基于高斯混合模型的工业机器人适应性抓取

在机器人抓取物体的过程中,机器人要调整自身的位姿,以适应物体位姿的变化。提出了一种基于高斯混合模型的适应性抓取方法,实现了机器人在较大工作区域中对物体的抓取。该方法采用高斯混合模型进行建模,构建物体的观测变量与机器人关节变量之间的映射关系。机器人抓取物体时,首先通过相机获取物体的观测变量,分别计算各个高斯分布下该观测变量的生成概率,选取后验概率最大的分布对应的高斯过程回归得到适应性的机器人关节角度。实验结果表明,采用高斯混合模型建模,比采用单一的高斯过程建模能够使机器人更好地实现适应性抓取。

兼顾多动作与轻量化的仿生假肢手设计创成

假肢手的动作数量与轻量化之间存在矛盾关系,为兼顾两者之间的平衡,满足假肢手多动作和轻量化的要求,该研究通过分析人手的16种日常抓取动作,设计了一种合理的电机驱动结构。该结构在四指中应用了多关节同时屈曲传动,在拇指中应用了定轨迹适应性传动,掌骨使用可自动切换为弧面和平面的对称弹性串联驱动式传动,以及配置五指的自动伸展,将这些机能融合在假肢手中,仅用3个电机实现了11种假肢手动作,达到了132.1 g的轻量化设计。该文还通过肌电信号结合神经网络算法,实现了假肢手直觉控制,并验证了其具有良好的抓取稳定性和操作性。