博文

【论文推荐】数据驱动下的多指混杂机械臂控制与抓取

已有 169 次阅读 2026-1-15 11:49 |个人分类:论文推荐|系统分类:博客资讯

编辑荐语

本期将给大家分享"数据驱动下的多指混杂机械臂控制与抓取(Data-driven control and grasping of multi-finger hybrid robotic arm)". 如您对本期相关内容有好的理解与建议, 欢迎评论区留言.

本文面向易损目标安全抓取与精细操控的迫切需求, 创新性地提出了一套“刚柔混杂构型设计-数据驱动模型预测控制-姿态自适应抓取策略”的完整解决方案. 针对刚性机械臂定位精度高但交互安全性不足、柔性夹爪环境适应性强但建模与控制困难的核心矛盾, 研究团队设计了一种多指刚柔混杂机械臂系统, 并分别采用旋量理论与分段常曲率方法, 构建了统一、简洁的刚柔一体化运动学模型. 为有效克服柔性体模型固有偏差对控制性能的影响, 本文创造性地提出了基于“输入映射”的数据驱动模型预测控制方法, 利用滑动窗口历史数据的线性组合实时构造控制指令, 显著降低了对精确解析模型的依赖, 增强了控制器对模型不确定性的鲁棒性. 在此基础上, 进一步设计了依据被抓物体姿态自适应选择“精确抓取”或“包络抓取”的智能策略, 并通过轨迹跟踪仿真与ArUco标记块实物抓取实验, 全面验证了该系统在控制精度、交互安全性及任务适应性方面的综合优势. 本工作为新一代安全、灵巧机器人抓取操作系统的开发提供了重要的理论框架与实践范例.

本研究紧密结合机构创新与控制算法设计, 为解决刚柔混杂系统协同控制这一前沿难题提供了新颖且实用的思路. 其提出的数据驱动与模型预测融合框架, 兼具理论深度与工程落地性, 对机器人学、智能控制、灵巧操作等领域的研究者与工程师具有较高的参考价值.

论文介绍

数据驱动下的多指混杂机械臂控制与抓取

Data-driven control and grasping of multi-finger hybrid robotic arm

孙浪浪1, 何邵颖1†, 徐云雯1, 陈友仁1, 潘旭华2

机构: 1. 上海交通大学电子信息与电气工程学院; 2. 浙江大学滨江研究院

引用: 孙浪浪, 何邵颖, 徐云雯, 等. 数据驱动下的多指混杂机械臂控制与抓取. 控制理论与应用, 2025, 42(12): 2477 – 2486

DOI: 10.7641/CTA.2025.40325

全文链接:

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA240325&flag=1

摘要

本文设计了多指混杂机械臂控制系统及其抓取控制方法, 对于抓取任务, 刚柔混杂的设计结构同时提高了控制的精确性以及与物体交互的安全性. 本文分别采用旋量理论和分段常曲率方法对机械臂的刚体和柔性部分进行运动学建模, 最终得到基于雅克比矩阵的刚柔混杂机械臂一体化模型. 此外, 为削弱模型偏差对系统控制性能的影响, 本文提出了基于输入映射的数据驱动和模型预测控制相结合的方法, 用历史数据替换部分不精确的系统模型, 同时利用历史数据的线性组合来构造当前时刻的状态和控制输入, 以完成对柔性夹爪位姿的控制, 柔性夹爪末端的轨迹跟踪仿真反映该控制器的性能良好. 在此基础上, 本文设计了基于被抓物体姿态的精确抓取与包络抓取方法, 并通过ArUco方块抓取实验证实了该方法的有效性.

引言

在自动化和机器人领域, 机械臂抓取已经成为研究的关键领域之一[1–3]. 由于刚性机械臂具有的高精度和高负载能力, 它们通常是抓取机械臂的首选. 文献[4]将双臂操作与模型预测控制(model predictive control, MPC)相结合, 通过调整协作指数, 将协作抓取任务分为跟踪、动作同步、阻抗和力优先等方式. 文献[5]中提出了用于对象的搜索、接近和抓取(searching, approaching and grasping, SAG)的控制流程, 在物体抓取运输研究领域提供了一种新的思路. 针对现有抓取技术在复杂环境下难以进行有效的目标导向性抓取的问题, 文献[6]提出了一种基于深度强化学习的推动和目标物抓取方法.

然而, 在许多应用场景中, 确保人机交互的安全性以及对柔软物体的精细操控至关重要. 例如, 在食品加工厂进行分拣或为患者设计医疗辅助设备. 在这些场景下, 相比于刚性夹爪, 柔性夹爪在环境适应性、安全性方面具备显著优势, 能够在操作中实现对不规则或易损物体的无损抓取, 应用场景广泛. 2020年麻省理工学院研制了一种使用硅树脂制作而成的柔性夹爪[7], 该夹爪不仅能够抓取不同种类的物体, 还能感知识别该物体的种类. 文献[8]设计的柔性夹爪可变换自身构型, 通过调整工作空间以适用不同物体的抓取. 文献[9]将柔性机构装在universal robots (UR)刚体机械臂末端, 以完成疫情期间的核酸采样工作.

与传统的使用刚性夹爪或柔性夹爪抓取相比, 刚体机械臂与柔性夹爪结合的混合设计结构更有优势, 能同时利用刚体机械臂定位精度高以及柔性夹爪与环境交互具有安全性的优势. 柔性夹爪对脆弱物体的抓取有着天然的优势[10] , 但由于需要考虑材料的弯曲、拉伸等特性, 使其建模更加复杂[11]. 柔性夹爪的建模方法主要包括分段常曲率法(piecewise constant curvature, PCC)[12]、Cosserat理论[13]和有限元法(finite element method, FEM)[14]. Cosserat建模依赖于材料属性的精确测量, 但这些属性在实际中很难准确测定[15]. 利用FEM进行建模会带来计算负担, 影响控制的实时性[16]. PCC方法由于其简洁性被广泛应用于柔性夹爪的建模, 该方法将柔性夹爪分为有限段恒定曲率的部分, 每一段可以使用曲率、长度、偏心角等参数来描述空间曲线的位姿, 从而可以用Denavit-Hartenberg参数法[17]或者旋量理论[18]求解柔性夹爪的齐次变换矩阵.

为了使得柔性夹爪能够实现较强的伸缩、弯曲和扭转等形变, 故而不能使用刚性机械臂的连杆驱动方式. 文献[19]将目前主流驱动柔性夹爪的方式分为3大类: 拉线驱动、形状记忆合金驱动和气动驱动[20–22]. 文献[23]将气动三指柔性夹爪被安装在UR机械臂的末端, 利用sofa对柔性夹爪进行动力学建模, 最终实现抓取. 然而, 对气动臂进行动力学分析是一个复杂的过程, 并且气动装置不适用于小型抓取机构的设计. 针对封闭空间内的轨道维护操作, 文献[24]提出了一种基于受限空间操作性优化的刚柔混合双臂协调的轨迹规划方法, 该柔性夹爪采用线驱方式, 由电机带动拉线直接操作, 因此反映迅速, 但由于拉线需要在狭小空间内穿梭, 会导致传动效率的损失.

对于混杂机械臂抓取任务而言, 柔性夹爪的控制是主要难点. 由于模型不精确和低精度的驱动机构, 控制器的计算将受到影响, 并且控制器的指令可能无法被驱动器精确执行[25] . 因此, 建模的不精确性和实际混合机器人的复杂性给控制器的设计带来极大问题[26]. 文献[22]设计了丝驱柔性夹爪, 采用自适应控制方法, 考虑材料的粘性与应变、轨迹精度良好, 但未考虑系统摩擦, 且系统建模复杂. 文献[27]通过补偿线缆耦合并采用动态控制, 但精度有限. 文献[28]提出一种端到端的两阶段神经网络柔性控制思想和异步Transformer执行策略, 但神经网络的训练较为繁琐. 文献[29]采用深度学习控制, 无需对柔性夹爪进行建模, 且不需要视觉反馈, 但是算法控制的范围有限.

针对上述问题, 本文设计了一个多指混杂机械臂抓取平台, 其中柔性夹爪采用拉线驱动的方式, 适用于小型柔性夹爪的驱动, 该平台的刚柔混杂设计结构旨在提高控制精度和与物体交互的安全性. 为简化建模, 分别采用旋量理论和分段常曲率方法对机械臂的刚体和柔性部分进行建模, 最终得到了基于雅克比矩阵的混杂机械臂一体化模型. 由于建模过程的简化, 所建模型与实际模型存在偏差, 为削弱模型偏差对系统控制性能的影响, 提出输入映射(input-mapping)的数据驱动方法, 采用滑动窗格收集历史输入输出数据, 然后利用历史数据替换部分不精确模型, 从而减少了建模不精确的影响. 此外, 本文设计了基于输入映射的模型预测控制器, 采用数据驱动方法, 利用历史数据的线性组合来构造当前时刻的状态和控制输入. 在所设计的控制器的基础上提出了基于被抓物体姿态的抓取方法, 将抓取分为包络抓取和精确抓取, 最后分别通过轨迹跟踪仿真和实物抓取实验验证了控制器和抓取方法的有效性.

结论

本文针对传统刚性机械臂抓取过程中与环境交互不安全的问题, 搭建了多指刚柔混杂机械臂抓取平台, 分别使用旋量理论和分段常曲率方法对刚体和柔性部分进行建模. 基于混杂机械臂的模型, 提出了基于输入映射的数据驱动和MPC控制算法, 输入映射的作用主要有两处, 一是利用历史数据替换系统部分不精确的模型, 从而, 削弱不精确模型对控制性能的影响; 二是利用历史数据的线性组合来构造当前时刻的控制输入, 柔性夹爪轨迹跟踪仿真实验表明该控制算法能够精确控制柔性夹爪末端的位姿到达期望位姿. 后续在该控制算法的基础上设计了精确抓取和包络抓取算法, 抓取方式的选择是根据被抓物体的姿态确定的, 并在精确抓取中设计了抓取点的最优选择方法. 最后, 通过实物抓取实验验证了这两种抓取算法的有效性. 然而, 本文所设计的算法仍存在一些局限性. 例如控制器在应对外部扰动时的鲁棒性策略尚需完善; 在复杂动态环境中的机械臂避障策略尚未探讨; 柔性夹爪末端的柔顺控制也有研究的必要; 此外, 与深度学习控制方法的结合也是未来需要进一步改进的方向.

作者简介

孙浪浪硕士研究生, 目前研究方向为柔性夹爪控制、机械臂抓取等;

何邵颖从事博士后研究工作, 目前研究方向为柔性夹爪设计及控制、视觉伺服等;

徐云雯副教授, 硕士生导师, 目前研究方向为预测控制应用、智能交通系统等;

陈友仁高级工程师, 目前研究方向为智能交通系统、信息融合等；

潘旭华硕士研究生, 目前研究方向为工业软件、智能工厂等.

期刊介绍

《控制理论与应用》(Control Theory & Applications)是经国家科学技术部批准, 教育部主管, 由华南理工大学和中国科学院数学与系统科学研究院联合主办的全国性一级学术刊物, 1984年创刊, 月刊, 国内外公开发行. 《控制理论与应用》是中国科学引文数据库首批统计源期刊之一，中文核心期刊，入选中国精品科技期刊顶尖学术论文F5000项目，中国科协自动化学科领域高质量科技期刊目录以及中国科协百篇优秀科技论文遴选计划，2021年入选广东省高质量科技期刊建设项目，2022-2024年连续获得基金委资助（科技活动专项）。

期刊封面2.jpg 目录2.jpg