CN111230874B - 一种启发式规则的灵巧手作业规划方法 - Google Patents
一种启发式规则的灵巧手作业规划方法 Download PDFInfo
- Publication number
- CN111230874B CN111230874B CN202010081717.9A CN202010081717A CN111230874B CN 111230874 B CN111230874 B CN 111230874B CN 202010081717 A CN202010081717 A CN 202010081717A CN 111230874 B CN111230874 B CN 111230874B
- Authority
- CN
- China
- Prior art keywords
- grabbing
- action
- hand
- generating
- actions
- 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.)
- Active
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
- B25J9/1679—Programme controls characterised by the tasks executed
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种启发式规则的灵巧手作业规划方法,包括离线阶段和在线阶段;所述离线阶段包括:针对特定的物体形状生成相应的抓取动作样本,并且通过仿真模拟计算抓取效果,生成抓取动作数据库;所述在线阶段包括:从所述抓取动作数据库中选取合适动作完成抓取任务。本发明用于针对于特定的三指灵巧手,实现该灵巧手对物体的自主抓取规划。
Description
技术领域
本发明涉及一种基于启发式规则的灵巧手抓取规划方法,用于实现双臂机器人使用灵巧手对物体的自主抓取规划。
背景技术
在武警公安反恐防暴、战场作战、有害气体及核辐射等危险复杂的作业环境中,因为灵巧手自由度大、控制复杂,因此自主抓取规划问题一直以来都充满了挑战。尽管学者们研制出了自由度更小、更容易控制的欠驱动灵巧手,但是欠驱动多指灵巧手依然面临着抓取方式的多样性、对抓取效果的评估与优化困难等问题。
Mark R. Cutkosky等人发明了一种基于专家系统的抓取规划方法。该方法根据生物学对于人手抓取的研究将人手抓取动作分类为15类动作,并赋予相应的任务属性与几何属性。最后形成一个专家系统程序。该专家系统可以根据用户输入的对于抓取动作的属性要求给出合适的抓取动作。
虽然Mark R. Cutkosky的专家系统方法可以根据用户给定的属性要求确定抓取动作,但是依然依靠用户指定抓取属性而不是根据任务特点与物体特征自主确定抓取属性,而且给出的抓取动作仍然是定性的,无法定量确定手部各个关节确切的角度。
发明内容
本发明的目的是设计一种能够自主实现灵巧手抓取规划的控制方法,不需要依赖用户为抓取指定属性,而且能够定量地确定灵巧手各个关节的运动。
本发明的技术方案如下。
本发明第一方面提供了一种灵巧手作业规划方法,包括离线阶段和在线阶段;
所述离线阶段包括:针对特定的物体形状生成相应的抓取动作样本,并且通过仿真模拟计算抓取效果,生成抓取动作数据库;
所述在线阶段包括:从所述抓取动作数据库中选取合适动作完成抓取任务。
优选地,所述生成相应的抓取动作样本使用启发式规则,所述启发式规则进一步包括:
分析所述灵巧手的结构,分类出该灵巧手所有的预抓取动作;
将物体复杂的形状简化为简单的几何体及其组合;
借鉴人手的抓取经验,将预抓取动作集合与简单几何体的集合间建立映射,约束抓取动作的大部分自由度;
对于剩下的未被约束的自由度使用伪随机数法在一定范围内进行采样;
获得候选抓取方案序列。
优选地,所述生成相应的抓取动作样本进一步包括:
采集人手抓取数据;
训练深度神经网络;
利用所述神经网络生成各种物体的抓取动作样本。
优选地,所述通过仿真模拟计算抓取效果进一步包括:仿真模拟实际的抓取动作,利用评价函数与评价标准计算抓取效果的好坏。
优选地,所述仿真模拟实际的抓取动作包括巧手的动力学仿真,以及对灵巧手的PID控制。
优选地,所述评价函数包括力封闭性和抓取效率。
优选地,所述灵巧手为三指灵巧手;所述抓取动作样本包括球状抓取动作、圆柱抓取动作、捏取动作。
本发明第二方面提供了一种灵巧手作业规划系统,包括抓取方法生成系统、仿真评价系统、抓取动作数据库,以及抓取动作选取系统;
所述抓取动作生成系统用于针对特定的物体形状生成相应的抓取动作样本;
所述仿真评价系统用于仿真模拟实际的抓取动作,利用评价函数与评价标准计算抓取效果的好坏;
所述抓取动作数据库用于保存抓取动作样本;
所述抓取动作选取系统用于从所述抓取动作数据库中选取合适动作完成抓取任务。
优选地,所述抓取动作生成系统使用启发式规则,所述启发式规则进一步包括:
分析所述灵巧手的结构,分类出该灵巧手所有的预抓取动作;
将物体复杂的形状简化为简单的几何体及其组合;
借鉴人手的抓取经验,将预抓取动作集合与简单几何体的集合间建立映射,约束抓取动作的大部分自由度;
对于剩下的未被约束的自由度使用伪随机数法在一定范围内进行采样;
获得候选抓取方案序列。
优选地,所述仿真评价系统包括灵巧手的动力学仿真模块,以及灵巧手的PID控制模块。
由以上各技术方案可见,本发明针对于诸如三指灵巧手等灵巧手,可以实现该灵巧手对物体的自主抓取规划。
附图说明
图1是本发明的灵巧手作业规划方法流程示意图。
图2是图1中的抓取动作样本生成方法流程示意图
图3是图2中抓取动作样本生成方法生成的三种抓取动作示意图。
图4是本发明的灵巧手作业规划方法仿真模拟过程的动力学仿真环境示意图。
具体实施方式
实施例1
如附图1所示,根据本发明的一种灵巧手作业规划方法,包括离线阶段和在线阶段。
所述离线阶段进一步包括,抓取动作样本生成方法针对特定的物体形状生成相应的抓取动作样本,通过物理仿真软件模拟实际的抓取动作,再利用评价函数与评价标准计算抓取效果的好坏。最后生成抓取动作库。
所述在线阶段进一步包括,从所述抓取动作库中选取合适的抓取动作完成抓取任务。
在一优选的实施方式中,所述抓取动作样本生成方法采用启发式规则,如图2所示。所述启发式规则是观察人手抓取动作特点与灵巧手结构特点总结出来的,使用该生成规则可以大大减少可能的抓取动作样本的数量。
为建立该规则,本发明采用了如下步骤。
首先分析灵巧手的结构,分类出该灵巧手所有的预抓取动作,如图3所示。随后,将物体复杂的形状简化为简单的几何体及其组合。在如图3所示的实施方式中,所述灵巧手为三指灵巧手,具有至少三个自由度。所述抓取动作样本包括球状抓取动作、圆柱抓取动作、捏取动作。
虽然本实施方式所描述的灵巧手为三指灵巧手,其抓取动作样本包括球状抓取动作、圆柱抓取动作、捏取动作,然而本领域技术人员能够理解,本发明并不局限于此。本发明的灵巧手作业规划方法可以使用任何适用的灵巧手结构,其抓取动作样本可以根据本发明的抓取动作样本生成方法确定。
其次借鉴人手的抓取经验,将预抓取动作集合与简单几何体的集合间建立映射。在一优选的实施方式中,所述与抓取动作集合中定义了预抓取动作的模式(Model),并且能够由此约束灵巧手系统的主要自由度,诸如R、P、θ。以上映射已经约束抓取动作的大部分自由度,对于剩下的未被约束的自由度使用伪随机数法在一定范围内进行采样,即可得到一系列候选抓取动作。
虽然以上实施方式中的抓取动作样本生成方法采用启发式规则,然而本发明并不局限于此。本领域技术人员能够理解,本发明的灵巧手作业规划方法还可以使用其它的方式生成抓取动作样本。
在另一优选的实施方式中,所述抓取动作样本生成方法采用神经网络的技术方案。具体地,所述抓取动作样本生成方法包括如下步骤。
采集人手抓取数据。本领域技术人员能够理解,该步骤可以采用现有技术中任何使用的技术方案完成人手抓取数据的采集。
训练深度神经网络,以及利用所述神经网络生成各种物体的抓取动作样本。
对于生成的抓取动作样本,无法确定其实际抓取效果,因此本发明使用仿真模拟的方式评估。
在一优选的实施方式中,所述仿真模拟的过程包括搭建Simulink-ADAMS联合仿真环境模拟抓取动作,并结合力封闭性与抓取效率指标等评价函数对模拟出的抓取效果进行定性与定量的评价。
在一优选的实施方式中,根据本发明的灵巧手作业规划方法的仿真模拟过程中采用了Adams(机械系统动力学自动分析系统,Automatic Dynamic Analysis of MechanicalSystems)和Simulink(MATLAB软件中的一种可视化仿真工具),其中的动力学仿真环境如图4所示。图中的Adams模块将作为Simulink控制系统的一部分。在Simulink中搭建好所述灵巧手的PID控制系统,并将Adams模块插入其中,可以得到完整的欠驱动灵巧手adams_Simulink联合仿真系统。该仿真环境由Simulink与Adams组合而成,针对该三指灵巧手进行调参,其中Adams模块实现灵巧手的动力学仿真,Simulink模块实现灵巧手的PID控制。
实施例2
本实施例提供了一种灵巧手作业规划系统,包括抓取方法生成系统、仿真评价系统、抓取动作数据库,以及抓取动作选取系统。
所述抓取动作生成系统用于针对特定的物体形状生成相应的抓取动作样本。
所述仿真评价系统用于仿真模拟实际的抓取动作,利用评价函数与评价标准计算抓取效果的好坏。
所述抓取动作数据库用于保存抓取动作样本。
所述抓取动作选取系统用于从所述抓取动作数据库中选取合适动作完成抓取任务。
在一优选的实施方式中,所述抓取动作生成系统使用启发式规则,所述启发式规则进一步包括:
分析所述灵巧手的结构,分类出该灵巧手所有的预抓取动作。
将物体复杂的形状简化为简单的几何体及其组合。
借鉴人手的抓取经验,将预抓取动作集合与简单几何体的集合间建立映射,约束抓取动作的大部分自由度。
对于剩下的未被约束的自由度使用伪随机数法在一定范围内进行采样。
获得候选抓取方案序列。
在一优选的实施方式中,所述仿真评价系统包括灵巧手的动力学仿真模块,以及灵巧手的PID控制模块。
以上所述仅是本发明的优选实施方式,本领域技术人员能理解,本发明并不局限于此。在不脱离本发明原理的前提下,本发明还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围之内。
Claims (7)
1.一种灵巧手作业规划方法,包括离线阶段和在线阶段;
所述离线阶段包括:针对特定的物体形状生成相应的抓取动作样本,并且通过仿真模拟计算抓取效果,生成抓取动作数据库;
所述在线阶段包括:从所述抓取动作数据库中选取合适动作完成抓取任务;
所述灵巧手为三指灵巧手;所述抓取动作样本包括球状抓取动作、圆柱抓取动作、捏取动作;
所述生成相应的抓取动作样本使用启发式规则,所述启发式规则进一步包括:
分析所述灵巧手的结构,分类出该灵巧手所有的预抓取动作;
将物体复杂的形状简化为简单的几何体及其组合;
借鉴人手的抓取经验,将预抓取动作集合与简单几何体的集合间建立映射,约束抓取动作的大部分自由度;
对于剩下的未被约束的自由度使用伪随机数法在一定范围内进行采样;
获得候选抓取方案序列。
2.根据权利要求1所述的一种灵巧手作业规划方法,其特征在于,所述生成相应的抓取动作样本进一步包括:
采集人手抓取数据;
训练深度神经网络;
利用所述神经网络生成各种物体的抓取动作样本。
3.根据权利要求1所述的一种灵巧手作业规划方法,其特征在于,所述通过仿真模拟计算抓取效果进一步包括:仿真模拟实际的抓取动作,利用评价函数与评价标准计算抓取效果的好坏。
4.根据权利要求3所述的一种灵巧手作业规划方法,其特征在于,所述仿真模拟实际的抓取动作包括灵巧手的动力学仿真,以及对灵巧手的PID控制。
5.根据权利要求3所述的一种灵巧手作业规划方法,其特征在于,所述评价函数包括力封闭性和抓取效率。
6.一种灵巧手作业规划系统,包括抓取动作生成系统、仿真评价系统、抓取动作数据库,以及抓取动作选取系统;
所述抓取动作生成系统用于针对特定的物体形状生成相应的抓取动作样本;
所述仿真评价系统用于仿真模拟实际的抓取动作,利用评价函数与评价标准计算抓取效果的好坏;
所述抓取动作数据库用于保存抓取动作样本;
所述抓取动作选取系统用于从所述抓取动作数据库中选取合适动作完成抓取任务;
所述灵巧手为三指灵巧手;所述抓取动作样本包括球状抓取动作、圆柱抓取动作、捏取动作;
所述抓取动作生成系统使用启发式规则,所述启发式规则进一步包括:
分析所述灵巧手的结构,分类出该灵巧手所有的预抓取动作;
将物体复杂的形状简化为简单的几何体及其组合;
借鉴人手的抓取经验,将预抓取动作集合与简单几何体的集合间建立映射,约束抓取动作的大部分自由度;
对于剩下的未被约束的自由度使用伪随机数法在一定范围内进行采样;
获得候选抓取方案序列。
7.根据权利要求6所述的一种灵巧手作业规划系统,其特征在于,所述仿真评价系统包括灵巧手的动力学仿真模块,以及灵巧手的PID控制模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010081717.9A CN111230874B (zh) | 2020-02-06 | 2020-02-06 | 一种启发式规则的灵巧手作业规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010081717.9A CN111230874B (zh) | 2020-02-06 | 2020-02-06 | 一种启发式规则的灵巧手作业规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111230874A CN111230874A (zh) | 2020-06-05 |
CN111230874B true CN111230874B (zh) | 2023-07-21 |
Family
ID=70878232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010081717.9A Active CN111230874B (zh) | 2020-02-06 | 2020-02-06 | 一种启发式规则的灵巧手作业规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111230874B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112025679B (zh) * | 2020-08-26 | 2021-09-24 | 大连理工大学 | 视触觉融合的五指机械手仿人抓取方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5083992B1 (ja) * | 2011-08-26 | 2012-11-28 | 国立大学法人東京工業大学 | 把持姿勢生成装置、把持姿勢生成方法及び把持姿勢生成プログラム |
US9694494B1 (en) * | 2015-12-11 | 2017-07-04 | Amazon Technologies, Inc. | Feature identification and extrapolation for robotic item grasping |
CN106078748B (zh) * | 2016-06-13 | 2018-09-14 | 北京理工大学 | 一种基于手、眼、臂协调操作的机器人抓取物体的控制方法 |
-
2020
- 2020-02-06 CN CN202010081717.9A patent/CN111230874B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111230874A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sahbani et al. | An overview of 3D object grasp synthesis algorithms | |
Kim et al. | Physically based grasp quality evaluation under pose uncertainty | |
Saut et al. | Efficient models for grasp planning with a multi-fingered hand | |
Woods et al. | Autonomous science for an ExoMars Rover–like mission | |
CN113826051A (zh) | 生成实体系统零件之间的交互的数字孪生 | |
Tahriri et al. | Optimizing the robot arm movement time using virtual reality robotic teaching system | |
Shaked et al. | Adaptive robotic stone carving: Method, tools, and experiments | |
CN111230874B (zh) | 一种启发式规则的灵巧手作业规划方法 | |
Jiménez-Moreno et al. | Assistant robot through deep learning | |
CN116977599A (zh) | 一种基于元宇宙的盾构机模拟驾驶方法及系统 | |
Kothari et al. | Grasping objects big and small: Human heuristics relating grasp-type and object size | |
Kuhar et al. | Learning to discern: Imitating heterogeneous human demonstrations with preference and representation learning | |
Gong et al. | Robot motion planning with human-like motion patterns based on human arm movement primitive chains | |
Wang et al. | Virtual-reality-based point-and-direct robotic inspection in manufacturing | |
Nogales et al. | A proposal for Hand gesture control applied to the KUKA youBot using motion tracker sensors and machine learning algorithms | |
Gomes et al. | Deep Reinforcement learning applied to a robotic pick-and-place application | |
Sodikjanov et al. | Research of Software-Hardware of Industrial Robots | |
Alt et al. | Heuristic-free Optimization of Force-Controlled Robot Search Strategies in Stochastic Environments | |
Akhshik et al. | Pressure Sensor Positioning for Accurate Human Interaction with a Robotic Hand | |
Vladareanu et al. | Robot advanced intellectual control developed through flexible intelligent portable platform | |
Kahl et al. | Virtual robot programming for deformable linear objects: System concept and prototype implementation | |
Goussous et al. | A new methodology for human grasp prediction | |
Li | Study, design, and evaluation of exploration strategies for autonomous mobile robots | |
Wang et al. | DeepClaw 2.0: A Data Collection Platform for Learning Human Manipulation | |
Steil et al. | Learning issues in a multi-modal robot-instruction scenario |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |