A model-based scooping grasp for the autonomous picking of unknown objects with a two-fingered gripper

گرفتن اشیاء مورد استفاده در فعالیت های روزانه یک کار ساده برای یک ربات نیست: تنوع اشکال و حجم اشیاء روش های خاصی را می سازد که ناکارآمد هستند. در این مقاله، ما یک چارچوب جدید بر پایه مدل مبتنی بر مدل سازی برای انتخاب اشیاء نازک روی سطح مسطح ارائه می دهیم، که به طور معمول به غلط گیر های معمول و استراتژی های درهم آمیختن کمک می کند. یک سلول کار رباتیک که از بازوی سریالی، یک گیربکس تجاری در دسترس و یک دوربین سه بعدی مشرف به فضای کاری استفاده شده است، برای نشان دادن و آزمایش الگوریتم استفاده می شود. از آنجایی که یک گیرگر تجاری استفاده می شود، ربات قادر است انواع مختلفی از اشیا را، علاوه بر اشیاء نازک هدفمند، درک کند. یک آزمایش بر اساس یک مجموعه آزمایشی از 80 اشیاء منجر به یک موفقیت موفقیت آمیز 84٪ می شود که نشان می دهد پتانسیل درک چارچوب جدید برای گسترش قابلیت های گیره های موجود است.