机器人多指手灵巧抓持规划

抓持规划是机器人灵巧手要完成预期任务所面临的一个重要问题．本文采用主从操作方式进行灵巧手的指尖抓持规划，由人手决定抓持接触点的位置， 灵巧手通过调整其手掌的位置和姿态保证各手指在人手指定的位置上抓持物体．根据灵巧手的操作特点，提出以关节灵活度来描述关节运动各向同性的能力，并据此定义灵巧手操作灵活度，作为灵巧手抓持位形性能的评价指标．以最大操作灵活度作为优化目标函数，寻求最优的抓持性能．同时，借鉴人手的抓持经验，通过主从操作方式，建立从人手到灵巧手的运动映射关系，从而为手掌位置优化问题提供合理的初值．仿真实验结果说明了文中方法的有效性．     

机器人灵巧手抓持分类器的设计与实现

机器人灵巧手的抓持分类是抓持规划的一个主要问题．本文应用模式识别技术设计和实现了 一种基于高斯混合模型GMM的分类器． 采用Expectation Maximization(EM)算法估计GMM的 参数，对人手的抓持动作进行识别与分类，经过人手到机器人手的关节空间运动映射，实现 了机器人灵巧手的抓持动作分类．该分类器可以应用于在线抓持规划．     

人手抓持识别与灵巧手的抓持规划

本文研究灵巧手采用指尖抓持方式时的抓持规划方法．在相同的操作环境和操作对象下 ，由人手决定抓持接触点的位置，利用人手运动测量装置测量人手抓持位置，通过一定的映 射关系将其转换为灵巧手的抓持位置及其掌系的位姿，再根据灵巧手自身的结构通过运动学 反解确定其抓持位形．     

人手到灵巧手的运动映射实现

本文研究主从操作中人手到灵巧手的运动映射．提出了一种基于虚拟关节和虚拟手指的关节空间运动映射方法，实现了人手和灵巧手的三维运动仿真．以数据手套为人机接口，在虚拟环境下，通过直观地比较映射效果，验证了映射算法．     

灵巧手抓持规划的虚拟仿真方法

本文介绍在虚拟环境中,通过仿真分析的手段来研究机器人灵巧手抓持规划方案的方法.研究中以人的经验为指导,根据手、物的形状及尺寸等相对关系初步给出定性的抓持方案,以此为基础在虚拟环境中对机器人灵巧手的抓持过程进行仿真分析,判定所给出的抓持规划是否能实现在虚拟环境中的稳定抓持.然后在可行方案的基础上进一步对灵巧手的抓持点位置及抓持姿态进行优化,最终可得到机器人灵巧手对于特定被抓持物的较令人满意的抓持规划方案.     

4DOF仿人手概念设计与抓持能力分析

本文提出了一种4自由度仿人手的概念设计及自由度分配方案,拟通过进行自由度的合理分配,提高少自由度仿人手的抓持能力,从而解决仿人手目前面临的少自由度和高抓持性能需求的矛盾.借鉴人手抓持分类方法,分别就精度抓持、力度抓持及人手常用抓持手势、手语进行抓持规划,并利用虚拟样机技术进行抓持仿真,表明该手能够完成抓圆柱、圆锥、球及拇指与其余手指对捏等不同类型的抓持任务.同时该手还可做出握手、OK等手势以及13种聋哑人字母语的手语,表明该手具有一定的用人类手势手语方式与人交流的能力.     

含弧形自由度仿人灵巧手掌的机构设计

提出了一种人手掌的简化模型,根据该模型,设计了仿人灵巧手掌的机构,使得只作为仿人灵巧手手指及其控制部件机架的手掌形成弧形自由度参加手部动作,提高了仿人灵巧手通用性、灵活性和抓持物体的适应性。经优化设计和仿真,机构完全符合灵巧手进行运动时手掌的运动要求。     

灵巧手抓持规划的虚拟仿真方法

本文介绍在虚拟环境中,通过仿真分析的手段来研究机器人灵巧手抓持规划方案的方法。研究中以人的经验为指导,根据手、物的形状及尺寸等相对关系初步给出定性的抓持方案,以此为基础在虚拟环境中对机器人灵巧手的抓持过程进行仿真分析,判定所给出的抓持规划是否能实现在虚拟环境中的稳定抓持。然后在可行方案的基础上进一步对灵巧手的抓持点位置及抓持姿态进行优化,最终可得到机器人灵巧手对于特定被抓持物的较令人满意的抓持规划方案。     

面向手势动作捕捉的传感器设计及主从手运动映射

本文针对人手和机器人灵巧手在运动学上尺寸的不一致现象带来的主从手指尖运动空间映射的不一致性进行研究.基于聚氨酯拉伸应变传感器构建了测量手指关节弯曲角度的数据手套.通过建立主从手的运动学模型,基于旋转矩阵理论及正向运动学提出了一种指尖运动轨迹计算方法及手势动作捕捉算法.基于正向运动学及逆向运动学的指尖运动映射算法建立了主从手的指尖运动空间轮廓.建立虚拟实验场景,分别针对关节角度映射算法、手势动作捕捉算法及指尖运动映射算法进行了一系列试验.通过实验得出基于聚氨酯的拉伸应变传感器具有良好的时间响应特性及电学稳定性,基于手势动作捕捉算法能够获取主从手的指尖运动空间轮廓,指尖运动轨迹的计算误差控制在2.8 mm以内.结果证明了基于手势动作捕捉算法以及指尖运动映射算法能够实现主从手指尖运动空间的一致性.     

虚拟手的姿态控制与变形仿真

iHandRehab应用机器人技术与虚拟现实技术对手部损伤患者进行康复训练。主动模式下的训练任务需要在虚拟环境中模拟人手抓持和释放物体的真实过程,难点集中在虚拟手与刚性物体接触时的姿态控制和局部变形计算。根据人手的组织结构和运动特征将食指和拇指简化为3指节串联机构,通过改变各关节的旋转角度来实现虚拟手的自由运动。虚拟抓持过程中以手指的运动学模型为基础,结合前后指节需要满足的约束关系确定虚拟手的最终姿态。指节和物体分别采用点壳和距离场模型进行碰撞检测,根据点壳上碰撞点的嵌入信息计算虚拟手在接触区域的局部变形量。实验结果表明:模型能够实时准确地模拟人手抓持刚性物体时的真实状态。     

基于深度神经网络的多指灵巧手抓取手势优化

基于深度神经网络模型,提出了一种适用于多指灵巧手的抓取手势优化方法。首先,在仿真环境下构建了一个抓取数据集,并在此基础上训练了一个卷积神经网络,依据目标物体单目视觉信息和多指灵巧手抓取位形来预测抓取质量函数,由此可以将多指灵巧手的抓取规划问题转化为使抓取质量最大化的优化问题,进一步,基于深度神经网络中的反向传播和梯度上升算法实现多指灵巧手抓取手势的迭代与优化。在仿真环境中,比较该网络和仿真平台对同一抓取位形的抓取质量评估结果,再利用所提出的优化方法对随机搜索到的初始手势进行优化,比较优化前后手势的力封闭指标。最后,在实际机器人平台上验证本文方法的优化效果,结果表明,本文方法对未知物体的抓取成功率在80%以上,对于失败的抓取,优化后成功的比例达到90%。     

基于模糊逻辑控制的机器人灵巧手的抓取方式

机器人灵巧手抓取方式控制是整个灵巧手操作规划一个非常重要的环节。该文介绍了3种典型的抓取方式：平行抓取、聚中抓取和镊式抓取。以被抓取物体的尺寸为输入量,抓取方式作为输出量,提出了一种基于模糊逻辑的灵巧手抓取控制算法,并对这种算法进行了推导。在实际的机器人灵巧手遥操作系统中的应用表明,这种基于模糊控制的灵巧手抓取方式控制方法是正确有效的,具有使用价值。     

虚拟手抓持力觉生成算法真实性的评价

目的 虽然许多学者研发了多种虚拟手交互触力觉生成算法,但是如何评价虚拟手交互触力觉生成算法的真实性是一个富有挑战性的新问题,值得深入研究.方法 构建手指抓持力测量平台,设计3种抓持姿态下指尖静力抓持球体实验内容,测得各指尖作用力的实测值;通过虚拟手静力抓持力觉生成算法,求得这3种抓持姿态下各手指作用力的理论值;对实测值进行统计和分析,并与理论值进行对比和讨论;结果 日常抓持经验和实测值是完全相符的,实测值和理论值很接近且偏差均在可接受范围之内.单个手指作用力或多个手指合力的实测值与理论值的偏差均在1%6%.结论 本文实现了一种基于物理的实验方法,评价和分析了虚拟手静力抓持力觉生成算法的真实性,证实此算法可以逼真地生成虚拟手抓持力,可应用于具有力反馈的自然的虚拟手交互.     

Virtual grasp release method and evaluation

We address a “sticking object” problem for the release of whole-hand virtual grasps. The problem occurs when grasping techniques require fingers to be moved outside an object's boundaries after a user's (real) fingers interpenetrate virtual objects due to a lack of physical motion constraints. This may be especially distracting for grasp techniques that introduce mismatches between tracked and visual hand configurations to visually prevent interpenetration. Our method includes heuristic analysis of finger motion and a transient incremental motion metaphor to manage a virtual hand during grasp release. We integrate the method into a spring model for whole-hand virtual grasping to maintain the physically-based pickup and manipulation behavior of such models. We show that the new spring model improves release speed and accuracy based on pick-and-drop, targeted ball-drop, and cube-alignment experiments. In contrast to a standard spring-based grasping method, measured release quality does not depend notably on object size. Users subjectively prefer the new approach and it can be tuned to avoid potential side effects such as increased drops or visual distractions. We further investigated a convergence speed parameter to find the subjectively good range and to better understand tradeoffs in subjective artifacts on the continuum between pure incremental motion and rubber-band-like convergence behavior.     

Towards autonomous robotic servicing: Using an integrated hand-arm-eye system for manipulating unknown objects

Executing complex robotic tasks including dexterous grasping and manipulation requires a combination of dexterous robots, intelligent sensors and adequate object information processing. In this paper, vision has been integrated into a highly redundant robotic system consisting of a tiltable camera and a three-fingered dexterous gripper both mounted on a puma-type robot arm. In order to condense the image data of the robot working space acquired from the mobile camera, contour image processing is used for offline grasp and motion planning as well as for online supervision of manipulation tasks. The performance of the desired robot and object motions is controlled by a visual feedback system coordinating motions of hand, arm and eye according to the specific requirements of the respective situation. Experiences and results based on several experiments in the field of service robotics show the possibilities and limits of integrating vision and tactile sensors into a dexterous hand-arm-eye system being able to assist humans in industrial or servicing environments.     

气动机器人多指灵巧手——ZJUT Hand

总结了现有灵巧手的缺点,例如结构复杂、难以控制等,并在此基础上提出了一种新型的气动驱动多指灵巧手,命名为ZJUT Hand.基于一种新型的气动柔性驱动器FPA,设计了气动刚柔性弯曲关节及侧摆关节;在此基础上给出了一种4自由度气动拟人手指;为了获得较高的模块化集成度,将5个完全相同的手指装配在拟人手掌上,构成具有5个手指、20个自由度的ZJUT Hand的本体结构;采用仿生学优化方法确定ZJUT Hand的结构参数,并对其本体结构进行了抓持仿真实验.仿真结果表明:ZJUT Hand能够对圆柱、长条形、球形等典型形状的物体实现抓持,并能够模拟人手实现对捏、夹持、勾拉等复杂拟人手形.详细设计了ZJUT Hand的力/位传感系统.完成了ZJUT Hand的抓取实验,结果表明:ZJUT Hand能够对典型形状目标物体实现稳定抓取.最后,简单总结了ZJUT Hand的特色之处.