|
现实世界中的物体通常需要机器人来适应环境中物体的形状、大小和姿态的相对较大程度的不确定性[1]。使用刚性手进行灵巧的手操作时，由于手指和物体之间复杂的接触相互作用，通常需要基于物体和手指的精确规划和控制手指运动[2]。使用机器学习来降低这些交互复杂性的一些尝试会有一些较好的前景，但需要在高性能计算系统上进行广泛的培训[3]。对此，我们可以通过有针对性地设计具有灵巧手指的柔软机器人手，来减轻对一些手动操作任务的规划和复杂控制的需求。近年来，人们大力推动使用柔软的机械手，柔软的手使机器人能够抓取不同形状、大小和姿势的物体来适应环境的不确定性。最近IEEE ROBOTICS AND AUTOMATION LETTERS期刊发表的一篇“A Dexterous Soft Robotic Hand for Delicate In-Hand Manipulation”展示了在不确定性的情况下，柔软的机器人手可以稳健地执行手动操作。在这项工作中，文章专注于物体在保持抓握状态下移动的三个基本运动:围绕一个轴旋转，以及在平面的两个轴上平移，如图1所示。本文第一个设计的运动原点是旋转物体的中心轴，比如日常拧瓶盖、转动刻度盘和旋钮，以及重新定向非轴对称物体。第二和第三目标运动基元是在垂直于对象中心轴的平面中的平移平面平移有助于在打包任务期间进行精细的局部调整，以及通过左右移动来拾取产品。 
图1 从概念上从所需的物体运动图元中得出了我们柔软的手所需的指尖运动 高级手设计：为了构建能够实现三个运动基元的柔软手，手的高层次结构设计为几个柔顺的手指放在一个扁平的手掌上，垂直于手掌的轴被设置为平行于对象的中心轴。如图2所示，本文还考虑了两个高级配置来进行手指排列：四指交叉和拟人化。考虑到这两只手的配置，我们最终选择了四指交叉设计，因为它简化了对三个目标运动基元的控制。
图2 在这项工作中考虑的两个高级手势设计：(a)四指十字设计 (b)更传统的拟人化设计
灵巧的手指设计：为了设计灵巧的软手指，使用了以对象为中心的方法来提取指尖应该如何根据所需的对象运动基元进行移动，如图2所示。为了获得柔顺轻巧的手指，创建了带有两个并排气室且中心壁分开的气动弯曲执行器，每个腔室均基于典型的波纹管执行器设计。当两个腔室以相同的压力致动时，致动器的这种配置可实现强大的抓地力，而在不同地致动时，也可提供足够的左右运动。通过几次设计迭代，以最大程度地提高这些手指的强度，运动范围和爆破压力，以提高该系统的可靠性。硬件制作：软手指的制造过程是基于[4]中的过程，刚性模具会形成手指的外部几何形状，而软硅胶芯会形成内部几何形状。如图3所示，在捏手指之前，通过将TrueSkin®10硅酮注入3D打印模具中，然后在烤箱中固化一小时制造两个软核。接下来，用螺钉将模具的所有部件夹紧在一起，然后使用定制的注射系统注射Smooth-Sil945硅树脂。材料固化后，将两个软芯移除，从而形成两个并排的气室。杆产生的两个孔用少量硅酮密封，以防止漏气。
四个手指完成后，它们就附着在一个刚性支架上，将它们排列成两个垂直的对跖手指对。手指的安装角度是根据手指的运动范围来选择的。最后，将手掌放在支架的中间，在距离指尖接触点40毫米处放置一个直径为70毫米的平坦表面。在描述手的特征之前，本文首先单独描述手指的特征，以了解运动范围、力量和操作压力。这些度量标准随后告知手指如何用于手内的抓握和操纵。为了评估柔软的二自由度手指的工作空间，本文对手指的两个腔室施加驱动压力/真空扫描，并测量指尖的自由偏转。使用Vicon运动捕捉平台，手指的工作空间以3D形式描绘出来，所得表面如图4a所示。为了测量手指沿着主抓握轴的曲率，对两个致动器室施加相等的受控压力，并测量沿着手指长度的三个点的最终位移，结果如图4b所示。为了评估柔软手指的力量，从测量启动时的阻塞力开始。将单个手指放在一个定制夹具中，该夹具位于带有10 N称重传感器的英斯特朗万能试验机的十字头下方。如图4c所示，从0千帕到250千帕驱动手指，测量产生的垂直阻挡力。每个对三个不同的手指重复测试三次，结果表明抓持力与左右运动之间存在权衡。
图4 手指性能的验证 (a)手指的工作空间能够在抓握过程中实现充分的左右运动，显示了指尖工作空间曲面的两个视图(b)在0千帕至138千帕的范围内，抓取轴的曲率与驱动压力大致呈线性关系(c)每个手指在抓握轴上的最大阻挡力为2.3N，左右各为1.2N通过对抓握强度和抓握刚度的分析，确定了抓握过程中可持续的物体质量范围，以及手的方向对此有何影响。为了测量柔软手的握力以及柔软指压的效果，在一个直径为76.2毫米的圆柱体上进行了一系列抓握。气缸连接在Instron机器的十字头上，手固定在气缸下面的一个结构上。然后垂直拉动圆柱体，测量手指的最大垂直力。同时评估了驱动压力、柔软的手指垫以及使用两个手指与四个手指对抓握力的影响，如图5a所示。
使用四个手指时，以最高压力驱动柔软的手指垫时，手具有最高的握力。在173千帕的压力下，手达到4.7 N的握力，表明当用柔软的手指垫驱动四个手指时，手能够抓住高达0.47千克的物体。相反，没有手指垫的最佳性能仅为0.21牛顿(抓住0.21千克的物体)，这表明添加软垫会显著增加抓握强度。实验表明，用四个手指抓握时的握力大约是用两个手指抓握时的两倍。为了评估手抵抗离轴载荷的能力，本文测量了作为角度函数的两个手指抓握的刚度。将一个直径为25毫米的圆筒固定在Instron机器的十字头上，用一个定制的夹具将手以精确的角度安装在圆筒上。为了测量刚度，在气缸上进行两个手指对跖抓，然后使用英斯特朗将气缸偏转10毫米，并测量产生的垂直力。围绕x轴和y轴的角度范围从0度到90度，重复该过程三次。图5b示出了两个轴的角度的最终抓持刚度。对于围绕圆柱体长轴(x轴)的角度，抓持刚度随着角度大致线性减小，类似于指压[5]。此外，对于围绕y轴的角度，不均匀性降低得更快。这种差异可能是由于在空气压力作用下，每个手指在抓握方向上的刚度增加所致。最后，精纺面料的加载条件包括垂直于手掌(90° )的力，在手掌处硬度最低。为了评估该原型手的内部操作性能，使用一组小的标准对象对所有三个运动基元进行了经验测试，如图6a所示。为了保持与标准物体组一致，两个刚性圆柱体取自YCB对象集，一个尺寸为60毫米× 60毫米× 60毫米的刚性盒子包含在[24]中。除了这些刚性物体，还使用了由记忆泡沫(50毫米× 50毫米× 70毫米)制成的柔性盒子。最后，测试了三个易碎的真实物体:两个松饼(直径分别为70毫米和40毫米)和一个西兰花冠(直径约为110毫米)。为了评估手能够实现的物体运动的空间范围，本文对所有三个运动基元进行了扫描。使用启发式设计的压力轨迹，手指运动被控制得足够慢，以呈现准静态条件。运动基元是在透明的丙烯酸地面上静止的物体上进行的，物体的运动是用安装在下面的摄像机捕捉的。使用跟踪器视频分析软件[6]，测量了每个对象上两个已知标记的位置，从而能够使用Python计算对象的平面姿态。每个对象的平面“工作空间”如图6b和6d所示。这个区域可能受到每个手指工作空间大小的限制，左右偏移30毫米。相反，可到达的对象旋转范围与对象大小成反比，较小的对象经历较大的旋转。这也符合给定的横向范围的预期每个手指可以实现偏转。当命令对象上的纯运动基元时，本文还测量了离轴运动，结果如图6c和6e所示。
步态包括两个部分的循环，两个参数基于简单的旋转原语的扩展，如图7所示。首先用一对对跖手指抓住物体，旋转到指尖工作空间的边缘，同时保持接触。接下来，另外两个手指在物体上形成一个对跖抓取，同时第一个抓取对保持位置。从这里开始，第一对抓取器松开，同时试图保持手指的侧向位置，然后手指复位到其静止位置。最后，循环的第二部分与第一部分相同，除了抓取对的角色被翻转。手指可以定义为一个反驱动压力空间，有一个标称抓取压力和一个与该压力的偏差，该压力差驱动两个手指产生旋转。本文通过在先前定义的实验对象上测试手指步态的性能来评估其实用性。这些测试的结果如图7所示。对于每个对象，执行了20个步态周期的手指步态，同时使用Vicon运动捕捉系统捕捉最终的对象运动。
图7 使用简单的启发式手指步态，软体手能够连续旋转各种形状和大小的物体在第一个任务中，柔软手被用来拧开塑料罐的盖子（如图8），这是日常生活中的一项常见活动。使用简单的手指步态进行连续旋转，帽子被成功地取下并由手臂拾起。然后将x-y平移图元组合在一起，在不使用外表面的情况下在半空中移动盖子。然后盖上盖子，抓住整个罐子，在半空中平移。
图8 显示软体手使用启发式手指步态旋转，拧开空塑料罐的盖子除了坚硬的物体之外，柔软的手可以轻柔地操纵水果、蔬菜或糕点等精致的物体[7]。例如，用灵巧柔软的手很容易完成把纸杯蛋糕装进容器的任务，如图9所示。此外，可以利用简单的手指步态在包装前旋转纸杯蛋糕，将设计放入容器中。
图9 使用早期开发的启发式手指步态，软体手可以轻轻地操纵精致的物体最后，手中两室手指的灵巧度可以用来补偿被抓物体重量造成的手指下垂。相对于典型物体的质量，由于手指的高顺应性，对于包括我们的手在内的柔软机器人手来说，手指在抓握过程中的偏转通常很大。给定手的方向和近似物体质量的知识，平移基元(简单的压力偏移)可以应用于旋转步态的每个部分，以垂直移动指尖位置并从手指下垂中恢复，如图10所示。对于柔软手来说，补偿手指下垂通常对旋转任务的成功至关重要。如图10所示，当指尖没有移动以解决下垂时，物体在旋转步态尝试期间掉落。而在步态进行重力补偿时，旋转过程中物体的位置更靠近手掌中心，实现稳定的旋转。因此，设计具有平移物体能力的手指使柔软的手能够在更广泛的方向上操纵物体。
图10 通过组合运动图元，手可以调整对象的位置，以补偿重力导致的手指下垂本文证明了一只柔软的机器人手能够在不知道这些物体的精确位置、形状或大小的情况下，对精细的物体进行稳健的手动操作。通过对所需物体运动的概念分析，设计了一只柔软的手，它有四个柔软灵巧的手指，能够在平面上移动物体。在未来的工作中，可以更深入地进行软操作。因为软机械手可以安全地与自己和周围环境交互，从家庭辅助机器人到双手操作，灵巧的软机械手还可以应用于各种地方。[1] M. T.Mason, “Toward robotic manipulation,” Annu. Rev. Control, Robot., Auton. Syst.,vol. 1, pp. 1–28, 2018.[2] B.Sundaralingam and T. Hermans, “Geometric in-hand re-grasp planning: Alternatingoptimization of finger gaits and in-grasp manipulation,” in Proc. IEEE Int.Conf. Robot. Autom., May 2018, pp. 231–238.[3] O. M.Andrychowicz et al., “Learning dexterous in-hand manipulation,” Int. J. Robot.Res., vol. 39, no. 1, pp. 3–20, Jan. 2020.[4] K. C.Galloway et al., “Soft robotic grippers for biological sampling on deep reefs,”Soft Robot., vol. 3, no. 1, 2016, Art. no. soro.2015.0019.[5] C. B.Teeple, T. N. Koutros, M. A. Graule, and R. J. Wood, “Multi-segment soft robotic fingers enable robust precision grasping,” Int. J. Robot. Res., 2020,doi: 10.1177/0278364920910465.[6] Tracker,“Tracker video analysis and modeling software, version 5.0.7,” Comput. Softw.,Mar. 2019. [Online]. Available: https:/// tracker[7] SoftRobotics Inc., “5 reasons to automate your bakery operations,” White Paper,2019. [Online]. Available: http://info./automate-bakery-with-robotics
|
