机器人无序分拣技术研究

目的 介绍机器人无序分拣技术最新进展和研究成果,为复杂场景下的机器人自动化应用提供研究思路和技术支撑。方法 从机器人无序分拣过程中的3个关键技术任务展开论述,具体包括散乱目标的检测与识别、目标的空间姿态估计与无序分拣的抓取决策,并对各个任务中涉及的方法进行分析总结。结论 机器人无序分拣技术目前面临的主要挑战在于处理复杂环境下散乱堆叠物体的视觉感知、位姿估计和抓取决策。具体的分拣系统应当考虑实际的场景环境,结合任务需求进行设计,以求达到机器人尽可能替代人力劳动的目的。

基于多约束条件的机器人抓取策略学习方法

针对机器人在多类别物体不同任务下的抓取决策问题,提出基于多约束条件的抓取策略学习方法.该方法以抓取对象特征和抓取任务属性为机器人抓取策略约束,通过映射人类抓取习惯规划抓取模式,并采用物体方向包围盒(OBB)建立机器人抓取规则,建立多约束条件的抓取模型.利用深度径向基(DRBF)网络模型结合减聚类算法(SCM)实现抓取策略的学习,两种算法的结合旨在提高学习鲁棒性与精确性.搭建以Refiex 1型灵巧手和AUBO六自由度机械臂组成的实验平台,对多类别物体进行抓取实验.实验结果表明,所提出方法使机器人有效学习到对多物体不同任务的最优抓取策略,具有良好的抓取决策能力.