核心发现
方法论
该研究提出了一种共享抓握方法，通过环境接触优化抓握。使用混合力-速度控制（HFVC）来确保抓握的稳定性。通过分析平面刚体的准静态特性，研究人员能够枚举所有可能的接触模式，并计算出最稳健的控制方案。
关键结果
- 实验表明，使用HFVC控制的共享抓握在多个场景中表现出较高的稳定性，减少了接触失败的可能性。具体而言，在实验中，系统能够在不同接触模式下保持稳定，减少了因滑动导致的抓握失败。
- 通过优化接触几何形状，系统的稳定性得到了进一步提升，实验结果显示稳定性边际显著增加。
- 在不同的实验设置中，系统能够有效地选择最优的接触模式，提高了操作的鲁棒性。
研究意义
该研究为机器人抓握提供了一种新的视角，通过共享抓握方法，机器人能够在无法实现完整抓握的情况下进行操作。这一方法不仅提高了抓握的稳定性，还扩展了机器人在复杂环境中的操作能力。
技术贡献
技术贡献包括提出了一种新的接触模式评估方法，并通过HFVC实现了对接触模式的稳健控制。该方法与现有的力闭合分析方法不同，能够区分不同的接触模式，并优化接触几何形状以提高稳定性。
新颖性
该研究首次提出了共享抓握的概念，并通过环境接触优化抓握，区别于传统的力闭合抓握分析。相比于现有研究，该方法能够在多个接触模式下实现稳定的操作。
局限性
- 在复杂环境中，接触模式的选择可能受到环境不确定性的影响，导致抓握失败。
- 系统需要高精度的传感器来检测接触状态，增加了硬件成本。
- 在某些动态环境中，准静态分析可能不适用。
未来方向
未来研究可以探索共享抓握在动态环境中的应用，以及如何通过机器学习优化接触模式选择。
AI 总览摘要
共享抓握是一种通过环境接触优化抓握的方法，旨在解决传统抓握无法在复杂环境中实现稳定操作的问题。研究人员提出了一种新的混合力-速度控制（HFVC）方法，通过分析平面刚体的准静态特性，能够枚举所有可能的接触模式，并选择最稳健的控制方案。实验结果表明，使用HFVC控制的共享抓握在多个场景中表现出较高的稳定性，减少了接触失败的可能性。此外，通过优化接触几何形状，系统的稳定性得到了进一步提升。尽管该方法在复杂环境中表现出色，但仍需进一步研究以解决环境不确定性对接触模式选择的影响。未来研究可以探索共享抓握在动态环境中的应用，以及如何通过机器学习优化接触模式选择。
深度分析
研究背景
机器人抓握技术在自动化行业中广泛应用，传统的力闭合抓握方法能够抵御外界干扰。然而，当物体上没有合适的抓握位置时，机器人只能依靠外部力量资源进行操作，如在桌面上旋转或翻滚物体。共享抓握通过将环境视为机器人的一个手指，能够在没有力闭合抓握的情况下实现稳健操作。
核心问题
传统的抓握分析假设所有接触点都是粘附的，而共享抓握考虑了多个可能的接触模式。由于接触模式的多样性，传统的基于力的抓握稳定性分析无法区分不同的接触模式。
核心创新
共享抓握通过环境接触优化抓握，使用混合力-速度控制（HFVC）确保稳定性。该方法能够枚举所有可能的接触模式，并选择最稳健的控制方案。通过优化接触几何形状，进一步提高了系统的稳定性。
方法详解
- �� 使用HFVC进行接触模式选择，确保系统在目标模式下稳定。
- �� 通过分析平面刚体的准静态特性，枚举所有可能的接触模式。
- �� 优化接触几何形状，提高稳定性边际。
- �� 实验验证不同接触模式下的稳定性。
实验设计
实验设计使用了ABB IRB120和UR5e机器人，通过混合力-速度控制实现稳定的抓握操作。实验在多个场景中进行，包括不同的接触模式和几何形状优化。通过高频率的传感器数据采集，确保实验结果的准确性。
结果分析
实验结果显示，使用HFVC控制的共享抓握在多个场景中表现出较高的稳定性，减少了接触失败的可能性。优化接触几何形状后，系统的稳定性边际显著增加。
应用场景
共享抓握可用于自动化生产线中的复杂物体操作，提高机器人在动态环境中的操作能力。该方法能够在无法实现完整抓握的情况下进行稳健操作。
局限与展望
在复杂环境中，接触模式的选择可能受到环境不确定性的影响，导致抓握失败。系统需要高精度的传感器来检测接触状态，增加了硬件成本。
通俗解读 非专业人士也能看懂
想象一个厨房，机器人需要抓住一个滑溜溜的肥皂。传统抓握就像用手紧紧握住肥皂，但在肥皂太滑时可能失败。共享抓握就像用手和桌面一起夹住肥皂，减少滑动的可能性。通过环境接触，机器人可以在肥皂滑动时保持稳定。这种方法就像在厨房里用手和桌面一起夹住肥皂，确保肥皂不会掉落。
简单解释 像给14岁少年讲一样
想象你在玩一个抓娃娃机游戏，机器人的手爪需要抓住一个滑溜溜的娃娃。传统的抓法就像用手紧紧握住娃娃，但娃娃太滑时可能掉下来。共享抓握就像用手和机器的边缘一起夹住娃娃，减少掉落的可能性。通过环境接触，机器人可以在娃娃滑动时保持稳定。这种方法就像在游戏中用手和机器一起夹住娃娃，确保娃娃不会掉下来。
术语表
共享抓握 (Shared Grasping)
一种通过环境接触优化抓握的方法，减少手部接触点，提高操作稳定性。
在论文中用于描述机器人如何通过环境接触实现稳健操作。
混合力-速度控制 (Hybrid Force-Velocity Control)
一种结合力控制和速度控制的方法，用于确保接触模式的稳定性。
用于选择最稳健的接触模式并保持目标物体运动。
稳定性边际 (Stability Margin)
描述系统在接触模式下抵御外界干扰的能力。
用于评估接触模式的稳健性。
接触模式 (Contact Mode)
描述物体与环境和机器人手之间的接触状态。
用于分析不同接触模式下的操作稳定性。
准静态分析 (Quasi-static Analysis)
一种忽略惯性力的分析方法，用于研究平面刚体的接触特性。
用于推导算法和控制方案。
开放问题 这项研究留下的未解疑问
- 1 如何在动态环境中应用共享抓握，解决环境不确定性对接触模式选择的影响。
- 2 如何通过机器学习优化接触模式选择，提高操作稳定性。
应用场景
近期应用
自动化生产线
共享抓握可用于复杂物体操作，提高生产线效率。需要高精度传感器和环境接触优化。
远期愿景
动态环境中的机器人操作
共享抓握可扩展到动态环境，提高机器人在复杂场景中的操作能力。需要进一步研究环境不确定性影响。
原文摘要
A shared grasp is a grasp formed by contacts between the manipulated object and both the robot hand and the environment. By trading off hand contacts for environmental contacts, a shared grasp requires fewer contacts with the hand, and enables manipulation even when a full grasp is not possible. Previous research has used shared grasps for non-prehensile manipulation such as pivoting and tumbling. This paper treats the problem more generally, with methods to select the best shared grasp and robot actions for a desired object motion. The central issue is to evaluate the feasible contact modes: for each contact, whether that contact will remain active, and whether slip will occur. Robustness is important. When a contact mode fails, e.g., when a contact is lost, or when unintentional slip occurs, the operation will fail, and in some cases damage may occur. In this work, we enumerate all feasible contact modes, calculate corresponding controls, and select the most robust candidate. We can also optimize the contact geometry for robustness. This paper employs quasi-static analysis of planar rigid bodies with Coulomb friction to derive the algorithms and controls. Finally, we demonstrate the robustness of shared grasping and the use of our methods in representative experiments and examples. The video can be found at https://youtu.be/tyNhJvRYZNk