|
怎么樣去控制機器人抓?1. 什么是機器人抓。 如下圖所示,給定一個物體和手,機器人抓取的基礎(chǔ)問題分為三個: 怎么樣去抓 怎么樣去控制 怎么樣去操作 按照難度,這三個問題基本是依次遞增的。 (1)怎么樣去抓?(Grasp Planning) 這個問題基本是一群大牛一開始就研究的問題,包括Salisbury,Mason,Cutkosky,Khatib 等等。大家研究來研究去,就是想知道:給定一個物體,給定一個任務(wù),給定一個手,這個手該怎么去抓這個物體才是最好的?這個方向的最著名的結(jié)果算是force-closure了, 在很長時間基本相當于控制里面的穩(wěn)定性的重要性了。 我在讀博士前兩年,基本也是做這個,當時帶我的博士后Sahar在這個方向做得相當不錯,不過她轉(zhuǎn)行搞金融去了。最近這個方向基本就是往與Learning結(jié)合的套路上走,可以參考Sergey Levine在Google時的工作。 (2)怎么樣去控制?(Grasp Control) 這個問題就是研究力控,包括手指末端的力控,觸覺控制等,剛度控制,阻抗控制等等。很長一段時間,大家都在試圖計算什么樣的手指抓取力才是最優(yōu)的(話說當年開始讀碩士時,第一個給我郵寄紙質(zhì)論文的Imin Kao 教授就是做抓取的剛度控制的)。這里面以Martin Buss和李澤湘老師組的工作最為著名,將一個非線性優(yōu)化問題轉(zhuǎn)化成一個線性矩陣不等式問題,基本在幾十毫秒左右可以得到優(yōu)化結(jié)果。 最近的這個方面的最好的工作應(yīng)該算是DLR出來的object-level impedance control(IJRR)了,F(xiàn)在還堅守在這個方向的主要就是幾個日本教授了,包括我的合作者Kenji。話說Kenji的老板Arimoto教授,退休后才開始搞機器人抓取的,還出了本書。他屬于上古大神級別,現(xiàn)在很少有人知道。 (3)怎么樣去操作?(Dexterous Manipulation) 其中最后一個問題關(guān)于靈巧操作,已經(jīng)很多年沒有什么好的進展了,現(xiàn)在也很少有人去碰這個問題了。Cutkosky的博士論文是搞這個,后來還搞了幾年,再后來把實驗室名字都換了,算是轉(zhuǎn)方向了。Peter Allen 組以前有個博士后搞這個,后來好像是潛水掛了,很是遺憾。最近的soft robotics火了,這個方向好像有了新的轉(zhuǎn)機,Oliver Broc也開始做這個方向了。 2. 為什么機器人抓取重要? 如下圖所示,機器人抓取的研究涉及到很多方面,包括機械,控制,計算機,人工智能等等。很多時候,機器人抓取是一個很好的最小研究例子(minimal example),來支撐各個方向的研究。其次,機器人抓取中的研究內(nèi)容,特別是靈巧性和交互性,能夠?qū)ζ渌芏嘞嚓P(guān)的研究起到作用,下面的第二張圖就說明了這一點。另外,抓取也是機器人走進真實世界必不可少的功能,手對人類是如此重要,我們當然希望賦予機器人同樣的功能。 3. 為什么機器人抓取很難? 抓取對我們而言是如此簡單,所以我們很有可能認為對機器人也很簡單,但實際上是相當難的。如果看過各種或者參加過各種抓取比賽,應(yīng)該是生無可戀了,機器人抓取的底線比你想象的肯定要低。但是很多paper中的數(shù)據(jù)都是在制定的非常不真實的條件下,給人一種很高的成功率的感覺。記得我在我博士論文里面給了個30%左右的成功率,有個答辯委員問我為什么這么低,這不符合常理。但是這就是現(xiàn)實。 現(xiàn)實世界有太多的不確定性,因為不確定性,我們在抓取中用到的模型基本上都是不準確的,甚至是錯的。而我們又沒有足夠好的傳感器,可以實時給我們反饋真實的狀態(tài)。更糟糕的是,我們連一個好點的手也沒用,很難準確的去控制機器人手到我們想要的狀態(tài)。未來很長一段時間,怎么樣處理這些不確定性,將會是機器人抓取的一個熱點方向。其實這個方向也很熱,基本每年都有相關(guān)的workshop。 4. 未來的方向? 既然還有這么多的未解決的問題,那么未來的方向在哪里?我自己總結(jié)了幾個點:更好的理解不確定性,更多的利用接觸,更靈巧的設(shè)計,更穩(wěn)定的傳感器。這幾個方向的闡述,也是很大的一個坑,將來一個個添補吧。(我博士畢業(yè)后,如果去美國做博士后,就是研究其中的第一點和第二點)。如果這幾個點做好了,機器人抓取離大面積的現(xiàn)實應(yīng)用也不會太遠。 文章來源:前沿數(shù)控技術(shù) 歡迎關(guān)注家居薈 長按二維碼即可長期關(guān)注我們,了解更多更有用和有趣的家居知識! |