近日，2021年機(jī)器人技術(shù)與自動(dòng)化會(huì)議（IEEE International Conference on Robotics and Automation, ICRA）公布了論文錄用結(jié)果。我院信息科學(xué)與技術(shù)學(xué)部、先進(jìn)制造學(xué)部各有1篇論文入選，分別為：

《基于改進(jìn)人工勢(shì)場(chǎng)法的超冗余連續(xù)型機(jī)械臂整臂協(xié)同規(guī)劃算法》（ An Overall Configuration Planning Method of Continuum Hyper-Redundant Manipulators d on Improved Artificial Potential Field Method ，作者：2019級(jí)碩士生田宇，導(dǎo)師：王學(xué)謙）《ParametricNet：面向參數(shù)化零件堆疊場(chǎng)景的6D位姿估計(jì)網(wǎng)絡(luò)》（ ParametricNet: 6DoF Pose Estimation Network for Parametric Shapes in Stacked Scenarios ，作者：2019級(jí)碩士生呂偉杰、2020級(jí)碩士生張欣宇，導(dǎo)師：曾龍）

田宇、呂偉杰、張欣宇（從左至右）

超冗余連續(xù)型機(jī)器人憑借其獨(dú)特的結(jié)構(gòu)優(yōu)勢(shì)，近年來(lái)被廣泛用于完成航空航天、醫(yī)療等領(lǐng)域在狹隘環(huán)境中的任務(wù)。因?yàn)槌哂噙B續(xù)型機(jī)器人具有較大的冗余自由度，其逆運(yùn)動(dòng)學(xué)十分復(fù)雜，在狹隘環(huán)境中的運(yùn)動(dòng)規(guī)劃一直是超冗余連續(xù)型機(jī)器人的一項(xiàng)研究難點(diǎn)。

本文提出了一種基于虛擬引導(dǎo)管道和改進(jìn)人工勢(shì)場(chǎng)法的超冗余連續(xù)型機(jī)器人整臂協(xié)同規(guī)劃算法。本算法首先根據(jù)任務(wù)場(chǎng)景構(gòu)建一個(gè)不包含障礙物的虛擬管道，運(yùn)用人工勢(shì)場(chǎng)算法將機(jī)械臂限制在管道中運(yùn)動(dòng)，并通過(guò)為虛擬管道加入類似螺線管磁場(chǎng)分布的勢(shì)場(chǎng)，解決了傳統(tǒng)人工勢(shì)場(chǎng)方法的局部極小值問(wèn)題。為了解決整臂規(guī)劃中面臨的受力方向矛盾，本文提出了一種基于最大做功原理的機(jī)器人運(yùn)動(dòng)規(guī)劃方法，解決了整臂規(guī)劃中面臨的受力方向矛盾問(wèn)題，提高了機(jī)器人運(yùn)動(dòng)效能。通過(guò)仿真對(duì)所提方法進(jìn)行了驗(yàn)證。仿真結(jié)果表明，虛擬管道和引導(dǎo)勢(shì)場(chǎng)的引入大大增加了連續(xù)機(jī)器人規(guī)劃成功率，并且避免了引入超冗余機(jī)器人復(fù)雜的逆運(yùn)動(dòng)學(xué)公式，大大降低了計(jì)算復(fù)雜度。

改進(jìn)后的勢(shì)場(chǎng)以及規(guī)劃的臂型時(shí)序圖

在智能制造升級(jí)推廣的今天，工業(yè)環(huán)境中存在大量使用機(jī)械臂抓取的堆疊場(chǎng)景。零件之間通常存在嚴(yán)重遮擋、局部重疊等問(wèn)題，尤其是參數(shù)化零件在制造過(guò)程廣泛存在，而目前位姿估計(jì)方法主要面向非參數(shù)化物體。因此，參數(shù)化零件的多樣性、隨機(jī)性和未知性，使得參數(shù)化零件堆疊場(chǎng)景理解與自主抓取尤為困難。

本文提出了一種基于關(guān)鍵點(diǎn)預(yù)測(cè)和霍夫投票的參數(shù)化零件位姿估計(jì)網(wǎng)絡(luò)ParametricNet。首先由模板的驅(qū)動(dòng)參數(shù)和對(duì)稱性定義出與參數(shù)關(guān)聯(lián)的關(guān)鍵點(diǎn)，即將物體參數(shù)預(yù)測(cè)問(wèn)題和位姿預(yù)測(cè)問(wèn)題轉(zhuǎn)變?yōu)殛P(guān)鍵點(diǎn)預(yù)測(cè)問(wèn)題。然后通過(guò)逐點(diǎn)回歸網(wǎng)絡(luò)與投票機(jī)制預(yù)測(cè)出個(gè)體的關(guān)鍵點(diǎn)和質(zhì)心，并在質(zhì)心空間內(nèi)實(shí)現(xiàn)個(gè)體分割，同時(shí)由預(yù)測(cè)質(zhì)心和關(guān)鍵點(diǎn)解算出參數(shù)，實(shí)現(xiàn)對(duì)應(yīng)模板零件實(shí)例的三維重構(gòu)，進(jìn)而確定模板質(zhì)心和關(guān)鍵點(diǎn)。最后，通過(guò)關(guān)鍵點(diǎn)匹配擬合解算出每個(gè)物體的6D位姿。已位姿識(shí)別非參數(shù)化標(biāo)準(zhǔn)數(shù)據(jù)集中，ParametricNet在位姿估計(jì)準(zhǔn)確率上大幅優(yōu)于最新方法（達(dá)15%）。另外，本文還構(gòu)建了一個(gè)參數(shù)化零件堆疊數(shù)據(jù)集，為工業(yè)零件場(chǎng)景理解技術(shù)研究奠定大規(guī)模數(shù)據(jù)基礎(chǔ)。ParametricNet在本文提出的參數(shù)化零件堆疊數(shù)據(jù)集中也同樣具有優(yōu)秀的學(xué)習(xí)能力和泛化能力，在機(jī)械臂堆疊抓取的實(shí)際場(chǎng)景實(shí)驗(yàn)中，ParametricNet可以穩(wěn)定地實(shí)現(xiàn)對(duì)未知參數(shù)零件的識(shí)別和位姿估計(jì)。

ParametricNet流程圖

國(guó)際機(jī)器人技術(shù)與自動(dòng)化會(huì)議（ICRA）由機(jī)器人和自動(dòng)化學(xué)會(huì)（IEEE Robotics and Automation Society, RAS）主辦，每年舉辦一次，是機(jī)器人技術(shù)領(lǐng)域頗具規(guī)模和影響力的國(guó)際學(xué)術(shù)會(huì)議。

文/圖|曾龍、王學(xué)謙、呂偉杰

編輯|葉思佳