触觉感知在机器人运动规划与执行中的突破性应用
某中心近期宣布，其Vulcan机器人已完成试点试验并进入测试阶段。该机器人系统专为在织物储物仓中执行物品存放（Stow）和抓取（Pick）任务而设计，通过融合触觉传感与视觉感知，实现了对随机堆放物品的精细化操作。
系统架构与硬件创新
末端执行器设计
机器人配备两种专用末端执行器（EOAT）：
- 抓取执行器：采用双平行板夹持结构，内置传送带系统，可在固定位置通过传送带滑动插入物品
- 吸盘执行器：配备深度摄像头，实时监测抓取过程中物品位置变化
- 辅助臂：配备钩状工具，用于操作储物仓口的弹性束带
执行器集成六维力/扭矩传感器，可精确测量与环境的交互力，在施加过度力前自动停止操作。
核心算法技术
三维感知与空间建模
系统通过三组立体相机构建精确的环境三维点云模型。针对弹性束带造成的成像困难，采用生成式AI合成训练图像，并通过三个深度学习模型分别实现：
- 弹性束带分割
- 储物仓分隔空间分割
- 物品实体分割
存放算法创新
- 使用卷积运算在二维图像中识别可插入空间，投影至三维模型后生成操作可行性指示（affordances）
- 机器学习模型生成工具插入路径指导
- 物理推理层预测物品移动时的力学特性（如刚性/柔性物体区别）
抓取算法实现
- 采用MaskDINO神经网络进行图像分割，新增分类层区分物品状态（无障碍/被遮挡等）
- 通过对比学习训练产品匹配模型，适应不同光照条件和产品变化
- 使用符号距离函数表征三维场景空间关系
- 基于表面平坦度和碰撞概率评估最佳吸附点
操作流程优化
机器人通过接触进行运动规划和控制，模拟人类"先接触桌面再滑动抓取"的行为模式。当需要移动物品腾出空间时，算法将基本控制原语（接近、延伸刮板、清扫、弹出物品）串联成完整操作序列。
系统部署与效能
试点阶段在华盛顿州某中心部署6台存放机器人，测试阶段将新增30台机器人，最终计划在德国设施实现更大规模部署。该系统特别针对最高和最低货架设计，人类操作员可集中处理中间货架和高难度操作任务。
该技术标志着机器人操作范式的根本转变，从"仅能在自由空间移动"进阶到"通过力反馈实现高接触性操作"，为未来20年的机器人应用开辟了新方向。
相关技术细节详见研究论文：Pick | Stow