基于PPO算法的机械臂抓取策略研究

以解决机械臂在面临多目标场景中执行抓取任务时的路径规划问题为目标,验证PPO算法在机械臂抓取策略上的可行性。研究采用基于PPO算法的深度强化学习,通过在PyBullet仿真环境中进行机械臂与物体的交互模拟,以机械臂末端的位置坐标和目标物体的位置坐标作为状态空间输入到深度强化学习网络,并输出下一步骤的机械臂末端位置坐标,再通过机械臂逆运动学求得各个关节的旋转角度作为动作的输出,最后结合经过优化的奖励函数,提高机械臂在训练抓取任务时的学习效率,加快收敛速度。仿真实验表明,经过优化的奖励函数和PPO算法的应用使得机械臂训练时获取的奖励值能够在第1000回合左右开始收敛到-50~0,且能够在10步左右的步数稳定完成抓取任务,验证了该方法的可行性。该研究成果在机械臂抓取任务中取得很好的效果,为实际应用中解决复杂抓取问题提供了有力的方法和技术支持。

基于机器视觉的机械臂抓取系统设计

以六自由度的Kinova机械臂和Realsense深度相机等硬件为基础,设计基于机器视觉的机械臂抓取系统。针对传统模板匹配法不具有旋转不变性的问题,将颜色识别算法应用于目标识别中。建立机器人系统参数化模型,对图像预处理并通过颜色识别算法得到目标的质心坐标,通过D-H参数法建立机械臂运动学模型,利用逆运动学求解出关节角度进而完成抓取。通过实验数据表明,该系统具有较高的可行性。

基于裁剪近端策略优化算法的软机械臂不规则物体抓取

为应对传统深度强化学习(DRL)算法在处理复杂场景,特别是在不规则物体抓取和软体机械臂应用中算法稳定性和学习率较差的问题,提出一种基于裁剪近端策略优化(CPPO)算法的软体机械臂控制策略。通过引入裁剪函数,该算法优化了近端策略优化(PPO)算法的性能,提升了它在高维状态空间的稳定性和学习效率。首先定义了软体机械臂的状态空间和动作空间,并设计了模仿八爪鱼触手的软体机械臂模型;其次利用Matlab的SoRoSim(Soft Robot Simulation)工具箱进行建模,同时定义了结合连续和稀疏函数的环境奖励函数;最后构建了基于Matlab的仿真平台,通过Python脚本和滤波器对不规则物体图像进行预处理,并利用Redis缓存高效传输处理后的轮廓数据至仿真平台。与TRPO(Trust Region Policy Optimization)和SAC(Soft Actor-Critic)算法的对比实验结果表明,CPPO算法在软体机械臂抓取不规则物体任务中达到了86.3%的成功率,比TRPO算法高出了3.6个百分点。这说明CPPO算法可以应用于软体机械臂控制,可在非结构化环境下为软体机械臂在复杂抓取任务中的应用提供重要参考。

六自由度机械臂抓取汽车零件的旋角控制方法

当前机械臂抓取汽车零件旋角控制方法存在零件目标物体定位误差较大问题。为此,提出六自由度机械臂抓取汽车零件的旋角控制方法。采用双目视觉方法定位汽车零件目标,通过工作空间法准确计算六自由度机械臂抓取汽车零件的旋角,利用拉格朗日方法对六自由度机械臂完成动力计算,实现六自由度机械臂抓取旋角的控制。实验结果表明,文章所提方法能够准确、有效地完成六自由度机械臂对汽车零件目标的抓取,说明机械臂抓取旋角控制效果较好。

基于ADAMS的纱筒换料抓取机械臂力学特性分析与仿真

利用机械臂代替人工完成大型织机车间纱筒换料任务,可以降低企业用工成本,提高生产效率,然而传统机械臂基座通常固定于地面,作业区域受限,使用率低。由此,本文设计出一种将AGV小车与六自由度抓取机械臂相结合的纱筒自动换料智能化装备的基本构型,提出了纱筒自主换料作业运动规划,相比于传统的换料方式,本系统在纱筒换料作业中更为灵活。在纱筒抓取过程中抓取机械臂与纱筒之间存在力的接触,抓取力的控制是完成抓取作业的关键,基于此,本文在传统拉格朗日法的基础上结合非线性阻尼力与非线性弹性力的影响推导建立了此六自由度机械臂的动力学方程,利用ADAMS软件建立纱筒换料六自由度抓取机械臂的动力学仿真模型,通过动力学仿真模拟作业流程,利用后处理功能获取各关节力学曲线验证机械臂抓取的可靠性。仿真结果表明:纱筒换料六自由度抓取机械臂作业过程中,单个关节位移最大值约为1.3 m,运动最大速度为0.4 m/s,能够满足织机车间纱筒换料的生产需要,运动阶段转换时关节加速度变化值基本保持在0.05 m/s^(2),受力稳定,抓取换料平稳可靠,这对企业提高自动化程度,实现高质量发展具有重要理论参考价值。

基于多深度相机融合的机械臂抓取系统

针对单深度相机视角下获取的物体深度图像存在噪声干扰、遮挡等问题,使物体点云形状缺失或变形,3D特征存在不稳定性,提出一种多深度相机融合方法。利用多相机标定结果拼接各个相机视角下的点云数据,通过k邻域去噪算法除去点云中的噪声点,再对去噪点云数据进行体素化降采样,使拼接后的点云在空间均匀分布,从而获取完整的物体形状。同时建立了一个端到端的神经网络,通过输入多相机拍摄的RGB-D图像来预测二指平行夹爪的3D位置和3D方向。为优化预测抓取结果,改进了神经网络中对预测结果的鲁棒性评估,提出力螺旋空间场评价方法,提高了4%的成功率。最后将该抓取系统应用于AR5机械臂,实现了91%的抓取成功率。

一种机械臂像素级抓取检测方法的研究

目的针对在平面抓取的场景下,机械臂如何感知目标物体的位置信息并完成抓取作业,提出了一种兼顾检测速度和精度的抓取检测网络。方法根据抓取检测任务中输入与输出尺寸大小相同的特点,采用语义分割思想设计了抓取检测网络;输入为随机裁剪后的深度图片,输出为同尺寸的抓取置信度、抓取角度和抓取宽度特征图;为了提高平面抓取任务的效率,在综合考虑检测网络速度和精度的情况下,对网络结构进行了改进,除了在网络结构中加入了注意力机制外,还使用U-net和Deeplabv3算法替换了网络的主体结构;通过对比实验认为加入注意力机制的检测网络在检测速度和检测精度上平衡得较好,能够实现抓取任务,将抓取位姿传输给ROS系统,通过一系列的坐标变换和运动规划进行了抓取作业。结果添加注意力机制后,检测网络的推理时间仍为毫秒级,最大抓取置信度提高了7.2%;采用U-net和Deeplabv3的网络检测速度较慢,U-net网络的抓取置信度Q_(max)提高了18.8%,Deeplabv3网络的准确率Acc提高了12.8%;由于抓取检测网络应同时考虑检测速度和精度,因此加入注意力机制的检测网络性能较优。结论实验结果表明:添加注意力机制后的抓取网络在检测速度与精度上兼顾的比较理想,能够成功抓取场景中的目标物体,此方法具有一定的实际应用价值。

管内异物抓取机械手机构参数优化设计

考虑抓取机械手工作于狭小圆形管道内与工作对象的分布特点两方面因素,管内异物抓取机械手采用三自由度关节型机械手的机构型式。以机械手的工作空间主截面最大与杆件长度尺寸之和最小为优化目标,建立了综合优化目标函数,得到机械手的结构参数优化解,为机械手的结构设计及运动学与动力学分析提供了基础参数。同时对所得优化结果做了进一步分析,为机械手的机构参数的修改与调整提供了可靠的理论依据。

基于多模态的无序堆叠快递包裹机械臂视觉抓取系统

目的为实现快递交叉带分拣机的自动供包,设计一款基于多模态的无序堆叠快递包裹机械臂视觉抓取系统。方法将堆叠快递包裹RGB图像和深度图多模态信息送入全卷积残差网络模型进行识别,经过模型后处理、抓取策略设计、模型训练与部署,实现快递包裹抓取区域精确识别;结合包裹姿态估计,控制机械臂完成快递包裹的抓取和搬运。结果实验证明,文中提出的视觉识别方法实现了快递包裹抓取区域的精确识别,测试准确率达到了95.73%。结论基于该方法构建的快递包裹机械臂视觉抓取系统,可以完成快递交叉带分拣机的自动供包操作。

管内异物抓取机械手机构设计与运动学研究

通过对管内异物抓取机械手的型综合,确定了该机械手为三自由度关节型机械手。建立了机械手的D-H坐标系,进而通过齐次变换得出机械手的正运动学方程,并采用反变换法得出机械手的逆运动学方程。利用微分变换法得到机械手的雅可比矩阵。最后通过仿真验证了机械手结构设计的合理性、运动学方程建立的正确性,为机械手的进一步理论研究奠定了基础。

基于压电薄膜传感器的软抓取机械手研究

基于压电效应和热电效应的新型薄膜传感器聚偏氟乙烯(PVDF)设计软抓取机械手,通过采集对抓取和释放过程中电荷量的变化判断抓取状态,利用模糊控制理论调控舵机实现软抓取功能。抓取质量小于1kg,体积小于10-3 m3的物体,平稳移动0.6m到达指定位置,偏移误差小于3cm;加入热觉感知功能,温度高于60℃时仿生机械手会自动弹开。基于压电薄膜传感器的软抓取机械手克服了传统机械手无法自主判断夹持力度的弊端,提高了仿生功能。

机械手抓取排序问题(MSP)的最小权匹配算法

介绍了中药电子调配中心机械手抓取排序问题(MSP),并分析描述了其运行过程;在分析中药电子调配中心机械手抓取药材运动过程的基础上,建立了MSP的网络模型,并给出了求解MSP的“最小权匹配算法”;对“最小权匹配算法”的证明及实例研究表明,最小权匹配算法具有性能比为3/2的优良性质,应用该算法求解MSP可较好地提高计算效率。

机械手抓取排序问题(MSP)研究

介绍了机械手抓取排序问题(MSP)并描述了其运行过程,建立了MSP的网络模型并给出了求解方法“η72算法”.通过对“η72算法”的讨论、证明及实例研究表明,应用该算法求解MSP可较好地提高计算效率,并具有性能比为2的优良性质.

基于改进YOLOv2的无标定3D机械臂自主抓取方法

提出了一种多物体环境下基于改进YOLOv2的无标定3D机械臂自主抓取方法。首先为了降低深度学习算法YOLOv2检测多物体边界框重合率和3D距离计算误差,提出了一种改进的YOLOv2算法。利用此算法对图像中的目标物体进行检测识别,得到目标物体在RGB图像中的位置信息;然后根据深度图像信息使用K-means++聚类算法快速计算目标物体到摄像机的距离,估计目标物体大小和姿态,同时检测机械手的位置信息,计算机械手到目标物体的距离;最后根据目标物体的大小、姿态和到机械手的距离,使用PID算法控制机械手抓取物体。提出的改进YOLOv2算法获得了更精准的物体边界框,边框交集更小,提高了目标物体距离检测和大小、姿态估计的准确率。为了避免了繁杂的标定,提出无标定抓取方法,代替了基于雅克比矩阵的无标定估计方法,通用性好。实验验证了提出的系统框架能对图像中物体进行较为准确的自动分类和定位,利用Universal Robot 3机械臂能够对任意摆放的物体进行较为准确的抓取。

多用途抓取类机械手设计及分析

该文在对抓取类机械手的结构类型进行分析的基础上,采取相应的软件对各种类型的机械手进行建模仿真设计,并且对抓取类机械手关键部位的运动和应力进行研究,对其运动中所产生的振动情况进行分析,对机械手的进一步发展设计提供借鉴。

基于动力学模型的面料抓取机械臂轨迹跟踪控制方法

为提高纺织服装行业中面料抓取机械臂的轨迹跟踪精度,建立考虑参数不确定性的动力学模型,采用反步法在浸入与不变(immersion and invariance,I&I)自适应理论框架下设计了一种轨迹跟踪控制方法。首先,建立含未知参数的柔性关节机械臂动力学模型;其次,采用I&I自适应控制方法设计了关节转动惯量的自适应律,并通过构造光滑函数实现参数估计误差流形的不变性和吸引性,保证参数估计误差收敛到0;最后,将所设计的自适应律引入反步法设计控制律的递推过程中,使所设计的控制律对不确定参数具有自适应特性。仿真结果表明,与传统反步法相比,所设计的I&I自适应反步法能更快速、更稳定地达到对期望轨迹的跟踪效果,该算法对期望轨迹的跟踪误差可保持在±0.002 rad之内。

基于GPR和KRR组合模型的机械臂抓取研究

为了避免机械臂自主抓取方法中普遍存在的运动学求逆耗时和视觉系统标定计算复杂度高的问题,提出一种基于高斯过程回归(GPR)和核岭回归(KRR)组合模型的机械臂抓取方法。在学习阶段,训练基于Mask-RCNN的目标检测和实例分割算法及GPR和KRR的机械臂抓取策略;在抓取阶段,首先使用目标检测和实例分割算法获取目标物体的位姿,然后根据目标物体位姿和机械臂关节角的映射关系,结合GPR和KRR的组合模型预测出机械臂关节角并控制机械臂完成抓取任务。实验结果表明:所提出的方法无需视觉系统的标定和机械臂运动学求逆,能够准确地获取目标物体的位姿,AUBO i5机械臂验证,本方法能够实现对目标物体较为准确的抓取。

基于3D视觉的机械臂抓取控制方法

针对传统2D视觉下机械臂无法抓取具有3D位姿物体的问题,提出了基于3D视觉的机械臂抓取控制方法。该方法首先通过差分和滤波的方式去除噪点,并提出了一种加权下采样的方法简化点云。通过欧式距离和法线夹角变化率的结合,提出了一种点云二次分割方法。物体的定位方式采用基于主成分分析法(PCA)的粗配准算法和基于迭代最近点算法(ICP)的精配准算法,然后将所得到的目标物体位姿发送给机械臂进行抓取。在达明协作机器人上的实验表明,该方法能够有效抓取具有3D位姿的物体,与已有的方法相比,在精度和处理时间上有了较大的提升。

基于卷积神经网络的改进机械臂抓取方法

为了提高机械臂抓取的精度,提出一种基于Mask R-CNN的机械臂抓取最佳位置检测框架。基于RGB-D图像,所提框架通过精确的实例分割确定抓取对象的类别、位置和掩码信息,由反距离加权法在去噪后的深度图上获取中心点的加权深度坐标,构成目标对象的三维目标位置,经坐标系转换得到最终的最优抓取位置。建议的框架考虑到目标对象的姿态与边缘信息,可以有效地提高抓取性能。最后,基于UR3机械臂上的抓取实验结果验证了该框架的有效性。

基于仿人机械手的五指力封闭抓取算法

手是人类在长期进化过程中形成的最完美的工具,能够灵活、精细的进行抓取物体等操作;机械手设计初衷是取代人手完成工作,是机器人系统的重要组成部分,因此抓取物体等操作一直是仿人机械手的研究重点;传统的抓取方法是利用机械手三指形成力封闭完成任务;但由于机械手本身结构复杂等原因,易出现控制信号偏差或某自由度未达到要求水平,使得抓取过程中目标物体脱落等问题;为了使机械手达到稳定抓取的效果,本文提出了一种效仿人手抓取的五指力封闭抓取算法,其本质是利用冗余机制解决传统三指抓取过程中可能出现的抓取不平稳或脱落的问题;首先,基于三指力平衡算法的思想上提出了满足五指力封闭抓取算法的条件;然后,对五指力封闭抓取算法进行了充分性和必要性的证明;最后,通过仿真环境下的实验抓取不同目标物体,验证了五指力封闭算法的可行性及必要性。