机器人与触觉传感技术的碰撞，一文初探人类与机器人的触觉传感

其中，M 是力扭矩传感器测量的力矩。图 9（b）示出了不同θ值的最大归一化力矩与触觉图的归一化中心力矩之间的关系。与前面的情况相反[图 9（a）]，最大允许力矩随着θ而增大。考虑到实际接触面积（A_r）对压力的依赖性，曲线具有非线性性质。

图 9. 机器人抓取实验结果。（a） 运动 1：最大剪切应力（τ）是不同θ值下法向应力（σ）的函数。其中，对于每个 angle.s 数据集，一个幂函数（y=ax^b）与实验数据相匹配，以显示总体趋势；（b） 运动 2：最大规范化扭矩（M），作为不同θ值的归一化法向应力（μ）的函数

3.1.3 小结

由本文的工作可知，通过预先了解夹持器的性能，引入触觉传感装置，能够有效将抓握力的精确应用与壁虎胶接触性能的改进结合起来，进而减少对夹持器控制器本身的要求。例如，可以使用较小的控制器，从而使机械臂上的工具更轻、更安全。这种改变对协作机器人的实际应用是非常有利的。

关于后续工作，作者认为主要有三个方向：一是，需要针对其它材料和粗糙度的面板进行测试，以验证本文实验中观察到的趋势是否依然成立；二是，在非平面抓取的理想工作条件下，性能会出现多大程度的下降；三是，可以对动态情况下的抓取效果进行测试，从而验证在复杂条件下的操作任务完成情况。

3.2 基于接触反馈和 GPU 加速机器人仿真的手持式目标姿态跟踪（In-Hand Object Pose Tracking via Contact Feedback and GPU-Accelerated Robotic Simulation）[5]

机器人能够灵巧的进行操纵，得益于其对手持物体姿势的稳健估计。然而，由于存在严重的遮挡问题，在机器人手握住和操纵物体时，很难跟踪物体的姿态。为了解决机器人操作过程中的手持式（In-Hand）目标跟踪问题，本文提出将一个 GPU 加速的高保真物理模拟器 [6] 作为前向动力学模型与基于样本的优化框架相结合，以跟踪具有接触反馈的物体姿势（如图 10 所示）的方法。该方法将机器人控制器发送到一个 GPU 加速物理模拟器中，该模拟器并行运行许多机器人的状态模拟运算，每一个都有不同的物理参数和扰动的物体姿态。将观察成本（如来自真实世界和模拟的接触反馈等）传递给基于样本的无导数优化器，该优化器定期更新所有模拟的状态和参数，以更好地匹配真实世界。在任意时刻，该方法都最终选择代价最低的仿真姿态作为当前目标的姿态估计。

无导数优化是数学优化中的一门学科，它不使用经典意义上的导数信息来寻找最佳解：有时，关于目标函数 f 的导数的信息不可用，不可靠或不切实际。比如本文就用取样 (Sampling) 来更新和优化函数值。

图 10. 手持式目标姿态跟踪框架

3.2.1 方法简述

首先，作者定义了机械手在物体操纵过程中对手持物体姿态的跟踪问题。在某个时刻 t，对象的姿势表示为 p_t。作者首先定义一个物理动力学模型 s_(t+1)=f(s_t,u_t,θ)，其中 s_t 表示世界状态（刚体的位置和速度，以及关节体中关节角的大小），u_t 表示机器人控制器（使用期望的关节位置作为动作空间），θ表示模拟的固定参数（如质量和摩擦力）。

对于仿真模型 f，给定初始值 p_0、s_0、θ，只需要回放仿真中机器人的动作序列 u_t 来估计姿态。然而，由于前向模型不完善，姿态的初始值有噪声，可以通过引入观测反馈（触觉感知的一种方式）来改进姿态估计。令 D 表示机器人关节的数目，L 为它的接触传感器的数目。将观测向量 o_t 定义为机器人 q_t 关节位置配置值的串联结果，以及如下定义：R_t（位于指尖上）、感应接触的力矢量 c_t、接触面 d_t 上的平移滑移方向上的单位矢量，以及接触面 R_t 上的旋转滑移的二元方向，其中 l 表示第 l 个接触传感器。一般的手持式姿态估计问题是：给定当前和过去的观测值 o_(1:t)，机器人控制器 u_(1:t)，以及初始姿态 p_0，找到当前物体最可能的姿态 p_t。完整流程见算法 1。

首先，通过一个基于视觉（Vision）的物体姿态估计器来估计物体的初始姿态。然后，在给定初始目标姿态估计和机器人配置值的情况下，初始化 K 个并行仿真，并在每一个时间步长 t 内将真实的机器人动作 u_t 复制到所有 K 个仿真中。给定一个成本函数 C，当前时间 t 的最佳姿态估计是第 i 次模拟的姿态(p_t)^(i* )，其中第 i 次模拟是在过去某个时间窗口 t 中产生最低平均成本的模拟：

使用成本定期更新仿真及其参数，从而可以更好地与真实的机器人对象系统对齐。期望的代价函数与手持式操作的对象姿态差异相关，因此，较低的成本即对应于较好的姿态估计。本文使用的成本函数的形式如下：

对于成本函数中的第一项（比较模拟环境和真实世界机器人之间的 q_t）的作用在于，即使它们共享相同的 u_t，依赖于与机器人手接触的物体当前姿态施加的碰撞约束不同，q_t 也可能会不同。在上式中，如果接触式传感器的力的值大于阈值，则该传感器处于接触状态。当第 i 次仿真的第 l 个接触传感器的二元接触状态与真实接触传感器的接触状态一致时，α_(i,l)为 1，否则，α_(i,l)为 0。类似的，当第 i 次仿真的第 l 个接触传感器与实际接触传感器在是否发生平移滑动的状态方面都是一致的，β_(i,l)为 1，否则，β_(i,l)为 0。γ_(i,l)表征旋转滑动的类似情况。设置成本项的权重 w_s，使每个项的相应平均量大致归一化为 1。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!