仿手和關(guān)節(jié)型機(jī)械的仿手系統(tǒng)

仿手和關(guān)節(jié)型機(jī)械的仿手系統(tǒng)

1措施3:基于任務(wù)的機(jī)器人近年來，隨著科學(xué)技術(shù)的發(fā)展，機(jī)器人的后端口由傳統(tǒng)的維護(hù)夾轉(zhuǎn)向多臂靈活性手。多指靈巧手的研究工作蓬勃開展。多指手具有多個多關(guān)節(jié)手指,能夠和人手一樣具有很高的靈巧性,通用性和適應(yīng)性。目前,多指手的抓取策略是促進(jìn)多指靈巧手發(fā)展的關(guān)鍵,采取恰當(dāng)?shù)淖ト〔呗?可以大大降低抓取難度,提高抓取效率及可靠性。由于多指手為多肢體,在抓取或操作時(shí)具有閉環(huán)結(jié)構(gòu),和多臂系統(tǒng)相似,具有控制的不唯一性,力的對抗和合作,負(fù)載分配,運(yùn)動協(xié)調(diào)等問題。此外,多指手抓取中還存在接觸狀態(tài)的不確定性,接觸力的單方向性等特點(diǎn)。因此比多臂系統(tǒng)更復(fù)雜。考慮到這些情況,設(shè)計(jì)制訂恰當(dāng)?shù)淖ト〔呗跃透鼮楸匾?眾多研究者已經(jīng)在這個領(lǐng)域提出了多種抓取策略:文獻(xiàn)提出了面向任務(wù)的抓取規(guī)劃方法;文獻(xiàn)提出一個基于分層推理的機(jī)器人抓取規(guī)劃系統(tǒng);文獻(xiàn)對基于知識的抓取規(guī)劃進(jìn)行了研究,提出了一個可定性實(shí)現(xiàn)的抓取模型。本文借鑒了人類抓取的生物特征,結(jié)合人的學(xué)習(xí)能力,研究了初始抓取與知識抓取相結(jié)合的主動抓取策略,它與其它抓取策略的最大區(qū)別是能夠主動的對環(huán)境中的物體進(jìn)行識別,完成抓取工作。仿真是研究機(jī)器人的重要手段,它不但可以用于機(jī)器人的設(shè)計(jì)和實(shí)驗(yàn),而且可以用于機(jī)器人的規(guī)劃、控制、遙控和教學(xué)等領(lǐng)域。主要包括:數(shù)字仿真和圖形仿真本文采用交互方式在微機(jī)上開發(fā)一個基于圖形的臂手仿真系統(tǒng)。它包括規(guī)劃、圖形、數(shù)字仿真等內(nèi)容。2轉(zhuǎn)向手的構(gòu)和傳感器布置我們提出的臂-手系統(tǒng)由一個CRS機(jī)器人和一個三指靈巧手構(gòu)成。該CRS機(jī)器人采用關(guān)節(jié)型結(jié)構(gòu),6自由度。多指手的每個手指有4個轉(zhuǎn)動關(guān)節(jié),其中一個手指與人類手的大拇指結(jié)構(gòu)和作用相當(dāng)。其余兩指分布對稱,結(jié)構(gòu)和作用相當(dāng)于人類的食指和中指。采用此種結(jié)構(gòu)是基于文獻(xiàn)對于手指數(shù)的分析。手指的關(guān)節(jié)長度也參考了人類的關(guān)節(jié)平均比例長度,進(jìn)行了優(yōu)化。整個系統(tǒng)簡圖如圖1。此外,我們可以給該臂手系統(tǒng)加入多種傳感器,主要有力,位置,接近覺,觸覺和視覺等,還可以裝上測距裝置。利用這些傳感器信息,可以對手臂及多指手的運(yùn)動軌跡,抓取力等要素進(jìn)行控制,還能主動識別,得到物體和環(huán)境信息,使系統(tǒng)建立目標(biāo)物及環(huán)境的數(shù)據(jù)描述,能夠進(jìn)行目標(biāo)物識別,從而實(shí)現(xiàn)主動抓取。傳感器的布設(shè)主要集中在手部,腕力傳感器裝在腕部,指節(jié)表面我們可以選用文獻(xiàn)介紹的懸殼式傳感器,這種傳感器原理:在手指外面懸掛一殼體,殼體和手指以彈簧相連,當(dāng)手指和物體接觸時(shí),通過測量彈簧的形變獲得手指和物體間的相互作用力。即可以測正壓力,也可以測切向力,如摩擦力。它可以代替?zhèn)鹘y(tǒng)的力覺和觸覺傳感器的功能。3獨(dú)立策略3.1初級分揀領(lǐng)域機(jī)器人多指手的智能抓取其關(guān)鍵在于機(jī)器人系統(tǒng)對于外部環(huán)境的識別,并能從環(huán)境中分離出需要抓取的目標(biāo)。機(jī)器人臂-手系統(tǒng)中加入大量的傳感器,如視覺,觸覺,滑移覺等等之后,就可以通過多傳感器信息融合技術(shù),建立環(huán)境的數(shù)學(xué)模型,將環(huán)境中的物體模塊化。當(dāng)我們將目標(biāo)物放入后,系統(tǒng)將通過新的視覺掃描,將新的環(huán)境(包含物體)與舊環(huán)境進(jìn)行模塊化比較,確定目標(biāo)物的位置,形狀等必要信息。然后,臂手系統(tǒng)可以模仿人類抓取未知物體的模式,進(jìn)行“孩童抓取”。此處的“孩童抓取”只是相對于人類知識抓取的一種初級抓取,猶如小孩抓物,就是開始時(shí),他并不知道自己要抓的東西是什么,應(yīng)該如何抓,他的腦子里沒有該物體成熟的抓取方案。對于物體進(jìn)行初次抓取時(shí),充分利用主動感知技術(shù)獲取物體的形狀,材質(zhì)以及質(zhì)量信息,將其簡單輪廓數(shù)學(xué)模型結(jié)合視覺信息進(jìn)行整合,并將這些信息和選取的抓取模式一起存入知識庫。當(dāng)更換物體后,系統(tǒng)先對目標(biāo)物進(jìn)行識別,然后首先搜索庫中的資料,如有類似的,就進(jìn)行知識抓取。否則,重新進(jìn)行“孩童抓取”,建立新的知識庫。該策略框圖如圖2所示。孩童抓取方式的要點(diǎn)是,系統(tǒng)采用兩種模式和兩個方向?qū)δ繕?biāo)物體進(jìn)行抓取。這兩種模式分別是手掌接觸和手掌不接觸;兩個方向分別是“軸向”和“周向”。此處的“軸向”是指掌心沿目標(biāo)物體的大徑方向接近物體。而“周向”則是掌心接近物體時(shí),使三指形成的最大包絡(luò)圓柱的軸線與物體的“軸向”平行。這樣總共進(jìn)行四種抓取過程。在進(jìn)行這四種抓取之前,先進(jìn)行預(yù)抓取,指關(guān)節(jié)充分伸展,手臂動作使手掌接近物體,手掌接觸后手指開始從根部順序收縮,直到各手指均盡可能接觸物體,然后,手指沿物體表面滑動,主控計(jì)算機(jī)通過記錄指關(guān)節(jié)轉(zhuǎn)角和接觸點(diǎn)變化,可以獲得物體的簡單輪廓數(shù)學(xué)模型,從而獲知目標(biāo)物體的“軸向”和“周向”信息。然后進(jìn)行這四種抓取。手指的收縮規(guī)律和預(yù)抓取類似。根據(jù)物體大小以及抓取時(shí)的虛擬指數(shù),找出靈巧性最好的模式,以及抓取最牢固的模式,作為特征模式存入主控計(jì)算機(jī)。但是,這個過程還沒有完成,因?yàn)槲覀冎?每一種物體都有它獨(dú)特的任務(wù)特性,所以在確定抓取模式時(shí),還必須考慮這個因素。此處必須進(jìn)行加權(quán)運(yùn)算,將其任務(wù)特性作為參數(shù)對選定的幾種抓取模式進(jìn)行修正,從而獲得帶有任務(wù)特性的目標(biāo)物體的抓取模式充實(shí)入知識庫中。3.2知識收藏3.2.1摩擦階段的抓得法wraper關(guān)于多指手對任意形狀物體的抓取模式,人們進(jìn)行了很多研究,并做出了不同的分類。文獻(xiàn)中,將人類手指對任意物體的抓取模式分為六種:(1)強(qiáng)力抓取(PowerGrasp)拇指和其它手指相對完全彎曲以增大握力,例如握榔頭柄。(2)精密捏(TiporPrecisionPinch)拇指和食指的指甲尖碰到一起,完成捏持,比如從平面上拿起一根針。(3)鉤握(HookGrip)除了拇指之外的所有手指的最后兩個關(guān)節(jié)全部彎曲,實(shí)現(xiàn)抓持,例如拎箱子。(4)捏(PulpPinch)拇指和食指的內(nèi)側(cè)相對,夾持物體,例如捏持一片紙。(5)球面抓握(SphericalGrasp)全部手指彎曲完成抓握,比如抓一個球體。(6)側(cè)捏(LateralPinch)拇指的內(nèi)側(cè)與食指的邊側(cè)相對,比如轉(zhuǎn)動鑰匙。文獻(xiàn)把抓取分為三種基本模式:(1)指面抓取(PadOpposition)抓取時(shí),手指指面包圍住物體。(2)掌抓取(PalmOpposition),手掌接觸物體,抓取力最大,但靈巧性不足。(3)指側(cè)面抓取(SideOpposition),物體位于拇指端面與食指側(cè)面之間,靈巧性好且有較大的抓取力。Napier把手和物體間的接觸方式分為兩種:強(qiáng)力抓取(手掌接觸),精確抓取(指尖接觸)。而TheaIberall在文獻(xiàn)中對其他研究者的研究工作進(jìn)行了總結(jié),提出了比較全面的抓取模式的分類:(1)手掌接觸抓取(PalmOpposition)a.抓取球,b.開拳抓取圓柱體,c.斜對手掌抓取,d.閉拳抓取圓柱體。(2)手指內(nèi)側(cè)接觸抓取(PadOpposition)a.端部兩指捏,b.延伸抓取,c.端部抓取,d.五指開式捏,e.夾捏,f.三指夾,g.指尖捏,h.兩指捏球,i.三指捏球,j.兩指捏圓柱體,k.四指捏圓柱體。(3)手指側(cè)面接觸(SideOpposition)a.側(cè)捏,b.側(cè)夾。(4)三個虛擬指抓取(VirtualFinger3)a.指尖接觸,b.平貼,c.鉤握。(5)混合抓取(Combined)a.具有內(nèi)側(cè)接觸拇指的圓柱抓取(手掌接觸抓取與手掌內(nèi)側(cè)接觸抓取的混合),b.強(qiáng)力抓取(手掌接觸抓取和手指內(nèi)側(cè)接觸抓取的混合),c.定向抓取(手掌內(nèi)側(cè)抓取與三個虛擬指抓取的混合),d.握筆(手指內(nèi)側(cè)抓取與手指側(cè)面抓取的混合)。TheaIberall的分類比較具體,便于量化表示,在知識庫中應(yīng)用比較方便。多指手的手指是多連桿結(jié)構(gòu),多指手抓取物體時(shí),組成各手指的各桿接觸物體以完成對物體的抓取和操作,并對物體施加相應(yīng)的抓持力。各手指的末端指節(jié)與物體有兩種接觸方式:指端與物體接觸或指節(jié)與物體相切。其它指節(jié)只能以相切方式接觸。每個四自由度的單手指存在8種合理可行的基本抓取方式,這樣,對于三指12自由度的多指靈巧手來說,考慮是否手掌接觸,理論上可以組成種抓取模式。3.2.2腳手架的運(yùn)動學(xué)正解每一種抓取模式都涉及到關(guān)節(jié)角度的運(yùn)算。我們可以把其抓取過程分為兩個階段來進(jìn)行計(jì)算:掌心位姿就位和手指位姿就位。當(dāng)系統(tǒng)建立后,手掌的運(yùn)動學(xué)正解映射gst:Q※SE(3)也就給定了。而對應(yīng)不同的抓取模式,我們得到一個期望手掌位形gd∈SE(3)。通過求解式我們可以得到手臂的各關(guān)節(jié)角θ1…θ6。對于手指的位姿就位,我們可以參考文獻(xiàn)中的式其中x0表示物體的位形,θ為所有手指的關(guān)節(jié)轉(zhuǎn)角,Jh(θ,x0)是手的雅各比矩陣,G為抓取映射,它隨抓取模式的不同而變化,Vpbo表示物體速度。3.2.3采用基本形狀基固定對某一形狀和尺寸的物體,如果不考慮三個手指的差別,理論上共有8+36+120種抓取模式。由于受手指關(guān)節(jié)角度和指節(jié)長度的限制,部分抓取模式無法實(shí)現(xiàn)。我們可以用S來表示指節(jié)抓取的穩(wěn)定度,指根相切物體穩(wěn)定度最好,S=1,其它指節(jié)相切穩(wěn)定度稍差,S值減小。對于無法實(shí)現(xiàn)的模式,我們可以另其穩(wěn)定度值S=-1.而其它抓取模式的穩(wěn)定度通過計(jì)算可以得出知識庫中的基本形狀基,我們初始選取了50種:大球,小球,粗圓柱,細(xì)圓柱,紙片,棱柱,矩形塊,硬幣,針,四面體等?，F(xiàn)實(shí)生活中的規(guī)則物體,絕大多數(shù)或者是形狀和它們相似,或者是由它們中的兩種或多種組成。與每種基本形狀基對應(yīng)的有其特征參數(shù)以及恰當(dāng)?shù)淖ト∧Ｊ?。另外的不?guī)則物體,如汽車外殼,工藝品等?？梢栽诤筇斓淖ト≈兄鸩郊尤胫R庫。3.2.4任務(wù)特性的推理推理機(jī)的推理過程分為兩個步驟進(jìn)行,首先根據(jù)被抓物體的幾何形狀,物體的幾何尺寸,物體的質(zhì)量和物體表面剛度物性等來選定知識庫中50種基本形狀基中的一種,再根據(jù)物體的當(dāng)前任務(wù)特性和物體固有的任務(wù)特性來計(jì)算準(zhǔn)確的抓取穩(wěn)定度S值,從164種抓取模式中選擇一種。物體的固有任務(wù)特性主要指物體內(nèi)涵的工作任務(wù),如杯子用來盛水和喝水,手拿起杯子就要能完成這兩個任務(wù);螺絲刀用來擰螺絲;筆用來寫字等等。由此可見,物體的名稱本身就包含了一些信息,即應(yīng)具有的穩(wěn)定度,或者說靈巧性信息。推理機(jī)推理出來的抓取模式以代號*＿*＿*＿*來表示。第一個*表示物體形狀及尺寸級別的推理歸屬,其余的*表示抓取模式。如a5-E-E-E抓取,是三指指尖與物體接觸,抓取半徑為r=10～50mm的小球的抓取。在推理過程中的抓取穩(wěn)定度S應(yīng)是物體形狀、尺寸、當(dāng)前任務(wù)特性、固有任務(wù)特性的函數(shù),這四方面變化,分別用SS、DS、TS和表示,再考慮各方面影響的權(quán)重關(guān)系,乘以相應(yīng)的權(quán)系數(shù),則有如下表達(dá)式式中ω(i=1,2,3,4)----取值為0～1;SS,TS,OS由經(jīng)驗(yàn)選取。式中l(wèi)-------物體的標(biāo)志尺寸值;lmin,lmax------物體標(biāo)志尺寸的最小值和最大值。4環(huán)境識別的實(shí)現(xiàn)方法在本實(shí)例中我們利用OpenGL圖形標(biāo)準(zhǔn)和VisualC++來進(jìn)行仿真系統(tǒng)的開發(fā),對臂手系統(tǒng)強(qiáng)力抓取粗圓柱進(jìn)行圖形仿真。對于本仿真,應(yīng)完成以下任務(wù):用數(shù)學(xué)模型來代替系統(tǒng)實(shí)體;設(shè)計(jì)有效的抓取算法,并要體現(xiàn)出系統(tǒng)的控制功能;圖形表示目標(biāo)物體和系統(tǒng)各部分的姿態(tài)變化。在仿真系統(tǒng)中,手臂、多指手、目標(biāo)物體和環(huán)境的幾何模型可以由有限個基本體素來拼裝,系統(tǒng)的幾何描述以基本體素為單位,各體素通過一定的方法拼裝起來,組成整個系統(tǒng)。各基本體素在空間中所存在消隱問題,OpenGL采用深度緩存來實(shí)現(xiàn),因此比較方便。而VisualC++的可視化特點(diǎn),有利于更好的實(shí)現(xiàn)人機(jī)交互。根據(jù)本文所闡述的主動抓取策略,對環(huán)境的識別主要集中于工作臺,通過對工作臺進(jìn)行數(shù)學(xué)建模和放入物體之后的數(shù)學(xué)模型進(jìn)行比較,確定目標(biāo)物體的形狀、位置信息。在目標(biāo)物體位置確定之后,利用單臂機(jī)器人的軌跡算法確定手掌的運(yùn)動軌跡。手掌接近物體時(shí),為了避免碰撞,要規(guī)劃手掌接近物體的運(yùn)動方向,并在接近速度上進(jìn)行調(diào)節(jié),靠近工作臺時(shí),手掌動作減速,接近物體時(shí),手掌盡可能的張開,以使手掌與物體相切,實(shí)現(xiàn)強(qiáng)力抓取。系統(tǒng)在開始工作后,首先確定物體位置并根據(jù)形狀信息,確定手掌接近方向,然后在多指手抓住物體(系統(tǒng)模擬觸覺傳感器信息)后,將物體抓起,進(jìn)行一定的簡單操作,然后放回工作臺。該抓取過程的圖形仿真如圖4所示。由以上的仿真過程可以看到,本文所提到的抓取策略切實(shí)可行