[发明专利]用于普通夹持器的抓持学习的高效数据生成

权利要求书

1.一种用于生成供机器人使用的抓持数据库的方法，所述方法包括：

提供对象数据库和夹持器数据库，所述对象数据库包括多个对象的三维(3D)形状数据，所述夹持器数据库包括一个或多个夹持器的3D形状数据和致动参数；

使用具有处理器和存储器的计算机执行初始化，包括从所述夹持器数据库选择夹持器以及从所述对象数据库选择一个或多个对象；

重复地执行迭代优化以计算由所选择的夹持器对所选择的对象中的每个对象的多个质量抓持，其中每个质量抓持实现预定的质量度量；以及

执行物理环境模拟以生成所述抓持数据库，包括重复地模拟随机的对象堆并且重复地识别使用所述多个质量抓持中的一个应用于所述对象堆的抓持姿态，以及将关于每个成功的模拟抓持的数据输出到所述抓持数据库。

2.根据权利要求1所述的方法，还包括在实时机器人操作期间由所述计算机使用所述抓持数据库来从对象堆中识别要抓持的目标对象，包括分析来自多个3D相机的深度图像，根据所述深度图像计算一个或多个合成深度图，将所述目标对象识别为来自所述抓持数据库的具有与所述合成深度图中的一个对应的质量抓持的对象，以及向机器人控制器提供相应的对象抓持数据，所述机器人控制器指示装配有所述夹持器的机器人抓持并移动所述目标对象。

3.根据权利要求1所述的方法，还包括由所述计算机使用所述抓持数据库以使用有监督的学习来训练神经网络抓持学习系统，其中，以推理模式使用训练之后的所述神经网络抓持学习系统以在实时机器人操作期间计算抓持指令，包括将所述抓持指令提供给机器人控制器，所述机器人控制器指示装配有所述夹持器的机器人抓持并移动对象。

4.根据权利要求3所述的方法，其中所述抓持指令包括抓持目标点的3D坐标、所述夹持器要遵循的接近角度、夹持器旋转角度和夹持器宽度或所有关节的位置。

5.根据权利要求1所述的方法，其中，多个对象的所述3D形状数据包括所述多个对象中的每一个的实体模型、表面模型或表面点数据。

6.根据权利要求1所述的方法，其中，对于指型夹持器，用于所述夹持器的所述致动参数包括手指关节位置和枢转轴线取向以及手指关节弯曲角度范围。

7.根据权利要求1所述的方法，其中，重复地执行迭代优化包括随机地改变相对于所述对象的初始夹持器姿态。

8.根据权利要求1所述的方法，其中，重复地执行迭代优化包括将所述夹持器和所述对象的表面离散化为多个点，基于相对于所述对象的当前夹持器姿态来计算接触点对和碰撞点对，计算优化模型的迭代，以及更新所述夹持器姿态并计算所述优化模型的迭代直到收敛以实现所述质量度量。

9.根据权利要求8所述的方法，其中，所述优化模型包括目标函数、约束函数、所述夹持器和所述对象上的相等的接触表面、所述夹持器和所述对象上的具有由摩擦锥模型限定的摩擦的接触表面、所述夹持器穿透入所述对象的惩罚以及保持在角度限制内的夹持器关节角度，所述目标函数被限定为最大化所述质量度量，所述约束函数将所述夹持器和所述对象上的接触表面限定为所述夹持器和所述对象的所述离散化表面的由相对于所述对象的所述夹持器姿态变换的子集。

10.根据权利要求9所述的方法，其中，在求解之前，将所述优化模型凸化和简化，包括将所述约束函数从夹持器构型改变为夹持器构型的增量，限定从每个夹持器表面点沿着正交于最近的对象点的对象表面的距离，并且仅考虑在彼此的阈值距离内的点对。

11.根据权利要求1所述的方法，其中，对所选择的对象中的每个对象的所述多个质量抓持包括至少500个抓持，所述至少500个抓持通过类似的抓持姿态分组，并且针对每个组计算平均抓持，并且在物理环境模拟中仅使用所述平均抓持。