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�很多相關(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！