机器人抓取？真没想的那么简单！

雷锋网(公众号：雷锋网)按：本文作者李淼，武汉库柏特科技创始人，瑞士洛桑联邦理工博士，研究方向为机器人学习和人机协调交互。

六个月前写了一篇机器人抓取的专栏文章，介绍了一下机器人抓取的基本研究内容和方法。文章链接:机器人从什么时候开始抓取的（上）。当时就说了未完待续，一直想更详细的介绍下机器人抓取。在2017年的开始两天，终于可以抽出时间来稍微整理一下这方面的内容。

完整的PPT下载链接

一、什么是机器人抓取？

如下图所示，给定一个物体和手，机器人抓取的基础问题分为三个：

• 怎么样去抓 

• 怎么样去控制　

• 怎么样去操作

按照难度，这三个问题基本是依次递增的。

1、怎么样去抓？(Grasp Planning)

这个问题基本是一群大牛一开始就研究的问题，包括Salisbury，Mason，Cutkosky，Khatib 等等。大家研究来研究去，就是想知道：给定一个物体，给定一个任务，给定一个手，这个手该怎么去抓这个物体才是最好的？这个方向的最著名的结果算是force-closure了, 在很长时间基本相当于控制里面的稳定性的重要性了。我在读博士前两年，基本也是做这个，当时带我的博士后Sahar在这个方向做得相当不错，不过她转行搞金融去了。最近这个方向基本就是往与Learning结合的套路上走，可以参考Sergey Levine在Google时的工作。

2、怎么样去控制？(Grasp Control)

这个问题就是研究力控，包括手指末端的力控，触觉控制等，刚度控制，阻抗控制等等。很长一段时间，大家都在试图计算什么样的手指抓取力才是最优的（话说当年开始读硕士时，第一个给我邮寄纸质论文的Imin Kao 教授就是做抓取的刚度控制的）。这里面以Martin Buss和李泽湘老师组的工作最为著名，将一个非线性优化问题转化成一个线性矩阵不等式问题，基本在几十毫秒左右可以得到优化结果。最近的这个方面的最好的工作应该算是DLR出来的object-level impedance control（IJRR）了（文章第一作者Wimbock也转行了）。现在还坚守在这个方向的主要就是几个日本教授了，包括我的合作者Kenji。话说Kenji的老板Arimoto教授，退休后才开始搞机器人抓取的，还出了本书。他属于上古大神级别，现在很少有人知道，IROS 2016他的生日聚会也相当高端，可以感受下（2006 International Symposium on Advanced Robotics and Machine Intelligence）。

3、怎么样去操作？（Dexterous Manipulation）

其中最后一个问题的dexterous manipulation（灵巧操作），已经很多年没有什么好的进展了，现在也很少有人去碰这个问题了。Cutkosky的博士论文是搞这个，后来还搞了几年，再后来把实验室名字都换了，算是转方向了。Peter Allen 组以前有个博士后搞这个，后来好像是潜水挂了，很是遗憾。最近的soft robotics火了，这个方向好像有了新的转机，Oliver Broc也开始做这个方向了。

二、为什么机器人抓取重要？

如下图所示，机器人抓取的研究涉及到很多方面，包括机械，控制，计算机，人工智能等等。很多时候，机器人抓取是一个很好的最小研究例子（minimal example），来支撑各个方向的研究。其次，机器人抓取中的研究内容，特别是灵巧性和交互性，能够对其他很多相关的研究起到作用，下面的第二张图就说明了这一点。另外，抓取也是机器人走进真实世界必不可少的功能，手对人类是如此重要，我们当然希望赋予机器人同样的功能。

三、为什么机器人抓取很难？

抓取对我们而言是如此简单，所以我们很有可能认为对机器人也很简单，但实际上是相当难的。如果看过各种或者参加过各种抓取比赛，应该是生无可恋了，机器人抓取的底线比你想象的肯定要低。但是很多paper中的数据都是在制定的非常不真实的条件下，给人一种很高的成功率的感觉。记得我在我博士论文里面给了个３０％左右的成功率，有个答辩委员问我为什么这么低，这不符合常理。但是这就是现实。

现实世界有太多的不确定性，因为不确定性，我们在抓取中用到的模型基本上都是不准确的，甚至是错的。而我们又没有足够好的传感器，可以实时给我们反馈真实的状态。更糟糕的是，我们连一个好点的手也没用，很难准确的去控制机器人手到我们想要的状态。未来很长一段时间，怎么样处理这些不确定性，将会是机器人抓取的一个热点方向。其实这个方向也很热，基本每年都有相关的workshop。这里推广下我们2017年的ICRA workshop。

四、未来的方向？

既然还有这么多的未解决的问题，那么未来的方向在哪里？我自己总结了几个点：更好的理解不确定性，更多的利用接触，更灵巧的设计，更稳定的传感器。这几个方向的阐述，也是很大的一个坑，将来一个个添补吧。(我博士毕业后，如果去美国做博士后，就是研究其中的第一点和第二点)。如果这几个点做好了，机器人抓取离大面积的现实应用也不会太远。

最近我们在公司实现的无序抓取(random bin picking)

如果对机器人抓取，力控，机器人学习，嵌入式系统了解并感兴趣，欢迎联系。

另外，我们也长期招聘优秀实习生，可以做第一手的研究和推荐出国。

个人研究主页

雷锋网特约稿件，未经授权禁止转载。详情见。