如何幫助裝配線機器人換檔并拾取幾乎任何東西

為了使這種轉變成為可能，這些公司依賴于在裝配線上工作的人員。對于機器人來說，進行這種轉變太具有挑戰性了，因為機器人與他們的日常任務息息相關。

從理論上講，如果可以為每項任務更換其抓手，機器人幾乎可以撿起任何東西。為了降低成本，這些夾具可以是被動的，這意味著夾具可以在不改變形狀的情況下拾取物體，類似于叉車上的鉗子的工作方式。

華盛頓大學的一個團隊創造了一種新工具，可以設計一個可3D打印的被動抓手并計算拾取物體的最佳路徑。該團隊在一套22個物體上測試了這個系統——包括一個3D打印的兔子、一個門擋形楔子、一個網球和一個鉆頭。設計的夾具和路徑成功用于20個物體。其中兩個是楔形和帶有彎曲鑰匙孔的金字塔形。這兩種形狀對于多種類型的抓手來說都具有挑戰性。

“我們仍然用裝配線生產我們的大部分產品，這確實很棒，但也非常嚴格。大流行向我們表明，我們需要有一種方法來輕松地重新利用這些生產線，”資深作者、華盛頓大學助理教授阿德里安娜舒爾茨說在PaulG.Allen計算機科學與工程學院。“我們的想法是為這些生產線創建定制工具。這為我們提供了一個非常簡單的機器人，可以使用特定的夾具完成一項任務。然后當我改變任務時，我只需更換夾具。”

被動抓手無法調整以適應它們正在拾取的物體，因此傳統上，物體的設計是為了匹配特定的抓手。

“世界上最成功的被動夾持器是叉車上的夾鉗。但要權衡的是，叉車夾只適用于特定形狀，例如托盤，這意味著你想要抓取的任何東西都需要放在托盤上，”說合著者JeffreyLipton，華盛頓大學機械工程助理教授。“我們在這里說‘好吧，我們不想預先定義被動夾具的幾何形狀。’相反，我們想要獲取任何物體的幾何形狀并設計一個抓手。”

對于任何給定的物體，它的抓手看起來有很多可能性。此外，抓手的形狀與機械臂拾取物體的路徑有關。如果設計不正確，抓手可能會在抓取物體的途中撞到物體。為了應對這一挑戰，研究人員提出了一些關鍵見解。

“抓手與物體接觸的點對于保持物體在抓握中的穩定性至關重要。我們稱這組點為‘抓握配置’，”主要作者MilinKodnongbua說，他作為威斯康星大學本科生完成了這項研究在艾倫學校。“此外，夾具必須在這些給定點接觸物體，并且夾具必須是連接接觸點和機器人手臂的單個固體物體。我們可以搜索滿足這些要求的插入軌跡。”

在設計新的抓手和軌跡時，團隊首先向計算機提供物體的3D模型及其在空間中的方向——例如，它將如何呈現在傳送帶上。

“首先，我們的算法生成可能的抓取配置，并根據穩定性和其他一些指標對其進行排名，”Kodnongbua說。“然后它采用最佳選擇并共同優化以查找插入軌跡是否可能。如果找不到，則轉到列表中的下一個抓取配置并嘗試再次進行共同優化。”

一旦計算機找到了良好的匹配，它就會輸出兩組指令：一組用于3D打印機創建夾具，另一組用于打印并連接夾具后的機械臂軌跡。

該團隊選擇了多種對象來測試該方法的威力，其中包括來自一組對象的一些對象，這些對象是測試機器人執行操作任務能力的標準。

“我們還設計了對傳統抓取機器人具有挑戰性的物體，例如具有非常淺角度的物體或具有內部抓取的物體-你必須通過插入鑰匙來拾取它們，”共同作者IanGood說，威斯康星大學機械工程系博士生。

研究人員對22種形狀的10次測試拾音器進行了測試。對于16種形狀，所有10次拾取都成功。雖然大多數形狀至少有一個成功拾取，但有兩個沒有。這些故障是由提供給計算機的對象的3D模型問題引起的。對于一個碗——模型將碗的側面描述為比實際更薄。另一方面——一個看起來像一個帶有蛋形把手的杯子的物體——模型沒有正確的方向。

該算法為類似形狀的物體開發了相同的抓取策略，即使沒有任何人工干預。研究人員希望這意味著他們將能夠創建可以拾取一類物體的被動抓手，而不必為每個物體配備一個獨特的抓手。

這種方法的一個限制是被動抓手不能設計為拾取所有物體。雖然拾取寬度不同或邊緣突出的物體更容易，但如果沒有任何移動部件，則很難抓住具有均勻光滑表面的物體，例如水瓶或盒子。

盡管如此，研究人員還是很高興看到該算法做得很好，尤其是對于一些更困難的形狀，例如頂部有鎖孔的柱子。

“我們的算法為此提出的路徑是快速加速到它真正接近物體的位置。看起來它會撞到物體上，我想，“哦，不。如果我們沒有正確校準它怎么辦?'”Good說。“然后它當然會變得非常接近，然后完美地拾起它。這是一個令人敬畏的時刻，一個極端的情感過山車。”

在艾倫學院攻讀碩士學位的余樓也是該論文的合著者。