[论文解读] Planning Grasps for Assembly Tasks

Weiwei Wan, Kensuke Harada+1 more|arXiv (Cornell University)|Mar 5, 2019

Robot Manipulation and Learning参考文献 41被引用 5

一句话总结

本文提出了一种基于模型的抓取规划框架，适用于工业末端执行器（如夹爪和吸盘），通过叠加分割技术对CAD模型进行预处理，实现精确、稳定且高通量的抓取合成。该方法实现了亚2毫米的位姿精度，对低质量CAD模型具有鲁棒性，可在极少人工干预的情况下实现可靠的机器人装配与料箱抓取任务。

ABSTRACT

This paper develops model-based grasp planning algorithms for assembly tasks. It focuses on industrial end-effectors like grippers and suction cups, and plans grasp configurations considering CAD models of target objects. The developed algorithms are able to stably plan a large number of high-quality grasps, with high precision and little dependency on the quality of CAD models. The undergoing core technique is superimposed segmentation, which pre-processes a mesh model by peeling it into facets. The algorithms use superimposed segments to locate contact points and parallel facets, and synthesize grasp poses for popular industrial end-effectors. Several tunable parameters were prepared to adapt the algorithms to meet various requirements. The experimental section demonstrates the advantages of the algorithms by analyzing the cost and stability of the algorithms, the precision of the planned grasps, and the tunable parameters with both simulations and real-world experiments. Also, some examples of robotic assembly systems using the proposed algorithms are presented to demonstrate the efficacy.

研究动机与目标

• 解决在复杂装配与料箱抓取任务中，对工业末端执行器（如平行夹爪和吸盘）缺乏自动、高精度抓取规划的问题。
• 在保持抓取稳定性和精度的前提下，降低对高保真度CAD模型的依赖。
• 自动生成大量高质量的抓取配置，以支持机器人操作中的优化。
• 实现在无需人工教学或标注的情况下，快速重新部署机器人系统。
• 通过精确、无碰撞的抓取规划，支持现实世界中的机器人装配与重新抓取任务。

提出的方法

• 核心技术为叠加分割，通过将网格模型分解为重叠、可调的面片，以提高鲁棒性与接触检测能力。
• 在叠加分割的面片上采样接触点，并计算平行面片，以指导夹爪与吸盘的抓取位姿合成。
• 在考虑末端执行器运动学模型及接触与平行性几何约束的基础上，合成抓取配置。
• 可调参数控制面片大小、重叠度与角度阈值，可针对不同应用需求进行定制。
• 该算法与运动规划及重新抓取规划流程集成，支持完整装配任务的执行。
• 该方法作为插件实现在PYHIRO开源机器人装配系统中。

实验结果

研究问题

• RQ1 抓取规划算法能否在对CAD模型质量依赖极低的情况下，为工业末端执行器生成大量高质量抓取？
• RQ2 在输入模型保真度较低的情况下，所规划的抓取在抓取后维持物体位姿的精度如何？
• RQ3 叠加分割中的可调参数在多大程度上可用于平衡抓取数量、精度与计算成本？
• RQ4 所提出的抓取规划器能否在无需人工教学的情况下成功实现现实世界中的机器人装配与重新抓取任务？
• RQ5 在处理噪声或低分辨率CAD模型时，该方法在计算成本与稳定性方面表现如何？

主要发现

• 所提方法在抓取后实现的位姿偏差小于2毫米，即使在低质量CAD模型下也表现出高精度。
• 该算法保持了高稳定性与低计算成本，对网格噪声与缺陷具有鲁棒性。
• 可调参数（如面片角度阈值θfct与重叠度）使用户能够控制生成抓取的数量与质量。
• 该方法成功实现了基于Kawada Nextage机器人的现实世界机器人装配，实现了精确的抓取与放置及重新抓取操作。
• 双臂UR3机器人成功利用规划出的抓取完成真空螺栓的抓取，并以高对准精度完成螺栓锁紧。
• HRP5P机器人展示了通过规划抓取实现有效工具交接的能力，尤其在狭窄接触区域实现了精确对齐。