卢晓玲,孙自昌

(安徽汽车职业技术学院 机电工程系,安徽 合肥,230601)

工作的稳定性使得工业机器人在汽车生产、机械产品自动化生产制造、高危设备安装等领域具有十分广泛的应用[1]。抓取是工业机器人的基本操作任务,在执行抓取任务的过程中工业机器人需要结合待抓取物体的位姿信息来调整机器人的关节,从而实现对各种位姿状态下物体的抓取[2]。具有视觉的机器人通过视觉获得待抓取物体的位姿信息,采用运动学逆解的方法获得机器人的关节坐标[3]。该方法能够使得工业机器人实现对物体的自适应抓取,但是对机器人的操作者具有相对比较高的要求,同时对具有冗余自由度的机器人来讲,获取稳定运动学逆解也比较困难[4]。机器学习的快速发展使得对机器人抓取的控制由模型驱动向数据驱动发展,通过相机获得待抓取物体位姿观测数据,由位姿观测数据通过机器学习理论获得工业机器人的关节变量数据,从而更好地对机器人抓住进行控制[5]。基于此,本文采用最大期望算法(EM)对工业机器人抓取控制进行研究,降低对机器人操作者的要求,确保机器人可以在较大范围内对物体的抓取。

1 工业机器人抓取控制

1.1 工业机器人抓取控制原理

工业机器人在执行抓取任务时要根据所抓取物体的位姿对自身进行调整。设oi为所抓取物体的观测变量,ri为与之对应的工业机器人关节变量,在oi和ri之间存在映射关系f,即[6]f:oi→ri。……