CN103128729A - 机器人装置、控制该机器人装置的方法和计算机程序 - Google Patents

Abstract

本申请涉及机器人装置、控制该机器人装置的方法和计算机程序。一种机器人装置包括：多个臂部分；抓取容易性计算部分，被配置成计算抓取容易性的指数值，所述指数值对所述多个臂部分中的每一个臂部分采用抓取物体的抓取姿态或采用导向所述抓取姿态的过渡姿态的容易性进行量化评估；臂部分选择部分，被配置成基于针对各所述臂部分计算的抓取容易性的指数值选择用于实际抓取所述物体的臂部分。

Description

机器人装置、控制该机器人装置的方法和计算机程序

技术领域

本申请公开的技术涉及具有多个臂部分（arm section）的机器人装置、控制该机器人装置的方法和计算机程序。更具体地讲，本技术涉及用于根据时刻动态变化的周围环境的情况来使用任一个臂部分执行工作的机器人装置、控制该机器人装置的方法和计算机程序。

背景技术

工厂中有大量的臂同时操作。通常，每个臂将要执行的任务是提前确定的，并且臂和该臂将要执行的相对应的任务是固定地设计的。

相比之下，假定生活支持（life support）机器人从事我们的日常生活中的活动。机器人操作的周围环境是时刻动态变化的，因此机器人有必要根据情况确定使用哪个臂以便执行工作。也就是说，没有提前确定生活支持机器人的每个臂将要执行的任务，因此不可能固定地设计每个臂将要执行的任务。

例如，当使用两个臂操作一个物体时，已有人提议双臂机器人使用靠近该物体的臂（例如参见日本未实审的专利申请公开No.2006-167902）。然而存在下述情况：取决于有待抓取的物体的姿态以及与周围环境的物体的位置关系，更远离物体的臂要比更靠近物体的臂更易于抓取物体。可以认为，使用更靠近有待抓取的物体的臂的策略仅仅局限于有待抓取的物体的姿态是固定的并且不存在障碍物的情况。

在医疗等领域，已经引入了具有三个臂或更多个臂的机器人（例如参见日本未实审的专利申请公开（PCT申请的翻译）No.2008-541990）。可以预测，当在臂的数量增加的情况下在多样化的环境下存在物体时，关于在多个臂中使用哪个臂进行操作的问题将会变得更加重要。

发明内容

希望提供一种卓越的机器人装置、控制该机器人装置的方法和计算机程序，所述机器人装置具有多个臂部分并且能根据时刻动态变化的周围环境的情况使用任何一个臂部分合适地执行工作。

还希望提供一种卓越的机器人装置、控制该机器人装置的方法和计算机程序，当存在物体时，所述机器人装置能合适地确定在更加多样化的环境下使用多个臂部分中的哪个来操作。

根据本公开的实施例，提供了一种机器人装置，所述机器人装置包括：多个臂部分；抓取容易性计算部分，被配置成计算抓取容易性的指数值，所述指数值对所述多个臂部分中的每个臂部分采用抓取姿态（用于抓取物体）或采用过渡姿态（用于导向所述抓取姿态）的容易性进行量化评估；臂部分选择部分，被配置成基于针对各个臂部分而计算的抓取容易性的指数值，来选择用于实际抓取物体的臂部分。

以上所述的实施例还包括：抓取计划部分，被配置成针对各个所述臂部分在使用臂部分抓取所述物体时确定抓取点以及在所述抓取点抓取所述物体时的手位置姿态；臂部分姿态确定部分，被配置成确定所述臂部分相对于所确定的手位置姿态的姿态，其中，所述抓取容易性计算部分对采用所述臂部分姿态确定部分确定的姿态的容易性进行量化评估。

在以上描述的实施例中，对于所述多个臂部分中的每个臂部分，抓取容易性计算部分可以基于在抓取物体的抓取姿态或导向抓取姿态的过渡姿态中臂部分的可操纵性，来计算抓取容易性的指数值。

在以上描述的实施例中，对于所述多个臂部分中的每个臂部分，抓取容易性计算部分可以基于在抓取物体的抓取姿态或导向抓取姿态的过渡姿态中臂部分的关节离关节运动范围极限的关节距离，来计算抓取容易性的指数值。

在以上描述的实施例中，对于所述多个臂部分中的每个臂部分，抓取容易性计算部分可以基于在抓取物体的抓取姿态或导向抓取姿态的过渡姿态中臂部分与周围环境之间以及臂部分与自身主体之间的最短距离，来计算抓取容易性的指数值。

在以上描述的实施例中，对于所述多个臂部分中的每个臂部分，抓取容易性计算部分可以基于在抓取物体的抓取姿态或导向抓取姿态的过渡姿态中下述至少两项的组合来计算抓取容易性的指数值：臂部分的可操纵性、臂部分的关节离关节运动范围极限的关节距离、臂部分与周围环境之间以及臂部分与自身主体之间的最短距离。

根据本公开的另一个实施例，提供了一种控制机器人的方法，所述方法包括：抓取容易性计算步骤，用于计算抓取容易性的指数值，所述指数值对所述多个臂部分中的每个臂部分采用抓取姿态（用于抓取物体）或采用过渡姿态（用于导向所述抓取姿态）的容易性进行量化评估；臂部分选择步骤，用于基于针对各个臂部分而计算的抓取容易性的指数值，来选择用于实际抓取物体的臂部分。

根据本公开的另一个实施例，提供了一种以计算机可读格式描述的计算机程序，用于使计算机作为包括下述项的装置：抓取容易性计算部分，被配置成计算抓取容易性的指数值，所述指数值对所述多个臂部分中的每个臂部分采用抓取姿态（用于抓取物体）或采用过渡姿态（用于导向所述抓取姿态）的容易性进行量化评估；臂部分选择部分，被配置成基于针对各个臂部分而计算的抓取容易性的指数值，来选择用于实际抓取物体的臂部分。

以上描述的计算机程序是以计算机可读格式定义的计算机程序，使得在计算机上实现预定的处理。换一种说法，通过在计算机上安装以上描述的计算机程序，在计算机上执行协同操作。因此，可以获得与以上描述的机器人装置相同的工作效果。

通过本申请中公开的技术，可以提供一种卓越的机器人装置、控制该机器人装置的方法和计算机程序，当在多样化的环境下存在物体时，所述机器人装置能合适地确定使用多个臂部分中的哪个来操作。

通过本申请中公开的技术，可以提供一种卓越的机器人装置、控制该机器人装置的方法和计算机程序，所述机器人装置能根据环境状况和自身主体状态从多个臂部分选择最容易抓取物体的臂部分并且能在更多样化的环境中执行稳定的抓取任务。

通过本申请中公开的技术，通过基于在各计算臂部分抓取物体时抓取容易性指数来确定哪个臂部分实际用于抓取，可以以自然的臂姿态抓取物体。

另外，通过本申请中公开的技术，当在臂部分抓取的时候确定抓取点时，使用逆向运动学（inverse kinematics）确定在抓取点抓取物体的时候相对于手位置姿态的臂部分姿态。同时可以将采用该姿态的臂部分的抓取容易性的量化评估值作为臂部分的抓取容易性指数。具体地讲，可以基于在采用确定的臂部分姿态的时候的可操纵性、与臂部分关节的关节运动范围的关节距离以及臂部分与周围环境和自身主体之间的最短距离给出抓取容易性的量化评估。

另外，通过基于以下描述的实施例和附图的详细描述，本申请中公开的技术的其他目的、特征和优点都将变得清晰。

附图说明

图1为图示了可以应用本申请中公开的技术的机器人装置的外部视图的图；

图2为示意性地图示了可以应用本申请中公开的技术的机器人装置的关节的自由度的配置的图；

图3为示意性地图示了用于控制图1中图示的机器人装置的功能配置的图；

图4为图示了使用右侧和左侧臂部分抓取物体的计划处理系统的配置的示例的图；

图5为图示了分别由右侧手和左侧手抓取位于同一位置的物体的状态的图；以及

图6为图示了在几个位置（诸如臂部分、环境以及自身主体）设置碰撞检测点并且确定干涉可能性的状态的图。

具体实施方式

以下，将参照附图给出本申请中公开的技术的实施例。

图1图示了可以应用本申请中公开的技术的机器人装置100的外部视图。机器人装置100具有多个联接件（link）通过关节连接的联接结构，并且单个关节分别由致动器操作。另外，图2示意性地图示了机器人装置100的关节的自由度的配置。图1和图2中图示的机器人装置100安装在时刻动态变化的周围环境中，诸如家中等，并且执行生活支持，诸如家务琐事、护理等。然而，机器人装置100还可以安装在工厂等，并且执行固定的任务。

图1和图2中图示的机器人装置100是双臂类型的，并且具有在基座部分中彼此相对的作为移动元件的两个驱动轮101R和101L。驱动轮101R和101L由分别单独地绕着俯仰轴（pitch axis）旋转的驱动轮致动器102R和102L驱动。就这一点而言，在图2中，标号151、152、153是实际不存在的欠致动（underactuated）关节，并且分别对应于机器人装置100相对于地面X方向（前后方向）的平移自由度、Y方向的平移自由度（左右方向）和绕着偏航轴（yaw axis）的旋转自由度，从而表示机器人装置100在虚拟世界中的运动。

移动元件通过腕关节连接到上主体。移动元件由绕着俯仰轴旋转的腕关节俯仰轴致动器103驱动。上主体包括两个（右侧和左侧）臂部分和通过颈关节连接的头部分。左侧和右侧臂部分各自在肩关节具有三个自由度，在肘关节具有两个自由度并且在腕关节具有两个自由度，并且因此总共具有七个自由度。肩关节的三个自由度由颈关节俯仰轴致动器104R/L、肩关节横滚轴（roll axis）致动器105R/L和肩关节偏航轴致动器106R/L驱动。肘关节的两个自由度由肘关节俯仰轴致动器107R/L和肘关节偏航轴致动器108R/L驱动。腕关节的两个自由度由腕关节横滚轴致动器109R/L和腕关节俯仰轴致动器110R/L驱动。另外，颈关节的两个自由度由颈关节俯仰轴致动器111和颈关节横滚轴致动器112驱动。另外，每个手关节的一个自由度由相对应的手关节横滚轴致动器113R/L之一驱动。

就这一点而言，尽管图1和图2中图示的机器人装置100具有移动元件，该移动元件具有相对的两个轮子，但是本申请中公开的技术要点并不局限于具有相对的两个轮子的移动元件。例如，还可以以相同的方式将本申请中公开的技术应用于设置具有腿的移动元件的机器人装置100。

各轴的致动器附接有用于测量关节角度的编码器、用于生成扭矩的电机、用于驱动该电机的电流控制型电机驱动器以及用于获得充足的生成的力的减速齿轮。另外，各致动器具有执行致动器的驱动控制的微型计算机（图2中未示出）。

机器人装置100的动态计算在主计算机上执行，并且生成单独的致动器的扭矩或关节角度的控制目标值。控制目标值传输到提供给致动器的控制微型计算机，并且分别用于控制微型计算机执行的对致动器的控制。另外，单独的关节致动器是由力控制方法或位置控制方法进行控制的。

图3示意性地图示了用于控制图1中图示的机器人装置100的功能配置。机器人装置100包括控制单元310、输出/输出部分320和驱动部分330，控制单元对整个操作和其他数据处理执行整体控制。以下，将给出单独的部分的描述。

输出/输出部分320包括对应于机器人装置100的眼睛的照相机321和距离传感器322作为输入部分，和对应于机器人装置100的耳朵的麦克风323等。另外，输出/输出部分320包括对应于机器人装置100的嘴的扬声器324作为输出部分等。这里，距离传感器322包括空间传感器，例如，激光测距仪等。可以使用照相机321和距离传感器322测量有待臂部分抓取的物体的三维形状、位置和姿态。另外，机器人装置100允许接收任务指令，例如，通过用户从麦克风323的语音输入。然而，机器人装置100可以包括通过有线连接、无线连接或通过记录介质等的其他任务的指令的输入元件（图中未示出）。

驱动部分330是用于在机器人装置100的各关节实现自由度的功能模块，并且包括在单独的关节针对各轴（诸如横滚轴、俯仰轴和偏航轴等）布置的多个驱动单元。各驱动单元包括绕着预定轴执行旋转操作的电机331、检测电机331的旋转位置的编码器332以及基于速度编码器332的输出适应性地控制电机331的旋转位置和旋转速度的驱动器333的组合。

控制单元310包括识别部分331、驱动控制部分312和环境地图313。

识别部分311基于从输入部分获得的信息识别周围环境，诸如输出/输出部分320中的照相机321和距离传感器322。例如，识别部分311基于提前的输入信息建立和更新环境地图313。

驱动控制部分312控制输入/输出部分320中的输出部分和驱动部分330的驱动。例如，驱动控制部分312执行驱动部分330的控制以便机器人装置100完成任务。机器人装置100完成的任务（这里提到的）包括与来自用户的指令和响应于环境的操作相一致家务琐事和护理。

将考虑图1至图3中图示的双臂机器人装置100在多样化环境下操作物体的情况。图4图示了使用右侧和左侧臂部分抓取物体的计划处理系统400的配置的示例。图4中图示的计划处理部分400包括物体姿态测量部分410、用于左侧和右侧臂部分的计划器420L/R和臂部分选择部分430。计划处理部分400是（例如）通过在计算机上执行预定的程序代码而实现的，计算机安装在机器人装置100内或机器人装置100外。

物体姿态测量部分410使用照相机321和距离传感器322测量物体的三维形状、位置和姿态。

左侧和右侧计划器420L/R分别包括抓取点确定部分421L/R和手位置姿态确定部分422L/R。

抓取点确定部分421L/R在相应的臂部分抓取物体时计划应当抓取物体的哪个部分并且输出抓取点集合作为处理结果。

当各臂部分在相应的一个抓取点确定部分421L/R所确定的抓取点集合抓取物体时，各手位置姿态确定部分422L/R确定各臂部分如何行进，使得考虑到手结构，相应的手对于物体应当采用什么样的位置和姿态。

就这一点而言，图4中以虚线围住的抓取点确定处理和手位置姿态确定处理事实上彼此紧密相关。如图4所示，可以认为抓取点确定处理和手位置姿态确定处理不是独立执行的，而是被配置成同时确定。对于抓取点确定处理和手位置姿态确定处理的细节，例如，参见Andrew T.Miller，Steffen Knoop，Peter K.Allen，Henrik I.Chrostensen，“Automatic GraspPlanning Using Shape Primitives”（Proceedings of IEEE InternationalConference on Robotics and Automation，2003年，第1824-1829页）。

执行计划以把手移动到由各个手位置姿态确定部分422L/R确定的位置和姿态。各个臂部分姿态确定部分423L/R确定臂部分姿态，也就是说，在每次使用逆向运动学的过渡的过程中的臂关节值（这是常识）。

以此方式，确定了用于各臂的由手抓取物体的臂部分的位置和姿态。在如图1中图示的具有多个臂部分的机器人装置100的情况中，另外，有必要执行确定使用哪个臂部分来抓取物体的处理。

在本实施例中，与各个臂部分相应的一个计划器420L/R确定用于通过各手抓取物体的臂部分的姿态，然后相应的一个抓取容易性计算部分423L/R对采用所确定的臂部分姿态的容易性执行量化评估。量化评估的值用作确定各臂部分的抓取容易性的指数。并且臂部分选择部分430基于经过了量化评估的抓取容易性指数选择臂部分来实际抓取物体。

抓取容易性计算部分423L/R可以给出可操纵性、关节运动范围以及与环境的干涉可能性作为计算抓取容易性的量化评估指数。以下，将描述基于各量化评估指数确定臂部分的方法。

（1）基于可操纵性进行确定

可以说“容易抓取”意味着不给臂部分采用不自然的姿态。作为用于量化臂部分是否采用不自然的姿态的指数，可以给出可操纵性。对于可操纵性的细节，例如参见Yoshikawa Tsuneo，“Manipulability of RobotArm”（Journal of the Robotics Society of Japan，1984年，第2卷，第1期，第63-67页）。

以下表达式1表示的线性关系适用于平移速度、手的角速度和关节速度。

$\left(\begin{array}{c}\stackrel{\·}{\mathrm{\χ}}\\ \mathrm{\ω}\end{array}\right)=J\left(q\right)\stackrel{\·}{q}---\left(1\right)$

手平移速度

ω：手的角速度

q：关节角度

关节速度

在表达式（1）中，J(q)是雅可比式，并且是关节角度q的非线性函数。

假定雅可比式J的奇异值是σ₁、σ₂、...σ_n，则可操纵性w由表达式（2）定义如下。

w=σ₁σ₂...σ_n                 （2）

可以说，可操纵性w越大，该臂部分的手就更容易操作，因此是更容易的姿态。各个臂部分相应的一个臂部分姿态确定部分423L/R可以在抓取物体的状态下获得关节值q。各抓取容易性计算部分424L/R计算值q的雅可比行列式J(q)，并且从奇异值计算可操纵性w。从而，可以使用值w作为抓取容易性指数。

就这一点而言，如果计算机具有足够的能力，就可以不仅计算在抓取物体的状态下的关节值q，而且计算当手移动时所有姿态的可操纵性w。从而，可以使用移动过程中的最小值作为抓取容易性指数。

（2）基于关节运动范围进行确定

关节具有运动范围极限。很难说靠近极限区的臂姿态是容易的姿态。图5图示了分别由右侧手和左侧手抓取位于同一位置的物体的状态。如图5中上侧所示，当右侧臂的手抓取物体时，肘关节的关节角度q_i具有远离运动范围极限的最小值q_i ^min和最大值q_i ^max的关节距离。因此，可以说右侧手抓取物体是容易的姿态。另一方面，如图5中下侧所示，当左侧臂的手抓取物体时，尽管肘关节的关节角度q_i具有远离运动范围极限的最小值q_i ^min的关节距离，但是靠近最大值q_i ^max。因此，很难说由左侧手抓取物体是容易的姿态。

这里，如果假定臂部分的第i个关节的运动范围是【q_i ^min,q_i ^max】，则关节i的运动范围极限的关节距离d_i由表达式（3）表示如下。

$d_i=\min \left(\right|q_i-q_i^{\min }|,|q_i-q_i^{\max }\left|\right)---\left(3\right)$

就最靠近所有臂关节的运动范围极限的关节运动范围极限而言，如果整个系统的运动范围极限裕量由关节距离d表示，表达式（4）按照以下方式获得。

$d_i=\underset{i}{\min }\left(d_i\right)---\left(4\right)$

各臂部分的臂部分姿态确定部分423L/R可以获得在抓取物体的状态下的关节值q。抓取容易性计算部分424L/R计算用于值q的所有臂部分的运动范围极限裕量，也就是说，与关节运动范围的关节距离d，并且可以将其用作抓取容易性指数。

就这一点而言，如果计算机具有足够的能力，就可以不仅计算在抓取物体的状态下的关节值q，而且计算当手移动时所有姿态的关节距离d。从而，可以使用移动过程中的最小值作为抓取容易性指数。

（3）基于与环境的干涉可能性进行确定

臂部分不会与环境及自身主体产生干涉的臂部分姿态是作为抓取策略的优选姿态。可以从环境地图313和距离传感器322中的地图信息获得环境形状。另外，如果有机器人装置100的自身主体模型，就可以使用臂部分与自身主体（除了臂部分之外的主体部分）及环境之间的干涉可能性作为抓取容易性指数。

例如，如图6所示，碰撞检测点布置在臂部分、周围环境和自身主体上的七个位置。各臂部分的臂部分姿态驱动部分423L/R可以获得在抓取物体的状态下的关节值q。抓取容易性计算部分424L/R评估在抓取物体的状态下臂部分实体与周围环境以及自身主体之间的最短距离，从而可以确定干涉可能性。

就这一点而言，如果计算机具有足够的能力，则使用GJK（Gilbert-Johnson-Keerthi）算法获得表示臂部分、自身主体和环境的实体之间的一对最邻近的点，并且应当获得距离D。

$D=\underset{i,j}{\min }\left(\mathrm{dis}\tan \mathrm{ce}({\mathrm{body}}_a\left(i\right),{\mathrm{body}}_e\left(j\right))\right)...\left(5\right)$

在表达式（5）中，body_a(i)表示构成臂部分的实体i，并且body_e(j)表示构成环境及自身主体的实体j。例如，已经转让给本申请人的日本专利No.4311391公开了使用GJK算法检测表示机器人装置的臂部分、自身主体和环境的实体之间的接触。

就这一点而言，如果计算机具有足够的能力，就可以不仅计算抓取物体的状态，而且计算当手移动时所有姿态的距离d。从而，可以在移动过程中使用最小值作为抓取容易性指数。

抓取容易性计算部分424L/R还可以将以上描述的可操纵性、关节运动范围以及与周围环境的干涉可能性中的两个指数或多个指数综合成抓取容易性指数，以代替其任何一个作为抓取容易性指数。也就是说，抓取容易性指数可以由表达式（6）表示如下：

抓取容易性指数=r₁w+r₂d+r₃D...              （6）

在表达式6中，r₁、r₂和r₃是可操纵性w、关节运动范围d以及与周围环境的干涉可能性D的相应的指数的权重因子。

并且，臂部分选择部分430比较左侧和右侧臂部分的计划器420L/R中抓取容易性计算部分424L/R分别计算的抓取容易性指数值，并且选择较大的值作为实际抓取物体的臂部分。

如上所述，通过本实施例，机器人装置100可以根据环境情况和自身主体状态从多个臂部分中选择最容易抓取物体的臂部分，并且在更加多样化的环境中执行稳定的抓取任务。

就这一点而言，本申请中公开的技术可以配置成如下方式。

（1）一种机器人装置，包括：多个臂部分；抓取容易性计算部分，被配置成计算抓取容易性的指数值，所述指数值对所述多个臂部分中的每个臂部分采用抓取物体的抓取姿态或采用导向所述抓取姿态的过渡姿态的容易性进行量化评估；臂部分选择部分，被配置成基于针对各个所述臂部分计算的抓取容易性的指数值来选择用于实际抓取所述物体的臂部分。

（2）根据（1）所述的机器人装置，还包括：抓取计划部分，被配置成针对各个所述臂部分在使用该臂部分抓取所述物体时确定抓取点以及在所述抓取点抓取所述物体时的手位置姿态；臂部分姿态确定部分，被配置成确定所述臂部分相对于所确定的手位置姿态的姿态，其中，所述抓取容易性计算部分针对各个臂部分对采用所述臂部分姿态确定部分确定的姿态的容易性进行量化评估。

（3）根据（1）所述的机器人装置，其中，所述抓取容易性计算部分基于各个所述多个臂部分在抓取所述物体的抓取姿态或导向所述抓取姿态的过渡姿态的所述臂部分的可操纵性计算所述抓取容易性的指数值。

（4）根据（1）所述的机器人装置，其中，所述抓取容易性计算部分基于各个所述多个臂部分在抓取所述物体的抓取姿态或导向所述抓取姿态的过渡姿态中所述臂部分的关节离关节运动范围极限的关节距离计算所述抓取容易性的指数值。

（5）根据（1）所述的机器人装置,其中，所述抓取容易性计算部分基于各个所述多个臂部分在抓取所述物体的抓取姿态或导向所述抓取姿态的过渡姿态的所述臂部分与周围环境以及所述臂部分与自身主体之间的最短距离计算所述抓取容易性的指数值。

（6）根据（1）所述的机器人装置，其中，所述抓取容易性计算部分基于各个所述多个臂部分在抓取所述物体的抓取姿态或导向所述抓取姿态的过渡姿态的所述臂部分的可操纵性、所述臂部分的关节离关节运动范围极限的关节距离和所述臂部分与周围环境以及所述臂部分与自身主体之间的最短距离中的至少两个的组合来计算所述抓取容易性的指数值。

（7）一种控制机器人的方法，所述方法包括：用于计算抓取容易性的指数值的抓取容易性计算，所述指数值对多个臂部分中的每一个臂部分采用抓取物体的抓取姿态或采用导向所述抓取姿态的过渡姿态的容易性进行量化评估；用于基于针对各所述臂部分计算的抓取容易性的指数值选择用于实际抓取所述物体的臂部分的臂部分选择。

（8）一种以计算机可读格式描述的计算机程序，用于使计算机作为包括下述项的装置：抓取容易性计算部分，被配置成计算抓取容易性的指数值，所述指数值对多个臂部分中的每个臂部分采用抓取物体的抓取姿态或采用导向所述抓取姿态的过渡姿态的容易性进行量化评估；臂部分选择部分，被配置成基于针对各所述臂部分计算的抓取容易性的指数值选择用于实际抓取所述物体的臂部分。

以上参照具体实施例给出了本申请中公开的技术的详细说明。然而，很明显的是，在不脱离本申请中公开的技术的精神和范围的情况下，本领域技术人员可以对实施例进行修改和替换。

在本申请中，给出了应用于生活支持机器人的实施例的描述，该生活机器人在时刻动态变化的我们的生活环境中从事活动。然而，本申请中公开的技术要点并不局限于此。当然，可能以相同的方式将本申请中公开的技术应用于工业机器人，该工业机器人安装在工厂中，并且其由各臂部分所要执行的任务是提前已知的。

另外，在本申请中，集中描述了应用于双臂型机器人装置的实施例。然而，本申请中公开的技术要点并不局限于臂部分的数量。如果机器人装置具有三个或更多个臂部分，则可以通过增加与臂部分的数量相一致的计划器的数量以相同的方式来实现本申请中公开的技术。

简而言之，通过示例的方式给出了本申请中公开的技术的描述。然而，本申请的描述不应当以限制的方式进行理解。为了确定本申请中公开的技术要点，应当考虑所附权利要求书。

本公开包含与2011年11月30日提交到日本专利局的日本优先专利申请JP 2011-262202中公开内容相关的主题，其全部内容通过引用的方式并入于此。

Claims (8)

1.一种机器人装置，包括：

多个臂部分；

抓取容易性计算部分，被配置成计算抓取容易性的指数值，所述指数值对所述多个臂部分中的每个臂部分采用抓取物体的抓取姿态或采用导向所述抓取姿态的过渡姿态的容易性进行量化评估；以及

臂部分选择部分，被配置成基于针对各个所述臂部分而计算的抓取容易性的指数值，来选择用于实际抓取所述物体的臂部分。

2.根据权利要求1所述的机器人装置，还包括：

抓取计划部分，被配置成：针对各个所述臂部分，在使用臂部分抓取所述物体时确定抓取点以及在所述抓取点抓取所述物体时的手位置姿态；以及

臂部分姿态确定部分，被配置成确定所述臂部分相对于所确定的手位置姿态的姿态，

其中，所述抓取容易性计算部分对采用所述臂部分姿态确定部分确定的姿态的容易性进行量化评估。

3.根据权利要求1所述的机器人装置，

其中，对于所述多个臂部分中的每个臂部分，所述抓取容易性计算部分基于在抓取所述物体的抓取姿态或导向所述抓取姿态的过渡姿态中所述臂部分的可操纵性，来计算所述抓取容易性的指数值。

4.根据权利要求1所述的机器人装置，

其中，对于所述多个臂部分中的每个臂部分，所述抓取容易性计算部分基于在抓取所述物体的抓取姿态或导向所述抓取姿态的过渡姿态中所述臂部分的关节离关节运动范围极限的关节距离，来计算所述抓取容易性的指数值。

5.根据权利要求1所述的机器人装置，

其中，对于所述多个臂部分中的每个臂部分，所述抓取容易性计算部分基于在抓取所述物体的抓取姿态或导向所述抓取姿态的过渡姿态中所述臂部分与周围环境之间以及所述臂部分与自身主体之间的最短距离，来计算所述抓取容易性的指数值。

6.根据权利要求1所述的机器人装置，

其中，对于所述多个臂部分中的每个臂部分，所述抓取容易性计算部分基于在抓取所述物体的抓取姿态或导向所述抓取姿态的过渡姿态中下述各项中至少两项的组合，来计算所述抓取容易性的指数值：所述臂部分的可操纵性、所述臂部分的关节离关节运动范围极限的关节距离、所述臂部分与周围环境之间以及所述臂部分与自身主体之间的最短距离。

7.一种控制机器人的方法，所述方法包括：

抓取容易性计算步骤，用于计算抓取容易性的指数值，所述指数值对多个臂部分中的每个臂部分采用抓取物体的抓取姿态或采用导向所述抓取姿态的过渡姿态的容易性进行量化评估；以及

臂部分选择步骤，用于基于针对各个所述臂部分而计算的抓取容易性的指数值，来选择用于实际抓取所述物体的臂部分。

8.一种以计算机可读格式描述的计算机程序，用于使计算机用作包括下述项的装置：

抓取容易性计算部分，被配置成计算抓取容易性的指数值，所述指数值对多个臂部分中的每个臂部分采用抓取物体的抓取姿态或采用导向所述抓取姿态的过渡姿态的容易性进行量化评估；以及

臂部分选择部分，被配置成基于针对各个所述臂部分而计算的抓取容易性的指数值，来选择用于实际抓取所述物体的臂部分。

Images