CN105196290B - 实时的机器人抓取规划 - Google Patents
实时的机器人抓取规划 Download PDFInfo
- Publication number
- CN105196290B CN105196290B CN201510349941.0A CN201510349941A CN105196290B CN 105196290 B CN105196290 B CN 105196290B CN 201510349941 A CN201510349941 A CN 201510349941A CN 105196290 B CN105196290 B CN 105196290B
- Authority
- CN
- China
- Prior art keywords
- crawl
- reversed
- task
- attitude
- end effector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1669—Programme controls characterised by programming, planning systems for manipulators characterised by special application, e.g. multi-arm co-operation, assembly, grasping
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39536—Planning of hand motion, grasping
Abstract
一种确定在任务执行中由机器人的末端执行器对物体的最佳抓取姿态的方法,包括经由控制器接收一组输入,包括物体的描述性参数、具有参照系的任务扭转以及被命令的末端执行器抓取力。所述方法包括计算任务扭转的参照系中的抓取扭转,旋转和移位抓取姿态,然后经由控制器计算合成的新的抓取扭转,直到任务扭转和抓取扭转被最佳地平衡。另外地,所述方法包括记录最佳抓取,其为抓取扭转和任务扭转最佳平衡的抓取姿态,然后经由控制器使用记录的最佳抓取姿态执行控制动作。机器人系统包括机器人和编程以执行所述方法的控制器。
Description
技术领域
本公开内容涉及实时的机器人抓取规划。
背景技术
机器人末端执行器在工作任务的执行中直接作用于物体。示例性的末端执行器包括机器人抓取器或手。这样的末端执行器例如可用来抓取和操纵在给定任务空间中的物体。典型的末端执行器的设计复杂性可以是相对简单的,例如在二指的平行抓取器的情况下,或者是非常先进的,例如具有五指的灵巧的拟人的机器人手。在这些复杂性的极端情况之间,存在着其他的抓取器设计,例如三指的或四指的手,以及许多其他的末端执行器设计。
与机器人抓取器有关的任务随着抓取器设计、被抓取的物体的几何复杂性以及障碍或其他环境约束的存在而改变。用于给定抓取姿态的抓取规划通常涉及具有预定的末端执行器路径轨迹的控制器的大量的编程。在这些预定轨迹内,末端执行器位置和速度可随着末端执行器朝向指定目标位置运动而被连续测量和以闭环控制。替代地,在被称为演示教学的过程中,操作员可通过物理地(physically)使末端执行器经过预定运动而人工地对机器人反向驱动和/或自动地指令演示运动和抓取姿态。
发明内容
在此公开了一种系统和方法,其共同提供了上述那些类型的机器人抓取规划的替代方法。所述系统包括具有末端执行器的机器人,所述末端执行器被配置为抓取三维的物体。所述系统还包括控制器,该控制器自动地规划和选择末端执行器的最佳抓取姿态,用于针对给定任务抓取物体。控制器将物体的已知的尺寸和形状用作一组控制输入的一部分。控制输入经由控制器处理,以确定最佳的机器人抓取姿态(从抓取位置和抓取取向两个方面)。
具体地说,作为本方法的中心,如在此确定的最佳抓取姿态是最好地在静平衡中平衡任务扭转(task wrench)的具体抓取姿态。如在本控制上下文中使用的术语“扭转(wrench)”指的是力和扭矩的连结(concatenation),一个在静力学中众所周知的概念。如在现有技术中还众所周知的,多个力和扭矩系统可在数学上被减小到等效的单个力和扭矩系统,从而根据潘索定理(Poinsot’s theorem)合扭矩平行于合力。本方法的执行具有这样的预期结果:自动地放置并对准末端执行器,以便最佳地平衡抓取扭转和任务扭转,即,由于抓取本身的执行而作用于物体上的扭转(抓取扭转)和由于要实施的任务而作用于物体上的扭转(任务扭转)。在此使用的例子是示例性的门把手的三指抓取形式的抓取,随后抓取的门把手运动到门板用于安装。
在具体的实施例中,一方法在任务执行中确定由机器人的末端执行器对物体的最佳抓取姿态。所述方法包括经由控制器接收一组输入,包括物体描述性参数,具有参照系的任务扭转,和被命令的末端执行器抓取力。所述方法还包括计算任务扭转的参照系中的抓取扭转,然后经由控制器使抓取姿态旋转和移位,直到任务扭转和抓取扭转最佳地平衡,即,如在此所解释的当任务扭转和抓取扭转的总和被最小化时。另外地,控制器在存储器中记录最佳抓取姿态作为抓取扭转和任务扭转平衡时的抓取姿态,然后经由控制器利用最佳抓取姿态执行控制动作。
所述方法可包括选择末端执行器对物体的初始抓取姿态作为通过一组抓取接触点来抓取物体的任意(arbitrary)接近抓取姿态,并计算初始抓取姿态的合成的抓取扭转。
末端执行器可包括手掌和多个手指,末端执行器的抓取姿态由两个部分组成:手掌位置和取向,以及所有手指关节位置。计算抓取姿态可包括例如使用已知的末端执行器的运动学特征(kinematics)和物体的已知尺寸和位置,通过每个手指的牢固的抓取接触点来计算手掌的位置和取向和/或手指关节位置。计算抓取姿态可包括计算从末端执行器到物体的途径矢量(approach vector)、方向或轨迹并且使用该途径矢量、方向或轨迹来通过在物体上的牢固的抓取接触点来计算手掌的位置和取向和/或手指关节位置。计算抓取姿态可包括任何相关的环境约束,例如限制手掌或手指关节位置的某些位置或取向的平面限制。
使末端执行器的抓取姿态旋转和移位可包括,仅将末端执行器的手掌位置和取向旋转和移位,然后计算用于抓取接触点的所有的手指关节位置。旋转和移位抓取姿态可以基于垂直和平行于力的正交分解扭矩分量。
机器人系统包括具有末端执行器的机器人,以及具有处理器和有形、非瞬时的存储器的控制器,所述存储器上记录有指令,用于确定在任务的执行中由末端执行器对物体的最佳抓取姿态。处理器对指令的执行引起所述控制器经由控制器接收一组输入,包括物体的描述性参数、具有参照系的任务扭转、以及被命令的末端执行器抓取力。控制器还计算在任务扭转的参照系中的抓取扭转,并将抓取姿态旋转和移位直到任务扭转和抓取扭转被最佳地平衡。控制器在存储器中记录最佳抓取姿态作为抓取扭转和任务扭转被最佳地平衡的抓取姿态,并经由控制器使用记录的最佳抓取姿态执行控制动作。
根据本发明的一个方面,提出一种确定在任务的执行中机器人的末端执行器对物体的最佳抓取姿态的方法,该方法包括:
经由控制器接收一组输入,包括物体的描述性参数、具有参照系的任务扭转、以及被命令的末端执行器抓取力;
在任务扭转的参照系中计算抓取扭转;
经由控制器使所述抓取扭转旋转和移位,直到所述任务扭转和抓取扭转被最佳地平衡,其中当任务扭转和抓取扭转的总和最小时所述任务扭转和抓取扭转被最佳地平衡;
在控制器的存储器中记录最佳抓取姿态,其为抓取扭转和任务扭转被最佳地平衡的抓取姿态;以及
经由控制器使用记录的最佳抓取姿态执行控制动作。
其中,方法可进一步包括:
将末端执行器到物体的初始途径矢量选择为任意的途径矢量;
经由所述末端执行器使用任意的抓取姿态抓取物体;以及
计算在所述任意的抓取姿态中所述末端执行器的位置和一组抓取接触点,以及所述任意的抓取姿态的合成的抓取扭转。
其中所述末端执行器包括手掌和多个手指,其中计算所述位置和所述一组抓取接触点包括:使用已知的末端执行器的运动学特征和物体的已知的尺寸和位置来计算手掌的位置和取向,以及每个手指的抓取接触点。
其中使所述抓取扭转旋转和移位包括使用正交分解的扭矩分量。
其中使所述抓取扭转旋转和移位包括使用正交分解,使得扭矩分解成垂直和平行的分量。
其中物体的描述性参数包括物体的形状和物体在自由空间中的位置。
根据本发明的另一方面,提出一种机器人系统,包括:
机器人,具有末端执行器;以及
控制器,具有处理器和有形、非瞬时存储器,在所述存储器上记录有指令,所述指令用于确定在任务执行中由所述末端执行器对物体的最佳抓取姿态;
其中处理器对所述指令的执行引起控制器:
经由控制器接收一组输入,包括物体的描述性参数、具有参照系的任务扭转和被命令的末端执行器力;
在任务扭转的参照系中计算抓取扭转;
经由所述控制器使所述抓取扭转旋转和移位,直到所述任务扭转和抓取扭转被最佳地平衡,其中当所述任务扭转和抓取扭转的总和最小时所述任务扭转和抓取扭转被最佳地平衡;
在存储器中记录所述最佳抓取姿态,其为所述抓取扭转和任务扭转被最佳平衡的抓取姿态;以及
使用记录的最佳抓取姿态执行控制动作。
其中所述末端执行器是抓取器或机器人手。
其中所述抓取器或机器人手包括手掌和多个手指,且其中计算所述位置和所述一组抓取接触点包括:使用已知的末端执行器的运动学特征和已知的物体的尺寸和位置来计算手掌的位置和取向、以及每个手指的抓取接触点。
其中控制器被编程用于将所述末端执行器到物体的初始途径矢量选择为任意的接近轨迹,经由所述末端执行器使用任意的抓取姿态抓取物体,以及计算所述末端执行器在任意的抓取姿态中的位置和一组抓取接触点。
其中控制器通过使用正交分解的扭矩分量使抓取扭转旋转和移位。
其中控制器使用正交分解而使所述抓取扭转旋转和移位,以使得控制器将所述扭矩分解成垂直和平行分量。
其中物体的描述性参数包括物体的形状和物体在自由空间中的位置。
上述特征和优点及其他的特征和优点从以下详细的说明书和附图是容易显而易见的。
附图说明
图1是具有机器人的示例性的系统的示意图,所述机器人具有末端执行器和可操作的以通过该末端执行器规划物体的最佳抓取的控制器;
图2是描述使用图1所示的系统规划物体的最佳抓取的方法的示例性实施例的流程图;
图3A示意性地描述施加到为门把手形式的示例性物体的抓取力和扭矩;
图3B示意性地描述作用于图3A所示的物体上的净抓取力和扭矩;
图4示出图3B的净抓取力和扭矩的正交分解;
图5示出任务力和扭矩扭转的正交分解;
图6A和6B示出与作为本方法的一部分的与任务力和扭矩对准的相应的旋转和移位的净抓取力和扭矩。
具体实施方式
参照附图,其中在全部的几个视图范围内,相同的附图标记指示相同的或相似的部件,机器人系统10示意性地示出在图1中。机器人系统10包括机器人20和控制器(C)40。机器人20被示出为示例性的多轴组装制造或组装机器人,末端执行器14设置在机器人手臂16的远端。末端执行器16可以是机器人手或抓取器,该机器人手或抓取器具有多个共同可操作的手指15,用于执行多个抓取姿态,例如捏住抓取(pinching grasp)、利用手掌17的全手力抓取(full-handed power grasp)等。用于末端执行器14和机器人手臂16的抓取规划经由控制器40通过执行体现方法100的指令而被自动地实施,其例子在下面参照图2进行描述。进一步解释方法100的各个步骤的图3A-6B被结合图2进行了描述。
隐含在本控制方法中的是这样的认识:对于特殊物体12,例如如所示的示例性的门把手,末端执行器14可有多个有效的抓取姿态。有效的抓取姿态中的任一个可用来牢固地保持物体12。然而,要完成的预期的任务会变化。示例性的任务可以是利用末端执行器14抓取和拾取物体12,随后移动物体12到另一位置。不同的任务可使用物体12的一端19来推抵车辆主体11的门板13的表面,和/或将物体12的突出部23插入到由门板13限定的配合狭槽22中,所述门板13与图1的非限定的示例性门把手相符。
然而,在控制器40没有获知要被进行的特定任务的情况下,许多有效的抓取姿态中的任一个可被选择,以简单地抓取和保持物体12。例如,物体12,在各个图中示出为示例性门把手,可在它的中间、或它的末端19、或在不同的位置处、通过任何数量的可能的抓取取向被抓取。控制器40和方法100因此被编程或以其他方式被配置以解决该具体的控制挑战以便自动地计算和实时决定许多可能的抓取姿态中的哪一个相对于其他的抓取姿态而言是最佳的,即对于手头的具体任务来说。控制器40使用大体上述的扭转平衡方法做出该决定,所述扭转平衡方法在下面参照图3A-6B进行更详细地阐述。
为了执行方法100,图1的控制器40接收一组控制输入(CCI),并且在具有了机器人20的设计和运动学特征的预知的情况下计算抓取姿态以及由此计算抓取扭转。在可能的实施例中,控制输入(CCI)可包括物体12的描述性参数,例如形状(S)和位置(L),以及已知的或给定的任务扭转(wT)和被命令的末端执行器抓取力(F14)。控制器40计算最佳抓取姿态,其为用抓取扭转最接近地平衡已知的或给定的任务扭转的具体姿态。
一旦进行该决定,控制器40接下来提供一组控制输出量(CCO)到机器人20,该控制输出量(CCO)指令执行最佳抓取姿态。机器人20的精确的动作控制,包括对用于经由末端执行器14抓取和操纵物体12所需要的精细和粗的运动的控制,还可经由控制器40或取决于希望实施例而通过另一控制系统实施。不管控制器40的设计如何,在整个控制体系内,机器人20的每个关节及其他集成的系统部件可根据需要进行控制以在实施工作任务时充分地调整末端执行器14的运动。
图1的控制器40可包括多个数字计算机或数据处理装置,每个具有一个或多个处理器(P)和存储器(M),所述存储器(M)包括足够数量的有形、非瞬时存储器,例如光或磁的只读存储器(ROM),以及随机存取存储器(RAM)、电可擦除可编程只读存储器(EEPROM)等。控制器40还可包括高速时钟、模拟数字(A/D)电路、数字模拟(D/A)电路、和任何需要的输入/输出(I/O)电路和器件,以及信号调节和缓冲电子设备。常驻于控制器40中或者容易由其访问的单独控制算法可保存在存储器(M)中并经由处理器(P)以一个或更多不同的控制水平自动地执行以提供相应的控制功能。
为了说明的简单和一致,物体12在下文被看作是刚性的三维部件,例如在以下说明中使用的图1的非限制性示例门把手。非刚性的或挠性的物体也可被使用。然而,对于挠性的零件的编程复杂性会增加,或许大幅地增加,因为物体12的形状在这样的情况下可能会根据执行的抓取姿态的取向而改变。例如,挠性的圆筒,在于它的轴向中点处被抓取和悬挂时,会表现为倒置的U。当在它的末端处被保持时,形状会仍为圆筒。由此,挠性零件的形状可随着抓取姿态的位置和取向而改变。在刚性零件中,这样的形状变化显然不会发生。因此,本方法100到非刚性零件的应用,尽管是可能的,可能需要许多可能方式的大量建模,在所述方式中,物体的形状和有关的抓取力和扭矩可改变。
仍然参照图1,本方法100的目的是要确定末端执行器14应当在哪里保持物体12,以便用净抓取扭转(即由抓取姿态赋予的净线性力和旋转耦合力或扭矩)最好地抵抗(counter)已知的或给定的任务扭转。控制器40规划抓取接近方向(箭头A)以使得,理想地,净抓取扭转平衡任务扭转,即:
wT=wG
其中wG和wT分别是净抓取扭转和任务扭转。已知的或给定的任务扭转wT在物体12的典型的笛卡尔参照系中可以表示为六维矢量,其中:
和τt是在任务的执行期间施加在物体12上的相应的线性力和扭矩,是力施加在物体12上的位置矢量。
参照图2,图1的控制器40执行方法100以提供迭代接近法以确定最佳抓取姿态,这通过根据需要平移和/或旋转之前计算的抓取姿态以最好/最佳地平衡任务和抓取扭转来进行。从步骤102开始,控制器40接收该组输入(CCI),该组输入如上参照图1所述可包括物体12的形状和位置、任务扭转(wT)和通过末端执行器14施加到物体12的被命令的抓取力,即,末端执行器抓取力。控制器40然后继续到步骤104。
在步骤104,控制器40接下来为末端执行器14到物体12选择初始途径矢量(如箭头A所示),就像不存在任务要求一样。也就是说,控制器40拾取到物体12的任意的途径矢量,此后继续到步骤106。
步骤106包含使用在步骤104中选择的途径矢量来计算产生末端执行器14在物体12上的牢固抓取接触点(CG)的抓取姿态。步骤106可包含计算产生抓取接触点的示例性末端执行器14每个手指15的关节位置和手掌17的位置和取向,例如使用已知的运动学特征和途径矢量。
步骤106还包括确定任何相关的环境约束,例如对末端执行器14的任何平面限制,以及基于这些环境约束调节抓取姿态。例如,物体12可停留在桌子上,在该情况下末端执行器14不能从某些方向接近物体12,和/或可能不能利用某些抓取姿态(例如涉及所有手指15和手掌17的强力抓取/完全抓取)来围绕物体12完全地闭合它的手指15。换句话说,在步骤106中考虑到的环境约束包括限制末端执行器14的运动范围的任何物理或虚拟(artificial)的边界。
在步骤108处,控制器40使用当前的抓取姿态以接下来在与任务扭转wT相同的参照系(例如相同的物体笛卡尔系)中计算合成的净抓取扭转wG。为了示出步骤108的原理,图3A示出了物体12,其具有在抓取接触点i和i+1处的示例性抓取力和以及示例性的抓取扭矩和在所有的抓取接触点处的所有抓取力和扭矩然后经由控制器40相加以产生如下的净抓取扭转wG:
总和的力和扭矩在图3B中示意性示出。
控制器40可使用正交分解原理以进行步骤110。如在现有技术中已知的,扭矩可分解成如下的垂直和平行分量:
这样的分解描述在图4中。同样地,已知的或给定的任务扭矩也可正交分解为和如图5所示的。
再次参照图2,一旦图1的控制器40已经计算了合成的净抓取扭转,方法100继续到步骤110,其中控制器40接下来使在步骤108计算的抓取姿态旋转(ROT)和移位(SH)以便更好地平衡任务扭转wT和抓取扭转wG。现在该步骤将参照图6A和6B进行描述。
图1的控制器40自动旋转抓取力以使得抓取力对准任务力,以及以使得值在且时最小。在该表达式中,R是具有法向(n)、取向(o)和接近(a)分量的三角旋转矩阵:
图6A示出通过矩阵R的净抓取扭转的旋转。步骤110还包括移位以使得抓取扭矩被最佳地平衡,即:
图6B示出了分别通过矩阵R和平移的净抓取扭转的旋转和移位或平移。
再次参照图2,在步骤112,控制器40将在步骤110中计算的ROT和SH施加到末端执行器14的之前的手掌取向和位置。通过该最近更新的手掌取向和位置,手指关节位置被再次计算而用于新的抓取接触点(CG),其中环境约束为如上参照步骤106所解释的。更新的抓取扭转然后基于新的抓取接触点被再次计算。步骤112是必需的,因为抓取姿态已经由于施加的旋转和移位在步骤110中改变。该方法100然后继续到步骤114。
在步骤114处,控制器40确定任务扭转和新更新的抓取扭转是否已经被最佳地平衡,即,wG+wT是否最小,这一状态可通过最小化图6A和6B中所示的值来确定。如果不是,步骤110重复,直到wG+wT的最小值得以实现,同时步骤110和112的迭代重复,直到这样的最佳平衡得以实现。当最佳平衡得以实现时,方法100继续到步骤116。
步骤116包括在存储器中记录最佳抓取姿态,此后利用记录的最佳抓取姿态执行与图1的机器人20有关的控制动作(CA)。在步骤116处,也就是说,对手头任务的最佳抓取类型是已知的。如果任务改变,控制器40经由方法100的另一迭代自动地更新抓取类型,即,不需要机器人20的手动教学或训练。
尽管用于实施本发明的最佳模式已经被详细描述,但是熟悉与本发明有关的技术的人员将认识到在所附的权利要求的范围内的用于实施本发明的各种替代设计和实施例。
Claims (10)
1.一种确定在任务的执行中机器人的末端执行器对物体的最佳抓取姿态的方法,该方法包括:
经由控制器接收一组输入,包括物体的描述性参数、具有参照系的任务扭转、以及被命令的末端执行器抓取力;
在任务扭转的参照系中计算抓取扭转;
经由控制器使所述抓取扭转旋转和移位,直到所述任务扭转和抓取扭转被最佳地平衡,其中当任务扭转和抓取扭转的总和最小时所述任务扭转和抓取扭转被最佳地平衡;
在控制器的存储器中记录最佳抓取姿态,其为抓取扭转和任务扭转被最佳地平衡的抓取姿态;以及
经由控制器使用记录的最佳抓取姿态执行控制动作。
2.根据权利要求1所述的方法,进一步包括:
将末端执行器到物体的初始途径矢量选择为任意的途径矢量;
经由所述末端执行器使用任意的抓取姿态抓取物体;以及
计算在所述任意的抓取姿态中所述末端执行器的位置和一组抓取接触点,以及所述任意的抓取姿态的合成的抓取扭转。
3.根据权利要求2所述的方法,其中所述末端执行器包括手掌和多个手指,其中计算所述位置和所述一组抓取接触点包括:使用已知的末端执行器的运动学特征和物体的已知的尺寸和位置来计算手掌的位置和取向,以及每个手指的抓取接触点。
4.根据权利要求1所述的方法,其中使所述抓取扭转旋转和移位包括使用正交分解的扭矩分量。
5.根据权利要求1所述的方法,其中使所述抓取扭转旋转和移位包括使用正交分解,使得扭矩分解成垂直和平行的分量。
6.根据权利要求1所述的方法,其中物体的描述性参数包括物体的形状和物体在自由空间中的位置。
7.一种机器人系统,包括:
机器人,具有末端执行器;以及
控制器,具有处理器和有形、非瞬时存储器,在所述存储器上记录有指令,所述指令用于确定在任务执行中由所述末端执行器对物体的最佳抓取姿态;
其中处理器对所述指令的执行引起控制器:
经由控制器接收一组输入,包括物体的描述性参数、具有参照系的任务扭转和被命令的末端执行器力;
在任务扭转的参照系中计算抓取扭转;
经由所述控制器使所述抓取扭转旋转和移位,直到所述任务扭转和抓取扭转被最佳地平衡,其中当所述任务扭转和抓取扭转的总和最小时所述任务扭转和抓取扭转被最佳地平衡;
在存储器中记录所述最佳抓取姿态,其为所述抓取扭转和任务扭转被最佳平衡的抓取姿态;以及
使用记录的最佳抓取姿态执行控制动作。
8.根据权利要求7所述的机器人系统,其中控制器被编程用于将所述末端执行器到物体的初始途径矢量选择为任意的接近轨迹,经由所述末端执行器使用任意的抓取姿态抓取物体,以及计算所述末端执行器在任意的抓取姿态中的位置和一组抓取接触点。
9.根据权利要求7所述的机器人系统,其中控制器使用正交分解而使所述抓取扭转旋转和移位,以使得控制器将扭矩分解成垂直和平行分量。
10.根据权利要求7所述的机器人系统,其中物体的描述性参数包括物体的形状和物体在自由空间中的位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/310,567 | 2014-06-20 | ||
US14/310,567 US9283676B2 (en) | 2014-06-20 | 2014-06-20 | Real-time robotic grasp planning |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105196290A CN105196290A (zh) | 2015-12-30 |
CN105196290B true CN105196290B (zh) | 2017-07-14 |
Family
ID=54768087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510349941.0A Expired - Fee Related CN105196290B (zh) | 2014-06-20 | 2015-06-23 | 实时的机器人抓取规划 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9283676B2 (zh) |
CN (1) | CN105196290B (zh) |
DE (1) | DE102015109646B4 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102487493B1 (ko) * | 2016-03-03 | 2023-01-11 | 구글 엘엘씨 | 로봇 파지용 심층 기계 학습 방법 및 장치 |
CN109598264B (zh) * | 2017-09-30 | 2020-10-16 | 北京猎户星空科技有限公司 | 物体抓取方法及装置 |
CN108340374B (zh) * | 2018-02-08 | 2023-10-03 | 西北农林科技大学 | 一种采摘机械手的控制系统及控制方法 |
US20220274256A1 (en) * | 2019-08-02 | 2022-09-01 | Dextrous Robotics, Inc. | A robotic system for picking and placing objects from and into a constrained space |
US11389968B2 (en) * | 2019-10-02 | 2022-07-19 | Toyota Research Institute, Inc. | Systems and methods for determining pose of objects held by flexible end effectors |
US11331799B1 (en) * | 2019-12-31 | 2022-05-17 | X Development Llc | Determining final grasp pose of robot end effector after traversing to pre-grasp pose |
WO2023205176A1 (en) | 2022-04-18 | 2023-10-26 | Dextrous Robotics, Inc. | System and/or method for grasping objects |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4860215A (en) * | 1987-04-06 | 1989-08-22 | California Institute Of Technology | Method and apparatus for adaptive force and position control of manipulators |
CN101390027A (zh) * | 2006-02-23 | 2009-03-18 | Abb公司 | 依靠从使用者接收的力和扭矩控制物体的位置及方位的系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0671246A3 (de) * | 1994-03-09 | 1998-05-27 | Siemens Aktiengesellschaft | Greiferbezogenes Handverfahren |
DE19816953A1 (de) * | 1998-04-17 | 1999-10-21 | Univ Dresden Tech | Anordnung zum Erzeugen von Schwenkbewegungen |
WO2005099417A2 (en) * | 2004-04-12 | 2005-10-27 | Strider Labs, Inc. | System and method for computing grasps for a robotic hand with a palm |
US7643907B2 (en) * | 2005-02-10 | 2010-01-05 | Abb Research Ltd. | Method and apparatus for developing a metadata-infused software program for controlling a robot |
DE102006005344A1 (de) * | 2006-02-07 | 2007-08-09 | Daimlerchrysler Ag | Verfahren zur Simulation eines Montagevorgangs für ein Anbauteil |
DE102006036490A1 (de) * | 2006-08-04 | 2008-02-07 | Daimler Ag | Verfahren und Vorrichtung zum Steuern eines Handhabungsgeräts |
WO2008058061A2 (en) * | 2006-11-03 | 2008-05-15 | President And Fellows Of Harvard College | Robust compliant adaptive grasper and method of manufacturing same |
JP5281377B2 (ja) * | 2008-12-04 | 2013-09-04 | トヨタ自動車株式会社 | ロボット装置 |
DE102009017104B4 (de) * | 2009-04-15 | 2019-07-04 | Kuka Roboter Gmbh | Verfahren und System zur Kraftrückkopplung zum Interagieren mit einer virtualisierten Umgebung |
US8364314B2 (en) * | 2009-04-30 | 2013-01-29 | GM Global Technology Operations LLC | Method and apparatus for automatic control of a humanoid robot |
-
2014
- 2014-06-20 US US14/310,567 patent/US9283676B2/en not_active Expired - Fee Related
-
2015
- 2015-06-17 DE DE102015109646.3A patent/DE102015109646B4/de not_active Expired - Fee Related
- 2015-06-23 CN CN201510349941.0A patent/CN105196290B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4860215A (en) * | 1987-04-06 | 1989-08-22 | California Institute Of Technology | Method and apparatus for adaptive force and position control of manipulators |
CN101390027A (zh) * | 2006-02-23 | 2009-03-18 | Abb公司 | 依靠从使用者接收的力和扭矩控制物体的位置及方位的系统 |
Also Published As
Publication number | Publication date |
---|---|
DE102015109646A1 (de) | 2015-12-24 |
CN105196290A (zh) | 2015-12-30 |
US20150367514A1 (en) | 2015-12-24 |
US9283676B2 (en) | 2016-03-15 |
DE102015109646B4 (de) | 2016-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105196290B (zh) | 实时的机器人抓取规划 | |
Manzoor et al. | An open-source multi-DOF articulated robotic educational platform for autonomous object manipulation | |
Bonilla et al. | Grasping with soft hands | |
Ekvall et al. | Learning and evaluation of the approach vector for automatic grasp generation and planning | |
Mason | Progress in nonprehensile manipulation | |
JP2013193202A (ja) | 人間援助型タスクデモンストレーションを使用してロボットを訓練するための方法およびシステム | |
Yuan et al. | Design and control of roller grasper v2 for in-hand manipulation | |
JP5560948B2 (ja) | ロボット装置 | |
Vahrenkamp et al. | Efficient inverse kinematics computation based on reachability analysis | |
Sintov et al. | Dynamic regrasping by in-hand orienting of grasped objects using non-dexterous robotic grippers | |
Omrčen et al. | Autonomous acquisition of pushing actions to support object grasping with a humanoid robot | |
Bimbo et al. | Exploiting robot hand compliance and environmental constraints for edge grasps | |
Sudharsan et al. | Path planning and co-simulation control of 8 DOF anthropomorphic robotic arm | |
CN106886165A (zh) | 一种基于模拟器的机械手抓取和操纵方法 | |
Mavrakis et al. | Task-relevant grasp selection: A joint solution to planning grasps and manipulative motion trajectories | |
Sarantopoulos et al. | Human-inspired robotic grasping of flat objects | |
Hasan et al. | Modelling and control of the barrett hand for grasping | |
Angelini et al. | SoftHandler: An integrated soft robotic system for handling heterogeneous objects | |
Arana-Arexolaleiba et al. | Transferring human manipulation knowledge to industrial robots using reinforcement learning | |
Hebecker et al. | Towards real-world force-sensitive robotic assembly through deep reinforcement learning in simulations | |
Platt et al. | Multi-priority cartesian impedance control | |
Pardi et al. | A soft robotics approach to autonomous warehouse picking | |
Baumgartl et al. | Fast vision-based grasp and delivery planning for unknown objects | |
Scharfe et al. | Hybrid physics simulation of multi-fingered hands for dexterous in-hand manipulation | |
Li et al. | Simulation results for manipulation of unknown objects in hand |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170714 Termination date: 20200623 |