实。

现实世界有太多的不确定性,因为不确定性,我们在抓取中用到的模型基本上都是不准确的,甚至是错的。而我们又没有足够好的传感器,可以实时给我们反馈真实的状态。更糟糕的是,我们连一个好点的手也没用,很难准确的去控制机器人手到我们想要的状态。未来很长一段时间,怎么样处理这些不确定性,将会是机器人抓取的一个热点方向。其实这个方向也很热,基本每年都有相关的workshop。这里推广下我们2017年的ICRA workshop

四、未来的方向?

既然还有这么多的未解决的问题,那么未来的方向在哪里?我自己总结了几个点:更好的理解不确定性,更多的利用接触,更灵巧的设计,更稳定的传感器。这几个方向的阐述,也是很大的一个坑,将来一个个添补吧。(我博士毕业后,如果去美国做博士后,就是研究其中的第一点和第二点)。如果这几个点做好了,机器人抓取离大面积的现实应用也不会太远。

最近我们在公司实现的无序抓取(random bin picking)

如果对机器人抓取,力控,机器人学习,嵌入式系统了解并感兴趣,欢迎联系。

另外,我们也长期招聘优秀实习生,可以做第一手的研究和推荐出国。

个人研究主页

雷峰网特约稿件,未经授权禁止转载。详情见转载须知

分享:
相关文章

专栏作者

库柏特科技CEO,武汉大学特聘副教授。瑞士联邦洛桑理工(EPFL)博士,研究方向为机器人学习和人机协调交互。
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说