机器人精准抓取技术突破

初步测试显示，原型捏取机器人在处理书籍和箱子等物品时，损伤率降低了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具复杂性的挑战。某中心的科学家通过教导机器人理解三维杂乱环境、定位特定物品，并运用捏取动作安全抓取物品来应对这一挑战。这项研究属于物品特异性操作领域的持续努力，旨在开发能够处理每日从某中心发往客户的数百万种不同形状尺寸物品的机器人。

从吸盘到捏取的技术演进

目前，真空吸附是机器人抓取不同形状尺寸物品的默认技术。这些机器人通常配备弹性吸盘，通过形成紧密密封提供控制。该技术适用于从礼品卡到圆柱形海报管等多种物品。

但当吸附角度在移动过程中发生变化时，真空密封可能提前破裂导致物品掉落。增加吸附力又可能造成包装破损。此外，书籍等需要多表面接触的物品，以及装有颗粒物的袋子都对吸附技术构成挑战。

捏取技术模拟了手的稳固抓握，使机器人能够安全移动物品而不造成损坏。“我们不仅关注拾取物品，更注重移动物品。为此需要能够控制物品。“研究人员强调。

多视角场景理解与动态调整

视力正常的人类即使只能看到物品部分轮廓，也能通过经验和上下文推断其完整形状。机器人通过多摄像头角度和经过训练的机器学习模型生成三维场景理解，识别并估算物品形状，帮助计算机器人如何抓取两个表面。

运动算法将场景理解与机器人动力学特性结合，计算物品移动路径。多摄像头提供持续感知，使机器人能够在抓取过程中实时调整运动计划。这与传统机器人"闭眼执行"的模式形成鲜明对比，后者正是造成物品损伤的主要时刻。

速度与精度的平衡优化

吸附技术的优势在于速度，因为只需接触单个表面。而捏取两个表面更为复杂，需要更长时间。为弥补这一差距，研究团队优化了机器人手臂的运动速度。“如果抓握更稳固，就能移动更快。移动更快也意味着可以有时间实现更好的抓握。“研究人员解释道。

初步测试中，原型捏取机器人在处理书籍等特定物品时，不仅实现了10倍的损伤降低，速度也与吸附机器人相当。“它们不仅能够抓取多种物品，而且速度极快——达到了每小时1000件的效率。“项目负责人表示。

电商场景下的技术挑战与展望

在电商仓储环境中部署该技术面临的主要挑战是泛化能力。“机器人在生产中遇到的大多数物品可能从未见过，因此需要有效泛化到未知物品。“研究人员指出。人类遇到新物品时会尝试映射到最近似经验，机器人也需要类似能力。

当前机器人使用现成机械手处理重量小于两磅的物品（约占可购物品的一半）。未来团队需要从头设计能处理全范围物品的机械手。此外，最佳方案可能是结合吸附和捏取技术，由机器学习算法根据具体情况选择适当方法。

某中心的规模和数据资源为这项研究提供了独特优势，科学家可以基于实际损伤数据和改进模型进行数据驱动的技术开发。“以数据驱动的方式解决机器人领域的关键问题，不仅令人愉悦，更能产生实际影响。“研究负责人总结道。