触觉传感机器人运动规划与执行技术解析

触觉传感机器人运动规划与执行技术解析

系统概述

某中心最新推出的Vulcan机器人系统已完成试点试验，即将进入测试阶段。该系统专为纺织储物仓设计，通过配备六维力/扭矩传感器的末端执行工具（EOAT），实现与环境中随机物体的主动接触式交互。与传统工业机器人避免接触的策略不同，Vulcan机器人通过触觉感知与视觉系统协同工作，模仿人类"先接触后调整"的操作模式。

硬件创新

末端执行工具设计

• 抓取工具：采用双平行板夹持器，内置传送带系统，配备可伸缩铝制刮板用于移动仓内物品
• 吸取工具：集成深度相机提供实时反馈，监控抓取过程中仓内物品的位移
• 辅助臂：配备钩状工具用于操作仓口的弹性束带

传感系统

所有工具均配备三维力传感器，可测量六个轴向的力和扭矩，使机器人能够精确控制施加力度，在力度超标前及时停止操作。

核心算法架构

存放算法（Stow Algorithm）

1. 三维视觉建模
   • 使用三对立体相机构建精确的3D环境模型
   • 通过生成式AI创建合成图像训练视觉算法
   • 采用三个深度学习模型分别分割弹性束带、仓格和物品
2. 空间计算
   • 通过卷积运算识别可插入空间
   • 使用核函数（代表所需插入空间）逐像素扫描图像
   • 将2D卷积结果投影到3D模型生成可操作区域（affordances）
3. 物理推理
   • 预测物品移动时的物理特性（刚性/柔性）
   • 根据物体材质调整施力策略
   • 组合基本控制指令（接近、延伸刮板、清扫、弹出物品）

抓取算法（Pick Algorithm）

1. 可操作性检测
   • 基于现有成像系统和元数据评估抓取可行性
   • 使用MaskDINO神经网络进行图像分割
   • 将物品分类为四类：非物品/无遮挡/被压住/被阻挡
2. 物品识别
   • 采用对比学习训练产品匹配模型
   • 最小化同类物品表征距离，最大化不同物品距离
   • 实现光照不变的产品识别
3. 抓取点选择
   • 识别目标物品的相对平坦表面
   • 使用符号距离函数表征三维场景
   • 根据周围区域碰撞概率对候选表面排序

系统集成与部署

试点项目在华盛顿州斯波坎市的某中心部署了6台Vulcan存放机器人。测试阶段将在同一设施增加30台机器人，后续将在德国设施进行更大规模部署，实现存放与抓取机器人的协同工作。

技术优势

该系统代表了机器人操作的新范式：

• 突破传统"仅通过自由空间移动"的限制
• 实现高接触式的力反馈控制循环
• 能够处理各种物品类型，包括易碎品和密集堆放物品
• 为未来20年的机器人操作应用奠定技术基础

相关技术细节详见研究论文：抓取系统 | 存放系统