机器人精准抓取技术实现物品无损处理

初步测试显示，一种原型夹取机器人对书籍和箱子等物品的损坏率降低了10倍。

对人类而言，从杂乱冰箱中取出番茄酱瓶而不碰倒牛奶盒是日常任务，但对机器人而言仍是极其复杂的挑战。某中心的科学家正通过教导机器人理解三维杂乱环境、定位特定物品，并使用称为"夹取"的动作安全抓取物品来解决这一难题——这种独特的拇指与手指配合动作被许多人视为理所当然。

该研究是物品特异性操控领域持续努力的一部分，旨在开发能够处理数百万种不同形状和尺寸物品的机器人，这些物品每天从某中心履约中心发往客户。

从吸盘到夹取

目前，真空吸盘是机器人抓取不同形状和尺寸物品的默认技术。这些机器人通常配有弹性吸盘，可贴合物品表面形成紧密密封以提供控制。该过程适用于从礼品卡到圆柱形海报管等各种物品。

但当真空密封过早破裂时会出现挑战，这可能在运动过程中附着角度改变时发生。“如果快速从一个位置移动到另一个位置，物体可能会摆动然后飞出去，“某中心机器人人工智能高级应用科学家解释道，“突然之间物品就掉在地上了。”

增加吸力以防止过早分离也可能导致损坏，如包装起泡或撕裂。在其他情况下，需要移动的物品要求接触多个表面。例如，如果只从封面或封底提起，书籍会散开。另一个挑战是在装有弹珠或沙子等颗粒物品的袋子上获得紧密密封。

夹取抓模仿了手的牢固握持，使机器人能够安全地将物品从一个地方移动到另一个地方而不会掉落或造成损坏。“我们不仅对拾取物品感兴趣，还想要移动物品。要做到这一点，需要能够控制它。”

有视力的人可以估计要移动物品的形状，即使部分被遮挡。以冰箱中的番茄酱瓶为例：即使只能看到顶部，经验和上下文也让人能够想象完整形状。我们会自动创建心理模型和计划，在不洒牛奶的情况下抓取和移动它。

“我们的机器人还没有完全达到这个水平，但要能够从前后抓取这个物品，我们需要理解整个形状，“科学家表示，“因此，我们的一项重要投资是确保能够从多个摄像头可视化场景，并尽可能快地融合所有这些信息，以获得物体的完整形状。”

这种三维场景理解通过多个摄像头角度和机器学习模型生成，这些模型经过训练可以识别和估计单个物品的形状，帮助计算机器人如何抓取两个表面。

一组运动算法将这种场景理解和物品识别与机器人的已知动态（如手臂和手的重量）相结合，计算如何将物体从一个地方移动到另一个地方。这些模型的融合使机器人能够执行夹取动作并在不碰撞其他物品的情况下移动某物。

此外，多个摄像头提供对场景的持续监控——也称为连续感知——以监控物品的抓取和移动，使机器人能够根据需要调整其运动计划。

这对机器人来说是一个进步，它们通常"查看场景，决定要做什么，然后执行。几乎就像在决定做什么之后闭上眼睛一样，这很遗憾，因为在执行过程中场景中正在发生事情。大多数物品损坏都发生在那些时刻。”

吸盘的一个优点是速度。这是因为接触是单表面的。这允许机器人快速拾取和移动物品，例如将巧克力棒从架子移动到盒子。在两个表面上抓取物品更复杂，因此需要更长时间。为了弥补夹取花费的额外时间，团队优化了机器人手臂以更快移动。

“如果对物品的抓握更好，就可以移动得更快。移动得更快也意味着可以花时间实现这些良好的抓取，“他解释说，“我们很幸运团队中有专注于运动的合作者，我们进行了这种很好的优化，使抓取和运动都更快。”

在初步测试中，团队的原型夹取机器人在某些物品（如书籍）上实现了损坏率降低10倍，与使用吸盘的机器人相比速度没有损失。

“他们不仅显示能够抓取许多物体，而且做得非常快——达到了每小时1000个单位的速度，“监督该项目的资深经理表示。

能够抓取各种物品并快速移动而不损坏，使夹取非常适合最终在某中心履约中心部署。

“电子商务与制造业相比有趣之处在于它更加动态，“经理解释说，“这是一支笔，然后是一个泰迪熊，然后是一个灯泡，然后是一件T恤，然后是一本书。”

对于在某中心履约中心的部署，一个关键挑战是将机器人的物品特异性操控能力推广到某中心商店中所有可用物品。

“机器人在生产中遇到的大多数物品可能从未见过，因此需要能够有效地推广到以前未见过的物品，“他解释说，“人类也这样做。当我们看到新奇的东西时，会尝试将其映射到之前遇到的最接近的事物，然后尝试使用该任务的经验并修改以适应新情况。”

另一个挑战是装备机器人，使其能够有效操控某中心商店中可用的大量物品。目前，机器人使用现成的手来操控重量小于两磅的物品，约占可购买物品的一半。

展望未来，团队需要从头设计一只手及相关工具，能够处理全部可用物品范围。此外，虽然夹取对某些物品优于吸盘，但吸盘对其他物品更好，特别是卡片和尺子等扁平物品。为履约中心优化的机器人可能需要吸盘和夹取，以及经过训练的机器学习算法，用于决定在任何给定情况下使用哪种技术。

“作为一个人，你拿起一本书的方式与拿起硬币或T恤不同，“他解释说，“我们需要机器人对它们操控的物品有智能。如果我拿起锤子钉钉子，我想以某种方式抓取它。但如果我拿起锤子放进盒子寄给你，我想以不同的方式抓取它。这就是物品智能的未来。”

某中心的规模、范围和使命使这种水平的机器人研究成为可能，也增强了其在现实世界中的影响。例如，在某中心工作使科学家能够访问当前物品损坏率数据和显示证明机器人投资合理性所需改进的模型。这为团队的科学家和工程师提供了重点。

“我们可以以非常数据驱动的方式提出与机器人世界相关的问题。一旦有了这些问题，回答它们就是一种快乐，“他说，“当你回答它们时，你知道它们可能产生多大影响。”