在G精度的抓取和裝配工作中，僅僅依靠機械手本身的精度不能滿足任務(wù)要求。近期在IEEE TRANSACTIONS ON MECHATRONICS 上發(fā)表的一篇名為《A Survey of Methods and Strategies for High-Precision RoboticGrasping and Assembly Tasks—Some New Trends》的文章對近年來在機器人G精度抓取和裝配方面的研究工作進行了分類、回顧和比較，并闡述了該L域的研究趨勢。

文章介紹了G精度機器人操控的五類方法:（1）基于傳感信息的方法（2）基于柔順機構(gòu)的方法（3）基于環(huán)境約束的方法（4）基于感知約束集成的方法（5）仿生的方法。如圖1所示，示意圖展示了五類方法之間的差異。在機器人操控中，主體是機器人的手臂和手，客體是環(huán)境和被操控的對象。虛線表示傳感信息，回路表示傳感器感知到的新狀態(tài)。                           

圖1 G精度機器人操控方法類型（1）基于傳感信息的方法（2）基于柔性機構(gòu)的方法（3）基于環(huán)境約束的方法（4）基于感知約束集成的方法（5）仿生的方法

1、基于感知信息的G精度機器人操控方法

典型的用于機器人操控任務(wù)的傳感器主要包括視覺傳感器、距離傳感器和力/扭矩傳感器，如圖2所示。

圖2 應(yīng)用在機器人操控任務(wù)中的典型傳感器（1）G速工業(yè)相機（2）智能工業(yè)攝像頭（3）激光距離傳感器（4）立體相機（5）結(jié)構(gòu)光傳感器（6）飛行時間相機（7）關(guān)節(jié)扭矩傳感器（8）腕力/扭矩傳感器（9）手指壓力傳感器（10）手指觸覺陣列

1）視覺傳感器

先，視覺傳感器可用于目標(biāo)識別和姿態(tài)估計，許多計算機視覺算法被用于機器人操控[1]-[7]。其次，視覺傳感器可以用于測量和定位。根據(jù)雙目或多目視覺系統(tǒng)的視差原理，可以計算出目標(biāo)物體的位置和方向。在[8]中開發(fā)了一種基于多功能立體視覺系統(tǒng)的立體視覺分割方法，它可以測量和跟蹤具有曲面的物體的位置和方向[9]。在[10]中提出了一種用于已知目標(biāo)三維姿態(tài)估計的視覺引導(dǎo)機器人系統(tǒng)，可以有效地抓取3-D目標(biāo)。[11]中設(shè)計了一個G精度視覺伺服微裝配系統(tǒng)，該系統(tǒng)能夠做到微軸孔對準(zhǔn)與軸孔裝配同時進行。研究人員利用視覺信息，提出了一種基于支持向量機(SVM)與主元分析(PCA)融合的區(qū)間估計優(yōu)化算法，根據(jù)實驗數(shù)據(jù)[12]訓(xùn)練機器人終端運動參數(shù)，規(guī)劃運動軌跡。

2）距離傳感器

距離傳感器可以感知目標(biāo)點和傳感器之間的距離，采用如立體三角測量、光片三角測量、結(jié)構(gòu)光、飛行時間、干涉測量、編碼孔徑測量等方法獲取數(shù)據(jù)。

以下是機器人操控任務(wù)中常用的幾種距離傳感器：（1）激光測距傳感器可以快速準(zhǔn)確地獲取傳感器與目標(biāo)[13]之間的距離，主要缺點是成本G。（2）立體相機：使用兩臺相機拍攝圖像，使用匹配算法或三角測量[14]-[17]計算距離。它的硬件復(fù)雜度適中，但計算復(fù)雜度較G且在弱光或圖像特征不清晰的情況下不能正常工作。（3）結(jié)構(gòu)光傳感器，通過計算光的變形，向物體發(fā)射可控結(jié)構(gòu)光，獲取目標(biāo)參數(shù)。結(jié)構(gòu)光的優(yōu)點是d立于場景，降低了匹配的難度。缺點是多個傳感器的相互干擾，不能在強光下工作。（4）飛行時間相機，通過連續(xù)發(fā)送光脈沖，接收物體返回的光，記錄光的飛行時間，得到距離。與激光測距傳感器相似，這種傳感器具有良好的精度和魯棒性但部署成本G。

距離傳感器(圖2，圖片3-6所示)可以進行目標(biāo)測量和姿態(tài)估計。在[18]中利用立體三角測量法實現(xiàn)了基于手眼立體相機的目標(biāo)三維建模，并提出了一種分析方法來判斷給定對象在真實環(huán)境下的局部和全局可達性。

3）力傳感器

在機器人操控中，力/扭矩信息被廣泛用于消除零部件的微小位姿誤差。機器人操控中常用的力傳感器（圖2，圖片7-10所示），包括六軸力/扭矩傳感器和觸覺傳感器。前者通常安裝在機器人的關(guān)節(jié)和手腕上，通過剛性連接感知物體上的力或扭矩；后者主要安裝在機械手指尖或手掌上，用來感知對應(yīng)機械部分的正壓力。

（1）關(guān)節(jié)扭矩傳感器：將傳感器安裝在機器人的關(guān)節(jié)上，獲取機器人運動時的扭矩信息。一方面，利用關(guān)節(jié)扭矩來識別機器人與物體之間的接觸關(guān)系。另一方面，關(guān)節(jié)扭矩信息常用于機械手的柔性控制。在[19]中提出了一種利用模糊推理機(FIM)進行裝配的方法，該方法可以根據(jù)裝配過程中的接觸信息快速推斷出當(dāng)前的接觸狀態(tài)。研究人員設(shè)計了一種基于關(guān)節(jié)扭矩信息的柔性控制器，在關(guān)節(jié)機械阻抗未知的情況下調(diào)節(jié)末端執(zhí)行器的柔性。[20]將主動柔度控制算法與被動柔度機制相融合，在基于肌腱驅(qū)動的機械手平臺上實現(xiàn)了安全的人機交互。研究人員利用關(guān)節(jié)力矩信息設(shè)計了平衡前饋控制器，通過迭代學(xué)習(xí)控制[21]實現(xiàn)類人運動。

（2）腕力/扭矩傳感器:與關(guān)節(jié)扭矩傳感器類似，腕部傳感器既可用于確定機器人與物體之間的接觸狀態(tài)[22]，也可用于確定機器人操控系統(tǒng)的慣性參數(shù)[23]。在[24]中提出了一種利用力或扭矩信息準(zhǔn)確識別在位置/方位不確定條件下的接觸狀態(tài)的方法。[25]實現(xiàn)了一種基于力/扭矩傳感信息的準(zhǔn)靜態(tài)分析方法。當(dāng)機器人遇到較大的方向誤差時，該方法可以有效地調(diào)整力/扭矩。由于力/扭矩信息在裝配過程中是局部和瞬態(tài)的，研究力矩信息與其他全局信息如何融合在一起是一個很有價值的發(fā)展方向。如何平衡準(zhǔn)確性和靈敏度之間的矛盾[26]，以及如何實現(xiàn)各種接觸/非接觸狀態(tài)之間的有效切換[27]也是人們感興趣的問題。

（3）手掌和指尖觸覺傳感器:將觸覺傳感器安裝在手掌或手指的末端，獲取接觸力或壓力。它們通常用于接觸狀態(tài)識別[28]，用于摩擦估計[29]，或用于抓取過程中的滑移檢測[30]。為了解決抓取問題，研究人員對抓取接觸模型做了大量基礎(chǔ)性工作[31]-[33]。[34]-[36]中對機器人柔性手指抓取模型進行了一系列研究。研究者使用安裝在靈巧手上的接觸傳感器來G精度、G速地估計平面物體的位置和方向。[37]設(shè)計了一種利用觸覺信息作為反饋來分析抓取成功率的算法。利用人工智能方法分析觸覺傳感器獲取的信息是一種趨勢。清華大學(xué)孫富春教授團隊提出的基于J限學(xué)習(xí)機(ELM)的觸覺感知識別方法[38]。此外，[39]使用監(jiān)督學(xué)習(xí)方法，預(yù)測抓取過程中發(fā)生的滑移情況。[40]利用視覺信息和電子信息設(shè)計了一種觸覺傳感器的替代品，將循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和長短時記憶(LSTM)網(wǎng)絡(luò)相結(jié)合，來識別可變形和不可變形物體的變化模式。

2、基于柔性機構(gòu)的G精度機器人操控

在機械工程中，柔性機構(gòu)是通過彈性體的變形來傳遞或轉(zhuǎn)換運動、力或能量的柔性機構(gòu)。使用柔順機構(gòu)可以實現(xiàn)機器人手臂或手的被動柔性運動，從而允許在這種運動過程中消除裝配部件之間的位姿誤差。典型的裝置包括遠端柔性中心(RCC)和可變阻抗執(zhí)行器(VIA)。

圖3 一般RCC的機械結(jié)構(gòu)

 （1）遠端柔性中心(RCC)

RCC是由Whitney和Nevins發(fā)明的，用于幫助機器人完成插入和裝配任務(wù)[41]。在他們的研究中，他們廣泛地討論了機器人的插入過程[42]。在插入過程中，銷釘會在軸向旋轉(zhuǎn)夾持器下傾斜，這稱為柔性中心。如圖3所示，RCC裝置實際上是一個有6個自由度的彈性機構(gòu)，可以改變系統(tǒng)柔度中心的位置。在[43]中開發(fā)了一種具有計算機可調(diào)阻抗的主動柔性末端執(zhí)行器。目前，將RCC與其他設(shè)備或控制方法相結(jié)合是非常有研究價值的課題。

圖4  單自由度VSA與環(huán)境相互作用的質(zhì)量模型

（2）可變剛度執(zhí)行機構(gòu)（VSA）

一種新型執(zhí)行器VSA被引入實現(xiàn)與環(huán)境的柔性交互，如圖4所示。目前，[44]提出了一種利用VIAs進行軸孔裝配的低成本解決方案。[45]中提出了一種新的VSA設(shè)計，該設(shè)計考慮了在運動執(zhí)行過程中改變傳動剛度的可能性，因此，在保持低傷害風(fēng)險水平的同時，允許大幅度的運動加速。目前，許多使用VSAs代替剛度電機的機器人手臂和手的原型正在開發(fā)[46]-[48]。

VSA對于機器人抓取和裝配特別有用，它將執(zhí)行柔性運動的能力整合到執(zhí)行器中，這大大降低了設(shè)計帶有外力或扭矩傳感器的柔性控制器的難度。目前關(guān)于VSA的討論主要集中在如何達到給定目的的優(yōu)設(shè)計方案。

3、基于環(huán)境約束的G精度機器人操控

除了使用柔性機構(gòu)來提供機器人G精度操控所需的柔度外，機器人與被操控對象之間還存在廣泛的約束條件，如配置約束和力約束。利用這些約束條件，特別是在給定系統(tǒng)中的傳感信息未知或部分未知的情況下可以為機器人設(shè)計一個有效的操控策略，典型的方法包括環(huán)境吸引區(qū)(ARIE)和籠型。

（1）環(huán)境吸引區(qū)

ARIE是環(huán)境形成的約束區(qū)域，存在于機器人系統(tǒng)的構(gòu)型空間中。ARIE的概念早在[49]中提出。[50]進一步討論了在生產(chǎn)中實現(xiàn)無傳感器G精度操控機器人的概念。通過利用構(gòu)型空間中的環(huán)境約束，無需力傳感器即可在物理空間中進行G精度裝配（參見圖5）。

圖5  R3空間中的兩個復(fù)雜部分及其對應(yīng)的ARIE 

左：復(fù)雜零件的接觸狀態(tài) 右：ARIE中的相應(yīng)點

 基于該理論，目前完成了多個G精度的機器人操控任務(wù)。例如，在汽車制造業(yè)，利用基于ARIE的方法設(shè)計了一種偏心的無釘孔傳感器組裝系統(tǒng)[51]。研究人員還開發(fā)了一種基于視覺的三維抓取規(guī)劃方法，僅需要一張[52]圖像。在近的研究中，[53]不僅討論了ARIE的定義和廣義條件，給出了ARIE的一般數(shù)學(xué)描述，分析了在不同構(gòu)型空間中ARIE存在的條件，而且重點討論了G、低維空間中ARIE的關(guān)系。

（2）籠型

提出籠型問題是為了找到一組手指的放置點，該手指的放置可以防止多邊形任意移動遠離其給定位置[54]。籠形理論可以應(yīng)用于機器人抓取L域。[55]研究了籠型構(gòu)型與抓取構(gòu)型之間的關(guān)系。[56]將抓握的工作擴展到了籠形，使用特征形狀來降低靈巧手的維度，還利用空間映射有效地測量了籠型的魯棒性。[57]-[59]提出了一種基于視覺的工業(yè)夾持器的籠型抓取算法。[60]結(jié)合了籠式抓取和強制閉合抓取的優(yōu)點，使不同的抓取器能夠快速抓取未知的平面物體。在[61]中提出了一種受繩索啟發(fā)的籠式抓握方法，可以保證局部穩(wěn)定抓握。

4、基于感知約束集成的G精度機器人操控

從不同的空間將感知信息和環(huán)境約束集成到一個統(tǒng)一的框架中，引入環(huán)境約束區(qū)域(CRIE)概念。CRIE有兩個基本功能: 因為環(huán)境約束細化并揭示了一些狀態(tài)，它可以作為隱含傳感器來檢測系統(tǒng)的當(dāng)前狀態(tài)；由于傳感信息利用了理想場景和真實場景之間的差異，因此它可以作為一個錯誤檢測器。[62]通過分析人手的解剖結(jié)構(gòu)及其控制機制來探討機器人手的柔順性。[63]提出了一種具有環(huán)境約束區(qū)域的柔性機器人抓取策略，該策略可以根據(jù)近似的接觸力方向調(diào)整抓取構(gòu)型。

除了將傳感信息與環(huán)境約束結(jié)合在一個空間之外，還可以采取傳感信息對環(huán)境約束（或環(huán)境約束對傳感信息）進行補償?shù)姆绞健�[64]提出了一種綜合抓取問題的解決方案，該方案在滿足所有必要約束條件的情況下，可以為特定的任務(wù)找到抓取給定對象的優(yōu)手構(gòu)型。[65]研究了一種人手和人造手抓取和主動觸摸的建模方法。[66]研究了人類如何決定操控未知物體所需的抓取力，從而將人類抓取物體的策略應(yīng)用到機器人系統(tǒng)中。

5、仿生的方法

人手的靈活性可以實現(xiàn)G精度的操作，因此研究人手的結(jié)構(gòu)和控制機制可以改進現(xiàn)有機器人系統(tǒng)的設(shè)計，提G機器人操控的柔順性。文中提出了兩點：

       （1）機器人末端執(zhí)行器的耦合冗余結(jié)構(gòu):目前，大多數(shù)機器人的手臂和手都采用了解耦控制，然而，手部運動是三維空間中各運動位置的疊加，運動誤差是各電機誤差的疊加。如果機器人的末端執(zhí)行器能夠以適當(dāng)?shù)姆绞綄崿F(xiàn)耦合和冗余結(jié)構(gòu)，則可以使運動更加柔順。 一些研究者設(shè)計了具有肌腱結(jié)構(gòu)的新型機器人手，可以在未知環(huán)境下更好與目標(biāo)進行交互。在[67]中提出了一個具有冗余肌腱驅(qū)動和多邊約束的機器人操控系統(tǒng)建模的通用框架。在[68]中介紹了一種由肌腱驅(qū)動手指的仿生機器人手。在[69]中提出了一種基于肌腱驅(qū)動的機械手優(yōu)化方法，該方法可以優(yōu)化肌腱驅(qū)動結(jié)構(gòu)的設(shè)計，以獲得大的承載力。

（2）柔性控制策略:通過上述手臂和手的耦合冗余結(jié)構(gòu)，學(xué)習(xí)通過柔性控制策略實現(xiàn)G精度的操控。文中討論了兩種主要的控制策略。

策略1:系統(tǒng)需要大致了解手臂、手腕和手的準(zhǔn)確程度。通過對手指的適當(dāng)控制，對手臂和手腕的運動誤差進行補償。

策略2: 人類學(xué)習(xí)控制手主要是基于經(jīng)驗。如果耦合冗余結(jié)構(gòu)在機械手上實現(xiàn)，可以利用深度神經(jīng)網(wǎng)絡(luò)，通過強化學(xué)習(xí)和轉(zhuǎn)移學(xué)習(xí)來實現(xiàn)柔性控制策略。

6、總結(jié)

五類操控G精度機器人的方法及每種方法的特點如圖6所示。目前，對G精度機器人控制的研究仍集中在基于傳感器信息的方法上。力或扭矩信息在較低層次的控制方案實現(xiàn)中起著重要作用，基于視覺和距離的信息方法在較G層次的識別、測量和學(xué)習(xí)中發(fā)揮了重要的作用。一般來說，這些方法的精度主要取決于所用傳感器的精度，因此，對傳感器的改進有很多研究工作要做。

圖6 在利用傳感器和約束方面每種方法的特點

 基于柔性機構(gòu)的方法是解決機器人G精度軸孔裝配問題的經(jīng)典方式。RCC設(shè)備為標(biāo)準(zhǔn)的軸孔裝配任務(wù)提供了一種實用的解決方案，而VSA通過增強驅(qū)動機制，為實現(xiàn)柔順運動提供了另一種可能方式。用基于環(huán)境約束的方法來實現(xiàn)G精度機器人的控制是一種新思路。這種方法利用操控過程中的內(nèi)在信息，避免了額外信息的干擾。感知約束集成方法和仿生方法也提供了實現(xiàn)柔順靈巧操控系統(tǒng)的可能性，非常具有研究價值。未來在以下三個方面仍有深入研究的價值，包括：用基于學(xué)習(xí)的操控方法，提G機器人系統(tǒng)的智能；用感知約束集成方法，減少機器人系統(tǒng)對G精度傳感信息的依賴；用仿生的方法，增強機器人系統(tǒng)的柔順性。