在G精度的抓取和裝配工作中，僅僅依靠機械手本身的精度不能滿(mǎn)足任務(wù)要求。近期在IEEE TRANSACTIONS ON MECHATRONICS 上發(fā)表的一篇名為《A Survey of Methods and Strategies for High-Precision RoboticGrasping and Assembly Tasks—Some New Trends》的文章對近年來(lái)在機器人G精度抓取和裝配方面的研究工作進(jìn)行了分類(lèi)、回顧和比較，并闡述了該L域的研究趨勢。

文章介紹了G精度機器人操控的五類(lèi)方法:（1）基于傳感信息的方法（2）基于柔順機構的方法（3）基于環(huán)境約束的方法（4）基于感知約束集成的方法（5）仿生的方法。如圖1所示，示意圖展示了五類(lèi)方法之間的差異。在機器人操控中，主體是機器人的手臂和手，客體是環(huán)境和被操控的對象。虛線(xiàn)表示傳感信息，回路表示傳感器感知到的新?tīng)顟B(tài)。                           

圖1 G精度機器人操控方法類(lèi)型（1）基于傳感信息的方法（2）基于柔性機構的方法（3）基于環(huán)境約束的方法（4）基于感知約束集成的方法（5）仿生的方法

1、基于感知信息的G精度機器人操控方法

典型的用于機器人操控任務(wù)的傳感器主要包括視覺(jué)傳感器、距離傳感器和力/扭矩傳感器，如圖2所示。

圖2 應用在機器人操控任務(wù)中的典型傳感器（1）G速工業(yè)相機（2）智能工業(yè)攝像頭（3）激光距離傳感器（4）立體相機（5）結構光傳感器（6）飛行時(shí)間相機（7）關(guān)節扭矩傳感器（8）腕力/扭矩傳感器（9）手指壓力傳感器（10）手指觸覺(jué)陣列

1）視覺(jué)傳感器

先，視覺(jué)傳感器可用于目標識別和姿態(tài)估計，許多計算機視覺(jué)算法被用于機器人操控[1]-[7]。其次，視覺(jué)傳感器可以用于測量和定位。根據雙目或多目視覺(jué)系統的視差原理，可以計算出目標物體的位置和方向。在[8]中開(kāi)發(fā)了一種基于多功能立體視覺(jué)系統的立體視覺(jué)分割方法，它可以測量和跟蹤具有曲面的物體的位置和方向[9]。在[10]中提出了一種用于已知目標三維姿態(tài)估計的視覺(jué)引導機器人系統，可以有效地抓取3-D目標。[11]中設計了一個(gè)G精度視覺(jué)伺服微裝配系統，該系統能夠做到微軸孔對準與軸孔裝配同時(shí)進(jìn)行。研究人員利用視覺(jué)信息，提出了一種基于支持向量機(SVM)與主元分析(PCA)融合的區間估計優(yōu)化算法，根據實(shí)驗數據[12]訓練機器人終端運動(dòng)參數，規劃運動(dòng)軌跡。

2）距離傳感器

距離傳感器可以感知目標點(diǎn)和傳感器之間的距離，采用如立體三角測量、光片三角測量、結構光、飛行時(shí)間、干涉測量、編碼孔徑測量等方法獲取數據。

以下是機器人操控任務(wù)中常用的幾種距離傳感器：（1）激光測距傳感器可以快速準確地獲取傳感器與目標[13]之間的距離，主要缺點(diǎn)是成本G。（2）立體相機：使用兩臺相機拍攝圖像，使用匹配算法或三角測量[14]-[17]計算距離。它的硬件復雜度適中，但計算復雜度較G且在弱光或圖像特征不清晰的情況下不能正常工作。（3）結構光傳感器，通過(guò)計算光的變形，向物體發(fā)射可控結構光，獲取目標參數。結構光的優(yōu)點(diǎn)是d立于場(chǎng)景，降低了匹配的難度。缺點(diǎn)是多個(gè)傳感器的相互干擾，不能在強光下工作。（4）飛行時(shí)間相機，通過(guò)連續發(fā)送光脈沖，接收物體返回的光，記錄光的飛行時(shí)間，得到距離。與激光測距傳感器相似，這種傳感器具有良好的精度和魯棒性但部署成本G。

距離傳感器(圖2，圖片3-6所示)可以進(jìn)行目標測量和姿態(tài)估計。在[18]中利用立體三角測量法實(shí)現了基于手眼立體相機的目標三維建模，并提出了一種分析方法來(lái)判斷給定對象在真實(shí)環(huán)境下的局部和全局可達性。

3）力傳感器

在機器人操控中，力/扭矩信息被廣泛用于消除零部件的微小位姿誤差。機器人操控中常用的力傳感器（圖2，圖片7-10所示），包括六軸力/扭矩傳感器和觸覺(jué)傳感器。前者通常安裝在機器人的關(guān)節和手腕上，通過(guò)剛性連接感知物體上的力或扭矩；后者主要安裝在機械手指尖或手掌上，用來(lái)感知對應機械部分的正壓力。

（1）關(guān)節扭矩傳感器：將傳感器安裝在機器人的關(guān)節上，獲取機器人運動(dòng)時(shí)的扭矩信息。一方面，利用關(guān)節扭矩來(lái)識別機器人與物體之間的接觸關(guān)系。另一方面，關(guān)節扭矩信息常用于機械手的柔性控制。在[19]中提出了一種利用模糊推理機(FIM)進(jìn)行裝配的方法，該方法可以根據裝配過(guò)程中的接觸信息快速推斷出當前的接觸狀態(tài)。研究人員設計了一種基于關(guān)節扭矩信息的柔性控制器，在關(guān)節機械阻抗未知的情況下調節末端執行器的柔性。[20]將主動(dòng)柔度控制算法與被動(dòng)柔度機制相融合，在基于肌腱驅動(dòng)的機械手平臺上實(shí)現了安全的人機交互。研究人員利用關(guān)節力矩信息設計了平衡前饋控制器，通過(guò)迭代學(xué)習控制[21]實(shí)現類(lèi)人運動(dòng)。

（2）腕力/扭矩傳感器:與關(guān)節扭矩傳感器類(lèi)似，腕部傳感器既可用于確定機器人與物體之間的接觸狀態(tài)[22]，也可用于確定機器人操控系統的慣性參數[23]。在[24]中提出了一種利用力或扭矩信息準確識別在位置/方位不確定條件下的接觸狀態(tài)的方法。[25]實(shí)現了一種基于力/扭矩傳感信息的準靜態(tài)分析方法。當機器人遇到較大的方向誤差時(shí)，該方法可以有效地調整力/扭矩。由于力/扭矩信息在裝配過(guò)程中是局部和瞬態(tài)的，研究力矩信息與其他全局信息如何融合在一起是一個(gè)很有價(jià)值的發(fā)展方向。如何平衡準確性和靈敏度之間的矛盾[26]，以及如何實(shí)現各種接觸/非接觸狀態(tài)之間的有效切換[27]也是人們感興趣的問(wèn)題。

（3）手掌和指尖觸覺(jué)傳感器:將觸覺(jué)傳感器安裝在手掌或手指的末端，獲取接觸力或壓力。它們通常用于接觸狀態(tài)識別[28]，用于摩擦估計[29]，或用于抓取過(guò)程中的滑移檢測[30]。為了解決抓取問(wèn)題，研究人員對抓取接觸模型做了大量基礎性工作[31]-[33]。[34]-[36]中對機器人柔性手指抓取模型進(jìn)行了一系列研究。研究者使用安裝在靈巧手上的接觸傳感器來(lái)G精度、G速地估計平面物體的位置和方向。[37]設計了一種利用觸覺(jué)信息作為反饋來(lái)分析抓取成功率的算法。利用人工智能方法分析觸覺(jué)傳感器獲取的信息是一種趨勢。清華大學(xué)孫富春教授團隊提出的基于J限學(xué)習機(ELM)的觸覺(jué)感知識別方法[38]。此外，[39]使用監督學(xué)習方法，預測抓取過(guò)程中發(fā)生的滑移情況。[40]利用視覺(jué)信息和電子信息設計了一種觸覺(jué)傳感器的替代品，將循環(huán)神經(jīng)網(wǎng)絡(luò )(RNN)和長(cháng)短時(shí)記憶(LSTM)網(wǎng)絡(luò )相結合，來(lái)識別可變形和不可變形物體的變化模式。

2、基于柔性機構的G精度機器人操控

在機械工程中，柔性機構是通過(guò)彈性體的變形來(lái)傳遞或轉換運動(dòng)、力或能量的柔性機構。使用柔順機構可以實(shí)現機器人手臂或手的被動(dòng)柔性運動(dòng)，從而允許在這種運動(dòng)過(guò)程中消除裝配部件之間的位姿誤差。典型的裝置包括遠端柔性中心(RCC)和可變阻抗執行器(VIA)。

圖3 一般RCC的機械結構

 （1）遠端柔性中心(RCC)

RCC是由Whitney和Nevins發(fā)明的，用于幫助機器人完成插入和裝配任務(wù)[41]。在他們的研究中，他們廣泛地討論了機器人的插入過(guò)程[42]。在插入過(guò)程中，銷(xiāo)釘會(huì )在軸向旋轉夾持器下傾斜，這稱(chēng)為柔性中心。如圖3所示，RCC裝置實(shí)際上是一個(gè)有6個(gè)自由度的彈性機構，可以改變系統柔度中心的位置。在[43]中開(kāi)發(fā)了一種具有計算機可調阻抗的主動(dòng)柔性末端執行器。目前，將RCC與其他設備或控制方法相結合是非常有研究?jì)r(jià)值的課題。

圖4  單自由度VSA與環(huán)境相互作用的質(zhì)量模型

（2）可變剛度執行機構（VSA）

一種新型執行器VSA被引入實(shí)現與環(huán)境的柔性交互，如圖4所示。目前，[44]提出了一種利用VIAs進(jìn)行軸孔裝配的低成本解決方案。[45]中提出了一種新的VSA設計，該設計考慮了在運動(dòng)執行過(guò)程中改變傳動(dòng)剛度的可能性，因此，在保持低傷害風(fēng)險水平的同時(shí)，允許大幅度的運動(dòng)加速。目前，許多使用VSAs代替剛度電機的機器人手臂和手的原型正在開(kāi)發(fā)[46]-[48]。

VSA對于機器人抓取和裝配特別有用，它將執行柔性運動(dòng)的能力整合到執行器中，這大大降低了設計帶有外力或扭矩傳感器的柔性控制器的難度。目前關(guān)于VSA的討論主要集中在如何達到給定目的的優(yōu)設計方案。

3、基于環(huán)境約束的G精度機器人操控

除了使用柔性機構來(lái)提供機器人G精度操控所需的柔度外，機器人與被操控對象之間還存在廣泛的約束條件，如配置約束和力約束。利用這些約束條件，特別是在給定系統中的傳感信息未知或部分未知的情況下可以為機器人設計一個(gè)有效的操控策略，典型的方法包括環(huán)境吸引區(ARIE)和籠型。

（1）環(huán)境吸引區

ARIE是環(huán)境形成的約束區域，存在于機器人系統的構型空間中。ARIE的概念早在[49]中提出。[50]進(jìn)一步討論了在生產(chǎn)中實(shí)現無(wú)傳感器G精度操控機器人的概念。通過(guò)利用構型空間中的環(huán)境約束，無(wú)需力傳感器即可在物理空間中進(jìn)行G精度裝配（參見(jiàn)圖5）。

圖5  R3空間中的兩個(gè)復雜部分及其對應的ARIE 

左：復雜零件的接觸狀態(tài) 右：ARIE中的相應點(diǎn)

 基于該理論，目前完成了多個(gè)G精度的機器人操控任務(wù)。例如，在汽車(chē)制造業(yè)，利用基于A(yíng)RIE的方法設計了一種偏心的無(wú)釘孔傳感器組裝系統[51]。研究人員還開(kāi)發(fā)了一種基于視覺(jué)的三維抓取規劃方法，僅需要一張[52]圖像。在近的研究中，[53]不僅討論了ARIE的定義和廣義條件，給出了ARIE的一般數學(xué)描述，分析了在不同構型空間中ARIE存在的條件，而且重點(diǎn)討論了G、低維空間中ARIE的關(guān)系。

（2）籠型

提出籠型問(wèn)題是為了找到一組手指的放置點(diǎn)，該手指的放置可以防止多邊形任意移動(dòng)遠離其給定位置[54]�；\形理論可以應用于機器人抓取L域。[55]研究了籠型構型與抓取構型之間的關(guān)系。[56]將抓握的工作擴展到了籠形，使用特征形狀來(lái)降低靈巧手的維度，還利用空間映射有效地測量了籠型的魯棒性。[57]-[59]提出了一種基于視覺(jué)的工業(yè)夾持器的籠型抓取算法。[60]結合了籠式抓取和強制閉合抓取的優(yōu)點(diǎn)，使不同的抓取器能夠快速抓取未知的平面物體。在[61]中提出了一種受繩索啟發(fā)的籠式抓握方法，可以保證局部穩定抓握。

4、基于感知約束集成的G精度機器人操控

從不同的空間將感知信息和環(huán)境約束集成到一個(gè)統一的框架中，引入環(huán)境約束區域(CRIE)概念。CRIE有兩個(gè)基本功能: 因為環(huán)境約束細化并揭示了一些狀態(tài)，它可以作為隱含傳感器來(lái)檢測系統的當前狀態(tài)；由于傳感信息利用了理想場(chǎng)景和真實(shí)場(chǎng)景之間的差異，因此它可以作為一個(gè)錯誤檢測器。[62]通過(guò)分析人手的解剖結構及其控制機制來(lái)探討機器人手的柔順性。[63]提出了一種具有環(huán)境約束區域的柔性機器人抓取策略，該策略可以根據近似的接觸力方向調整抓取構型。

除了將傳感信息與環(huán)境約束結合在一個(gè)空間之外，還可以采取傳感信息對環(huán)境約束（或環(huán)境約束對傳感信息）進(jìn)行補償的方式。[64]提出了一種綜合抓取問(wèn)題的解決方案，該方案在滿(mǎn)足所有必要約束條件的情況下，可以為特定的任務(wù)找到抓取給定對象的優(yōu)手構型。[65]研究了一種人手和人造手抓取和主動(dòng)觸摸的建模方法。[66]研究了人類(lèi)如何決定操控未知物體所需的抓取力，從而將人類(lèi)抓取物體的策略應用到機器人系統中。

5、仿生的方法

人手的靈活性可以實(shí)現G精度的操作，因此研究人手的結構和控制機制可以改進(jìn)現有機器人系統的設計，提G機器人操控的柔順性。文中提出了兩點(diǎn)：

       （1）機器人末端執行器的耦合冗余結構:目前，大多數機器人的手臂和手都采用了解耦控制，然而，手部運動(dòng)是三維空間中各運動(dòng)位置的疊加，運動(dòng)誤差是各電機誤差的疊加。如果機器人的末端執行器能夠以適當的方式實(shí)現耦合和冗余結構，則可以使運動(dòng)更加柔順。 一些研究者設計了具有肌腱結構的新型機器人手，可以在未知環(huán)境下更好與目標進(jìn)行交互。在[67]中提出了一個(gè)具有冗余肌腱驅動(dòng)和多邊約束的機器人操控系統建模的通用框架。在[68]中介紹了一種由肌腱驅動(dòng)手指的仿生機器人手。在[69]中提出了一種基于肌腱驅動(dòng)的機械手優(yōu)化方法，該方法可以?xún)?yōu)化肌腱驅動(dòng)結構的設計，以獲得大的承載力。

（2）柔性控制策略:通過(guò)上述手臂和手的耦合冗余結構，學(xué)習通過(guò)柔性控制策略實(shí)現G精度的操控。文中討論了兩種主要的控制策略。

策略1:系統需要大致了解手臂、手腕和手的準確程度。通過(guò)對手指的適當控制，對手臂和手腕的運動(dòng)誤差進(jìn)行補償。

策略2: 人類(lèi)學(xué)習控制手主要是基于經(jīng)驗。如果耦合冗余結構在機械手上實(shí)現，可以利用深度神經(jīng)網(wǎng)絡(luò )，通過(guò)強化學(xué)習和轉移學(xué)習來(lái)實(shí)現柔性控制策略。

6、總結

五類(lèi)操控G精度機器人的方法及每種方法的特點(diǎn)如圖6所示。目前，對G精度機器人控制的研究仍集中在基于傳感器信息的方法上。力或扭矩信息在較低層次的控制方案實(shí)現中起著(zhù)重要作用，基于視覺(jué)和距離的信息方法在較G層次的識別、測量和學(xué)習中發(fā)揮了重要的作用。一般來(lái)說(shuō)，這些方法的精度主要取決于所用傳感器的精度，因此，對傳感器的改進(jìn)有很多研究工作要做。

圖6 在利用傳感器和約束方面每種方法的特點(diǎn)

 基于柔性機構的方法是解決機器人G精度軸孔裝配問(wèn)題的經(jīng)典方式。RCC設備為標準的軸孔裝配任務(wù)提供了一種實(shí)用的解決方案，而VSA通過(guò)增強驅動(dòng)機制，為實(shí)現柔順運動(dòng)提供了另一種可能方式。用基于環(huán)境約束的方法來(lái)實(shí)現G精度機器人的控制是一種新思路。這種方法利用操控過(guò)程中的內在信息，避免了額外信息的干擾。感知約束集成方法和仿生方法也提供了實(shí)現柔順靈巧操控系統的可能性，非常具有研究?jì)r(jià)值。未來(lái)在以下三個(gè)方面仍有深入研究的價(jià)值，包括：用基于學(xué)習的操控方法，提G機器人系統的智能；用感知約束集成方法，減少機器人系統對G精度傳感信息的依賴(lài)；用仿生的方法，增強機器人系統的柔順性。