盲环境中基于触觉信息的灵巧手实时抓取策略的研究

The auto-recognition grasping model, the stable grasping region auto-planning and the grasping force auto-adjusting methods by the dexterous hand in the blind information environment are researched In this project. .(1) The knowledge database between the tactile unit touch position and the force information using the bag-of-features method is constructed based on the advantages of the contact and noncontact model of the fingertip tactile cell. (2)A fuzzy-neural intelligent hybrid model based on expert system is put forward grounded on the local geometrical characteristic between the multi-fingertip tactile units and multi-touch points, in order to realize the model recognition of grasping objects and the dynamic correction of the force-closure evaluation index feedback..(3)The real-time multi-finger coordination adaptive resistance control strategy fused the force-closure evaluation index feedback is provided based on the multilink precise kinematic and dynamic models of the fingertip discrete touch points, in order to realize the flexible touch to the objects of the dexterous hand in the blind information environment and stable grasping during the manipulation period..(4) An auto-grasping manipulation system is founded in the blind environment, and recognized difference kind object, and the model recognition for different shape objects and grasping manipulation are completed..So the model recognition based on multi touching points and a novel control strategy combined model recognition, grasp planning and the control system are not only of the important theoretical research value but also improve the grasping manipulation capability of the dexterous hand in blind information environment.

本项目以模拟人类在盲信息环境中抓取物体的操作方式为背景，探求灵巧手自主重构抓取对象模型、自动规划稳定抓取区域、自适应调整抓取控制力的方法。（1）基于指尖触觉单元接触态和非接触态信息特点，利用特征包（bag-of-fearture）的方法构建触觉单元接触位置/力信息的抓取特征识别库（2）基于手指触觉单元接触区域特征，提出基于专家系统的模糊神经网络混合智能模型，实现物体的模型重构及力封闭评价指标反馈器的动态修正。（3）基于指尖离散触觉单元的多链路精确运动学及动力学模型提出融合力封闭评价指标反馈器的抓取自适应阻抗控制策略，实现灵巧手的柔性触碰及稳定抓取。（4）构建盲信息环境下的自主抓取操作系统，完成对未知物体的模型重构及抓取操作实验。基于触觉多点信息的模型重构及抓取规划同控制系统集成的抓取操作方式不仅对多指协调操作领域具有重要的理论研究价值，同时能够有效提升灵巧手在非对称环境下抓取操作的能力。

对未知物体的抓取是机器人完成各种复杂任务的基本能力，而获取未知物体的信息并进行模型重构是机器人完成抓取和操作规划的前提。机器人视觉系统被广泛的应用于物体信息的提取。然而，在某些光线较差的环境中，机器人视觉可能无法得到足够的物体信息，从而导致抓取的失败。在视觉受限甚至失效的情况下，通过触觉传感器采集物体信息并进行模型重构成为机器人完成抓取的一种解决方案。本项目主要对如下关键问题进行了研究：（1）盲环境中机器人及灵巧手对未知物体的数据采集及触觉探索策略；（2）基于触觉信息的未知物体模型识别及重构方法；（3）研究融合力封闭评价指标反馈器的抓取自适应阻抗控制策略；（4）构建盲信息环境下的自主抓取操作系统，完成对未知物体的模型重构及抓取控制实验。.基于对人类进行未知物体触觉探索时行为的观察和分析，提出一种适用于机器人灵巧手自主进行未知物体触觉探索的策略。触觉探索过程被划分为顶面探索和侧面探索两个阶段。在顶面探索阶段，根据顶面触觉信息对物体的基本尺寸和姿态进行估计，并用包围盒近似物体；而在侧面探索阶段，依据分类判别不等式将物体按基本尺寸进行分类，对不同类别的物体设计不同的侧面探索策略，从而指导灵巧手对未知物体的信息进行采集。.提出了一种基于触觉点位置信息和法向量信息的未知物体模型识别及重构方法。该方法首先使用无监督聚类方法将物体触觉数据分割为若干部分；然后从各部分中提取几何特征并对这些特征进行重新排列，从而构造物体特征向量；最后通过智能分类算法对物体的形状进行识别。.通过建立柔性关节机器人灵巧手的控制模型，基于指尖离散触觉单元的多链路精确运动学及动力学模型，在灵巧手上实现基于无源性控制的柔性关节机器人阻抗控制策略。针对非线性摩擦力和重力对灵巧手阻抗控制的影响，基于扩展卡尔曼滤波器提出了自适应摩擦力观测器，实现了具有摩擦力补偿和基于最小二乘法优化重力补偿的机器人灵巧手自适应阻抗控制。.搭建了盲环境中基于七自由度仿人机械臂及灵巧手的自主探索抓取系统，将所提出的策略和算法纳入到统一框架中，并进行了未知物体触觉探索、模型重构及抓取控制的仿真和实验，从而验证了所提出盲抓取框架的性能及有效性。.通过该项目中所构建的盲抓取框架，使得机器人可以在视觉受限制的情况下完成模型重构及抓取，提高抓取控制的精确性，稳定性和自适应性，扩大了智能机器人系统的应用范围及适应环境的能力。