机械手灵活掌控各种球体 执行与人类类似的抓握

抓握球体物体对于人类来说似乎是一项无意识的任务，但人类完成这个动作需要经过一个复杂的神经网络。现在，机器人正在使用人工神经网络来获得相同的功能，以灵活掌控各种球体。在最近的一项研究中，机械手通过三种不同的抓握动作“学习”以拾取不同形状和硬度的物体。  

“人形机器人或受生物启发的机器人的编程非常复杂，” 德国卡尔斯鲁厄FZI Forschungszentrum Informatik的研究科学家Juan Camilo Vasquez Tieck说 。“而且传统的机器人编程方法并不总是适合利用其功能。”

Tieck说，传统的机器人系统必须执行大量的计算，才能跟踪轨迹并抓住物体。但是像Tieck一样的机器人系统（依赖于SNN）首先训练其神经网络，以更好地建模系统和物体运动。之后，它可以实时适应运动，从而更加自主地抓取物品。 

Tieck和他的同事们开发的新机器人系统使用了一种现有的机器人手，即Schunk SVH 5指手，其手指和关节的数量与人的手相同。

研究人员将SNN集成到他们的系统中，该系统分为几个子网。一个子网单独控制每个手指，使手指弯曲或伸展。另一个问题涉及每种类型的抓握运动，例如机械手是否需要进行捏捏，球形或圆柱形运动。

对于每个手指，神经电路都会使用电动机的电流和关节的速度来检测与物体的接触。当检测到与物体的接触时，激活控制器以调节手指施加的力。

蒂克说：“通过这种方式，通用抓握运动可以适应具有不同形状、刚度和大小的物体。” 如果物体移动或变形，该系统还可以快速适应其抓握运动。

10月24日发表在IEEE机器人与自动化快报上的一项研究中描述了机器人抓取系统。研究人员的机械手 在不知道其属性的情况下对物体使用了三种不同的抓握动作。目标对象包括 塑料瓶，软球，网球，海绵，橡皮鸭，其他气球，钢笔和纸巾包。研究人员发现，一方面，捏捏运动需要比圆柱或球形抓握运动更高的精度。

Tieck说：“对于这种方法，下一步是整合基于事件的摄像机的视觉信息，并将手臂运动与SNN集成在一起。” “此外，我们想用触觉传感器来伸出手。”

他说，长期目标是开发“一种系统，该系统可以执行与人类类似的抓握，而无需深入规划接触点或进行严格的稳定性分析，并且能够通过视觉和触觉反馈适应不同的物体。”