[论文解读] Design of a Multi-Modal End-Effector and Grasping System: How Integrated Design helped win the Amazon Robotics Challenge

S. Wade-McCue, N. Kelly-Boxall+20 more|arXiv (Cornell University)|Oct 4, 2017

Robot Manipulation and Learning参考文献 15被引用 17

一句话总结

本文提出一种多模态末端执行器，集成真空吸盘与平行颚式夹爪，并结合多级抓取合成算法，以实现在杂乱仓库环境中的稳定抓取。该系统凭借策略性冗余与软硬件一体化设计，在2017年亚马逊机器人挑战赛中取得未杂乱环境90%、杂乱环境83%的成功率，最终胜出。

ABSTRACT

We present the grasping system and design approach behind Cartman, the winning entrant in the 2017 Amazon Robotics Challenge. We investigate the design processes leading up to the final iteration of the system and describe the emergent solution by comparing it with key robotics design aspects. Following our experience, we propose a new design aspect, precision vs. redundancy, that should be considered alongside the previously proposed design aspects of modularity vs. integration, generality vs. assumptions, computation vs. embodiment and planning vs. feedback. We present the grasping system behind Cartman, the winning robot in the 2017 Amazon Robotics Challenge. The system makes strong use of redundancy in design by implementing complimentary tools, a suction gripper and a parallel gripper. This multi-modal end-effector is combined with three grasp synthesis algorithms to accommodate the range of objects provided by Amazon during the challenge. We provide a detailed system description and an evaluation of its performance before discussing the broader nature of the system with respect to the key aspects of robotic design as initially proposed by the winners of the first Amazon Picking Challenge. To address the principal nature of our grasping system and the reason for its success, we propose an additional robotic design aspect `precision vs. redundancy'. The full design of our robotic system, including the end-effector, is open sourced and available at http://juxi.net/projects/AmazonRoboticsChallenge/

研究动机与目标

• 开发一种鲁棒的自主抓取系统，能够在杂乱仓库料箱中处理多样化、非结构化的物品。
• 通过引入多模态末端执行器设计，解决单一抓取模式系统在非结构化环境中性能受限的问题。
• 通过软硬件组件的冗余设计，提升系统可靠性与成功率。
• 通过实证验证一体化设计原则在真实机器人操作任务中的有效性。
• 提出并展示一种新的机器人设计维度：‘精度 vs. 冗余’。

提出的方法

• 设计一种混合型末端执行器，集成真空工具与平行颚式夹爪，通过腕部的工具更换机构实现驱动。
• 实现三种针对不同视觉信息水平的抓取合成算法：完整3D点云、部分2D图像以及低信息量场景。
• 采用3D打印技术实现快速、一体化的机械原型制造，支持软硬件开发的紧密耦合。
• 采用笛卡尔坐标系机械臂，简化运动规划并降低计算复杂度。
• 应用反馈控制，仅依赖最少的高成本传感器，转而依靠机械集成与冗余设计提升鲁棒性。
• 在比赛中手动为物品分配抓取类型，以避免因试错式抓取选择导致的时间浪费。

实验结果

研究问题

• RQ1 机器人抓取系统如何在多样化物体类型、非结构化的杂乱仓库环境中实现高成功率？
• RQ2 集成多种抓取模态（真空吸附与夹爪）在多大程度上提升了系统的鲁棒性与成功率？
• RQ3 软硬件组件中的冗余设计在多大程度上促进了系统可靠性与性能的提升？
• RQ4 一体化设计（尤其是软硬件之间的协同）在实现真实世界机器人挑战中高性能表现方面起到何种作用？
• RQ5 ‘精度 vs. 冗余’这一概念能否被形式化为机器人系统设计中的一个新维度？

主要发现

• 在2017年亚马逊机器人挑战赛中，系统在未杂乱抓取环境中达到90%的成功率，在杂乱环境中达到83%。
• 真空吸盘与平行夹爪的集成提供了互补能力，显著提升了在多样化物体类型下的鲁棒性。
• 冗余抓取合成算法的使用使系统能够适应不同层次的视觉信息，提升了在不确定性条件下的可靠性。
• 通过3D打印与机械集成实现的混合型末端执行器设计，支持快速迭代与高性能表现，同时避免对高精度传感器的过度依赖。
• 优胜表现主要归因于对冗余与一体化设计的策略性运用，特别是显著降低了对昂贵高精度组件的依赖。
• 作者成功证明，一种更注重冗余而非精度的系统，可在更低成本下实现更高性能与更强鲁棒性。