0
雷鋒網按：本文作者李淼，武漢庫柏特科技創始人，瑞士洛桑聯邦理工博士，研究方向為機器人學習和人機協調交互。
六個月前寫了一篇機器人抓取的專欄文章，介紹了一下機器人抓取的基本研究內容和方法。文章鏈接:機器人從什么時候開始抓取的（上）。當時就說了未完待續，一直想更詳細的介紹下機器人抓取。在2017年的開始兩天，終于可以抽出時間來稍微整理一下這方面的內容。
一、什么是機器人抓取？
如下圖所示，給定一個物體和手，機器人抓取的基礎問題分為三個：
怎么樣去抓
怎么樣去控制
怎么樣去操作
按照難度，這三個問題基本是依次遞增的。
1、怎么樣去抓？(Grasp Planning)
這個問題基本是一群大牛一開始就研究的問題，包括Salisbury，Mason，Cutkosky，Khatib 等等。大家研究來研究去，就是想知道：給定一個物體，給定一個任務，給定一個手，這個手該怎么去抓這個物體才是最好的？這個方向的最著名的結果算是force-closure了, 在很長時間基本相當于控制里面的穩定性的重要性了。我在讀博士前兩年，基本也是做這個，當時帶我的博士后Sahar在這個方向做得相當不錯，不過她轉行搞金融去了。最近這個方向基本就是往與Learning結合的套路上走，可以參考Sergey Levine在Google時的工作。
2、怎么樣去控制？(Grasp Control)
這個問題就是研究力控，包括手指末端的力控，觸覺控制等，剛度控制，阻抗控制等等。很長一段時間，大家都在試圖計算什么樣的手指抓取力才是最優的（話說當年開始讀碩士時，第一個給我郵寄紙質論文的Imin Kao 教授就是做抓取的剛度控制的）。這里面以Martin Buss和李澤湘老師組的工作最為著名，將一個非線性優化問題轉化成一個線性矩陣不等式問題，基本在幾十毫秒左右可以得到優化結果。最近的這個方面的最好的工作應該算是DLR出來的object-level impedance control（IJRR）了（文章第一作者Wimbock也轉行了）。現在還堅守在這個方向的主要就是幾個日本教授了，包括我的合作者Kenji。話說Kenji的老板Arimoto教授，退休后才開始搞機器人抓取的，還出了本書。他屬于上古大神級別，現在很少有人知道，IROS 2016他的生日聚會也相當高端，可以感受下（2006 International Symposium on Advanced Robotics and Machine Intelligence）。
3、怎么樣去操作？（Dexterous Manipulation）
其中最后一個問題的dexterous manipulation（靈巧操作），已經很多年沒有什么好的進展了，現在也很少有人去碰這個問題了。Cutkosky的博士論文是搞這個，后來還搞了幾年，再后來把實驗室名字都換了，算是轉方向了。Peter Allen 組以前有個博士后搞這個，后來好像是潛水掛了，很是遺憾。最近的soft robotics火了，這個方向好像有了新的轉機，Oliver Broc也開始做這個方向了。
二、為什么機器人抓取重要？
如下圖所示，機器人抓取的研究涉及到很多方面，包括機械，控制，計算機，人工智能等等。很多時候，機器人抓取是一個很好的最小研究例子（minimal example），來支撐各個方向的研究。其次，機器人抓取中的研究內容，特別是靈巧性和交互性，能夠對其他很多相關的研究起到作用，下面的第二張圖就說明了這一點。另外，抓取也是機器人走進真實世界必不可少的功能，手對人類是如此重要，我們當然希望賦予機器人同樣的功能。
三、為什么機器人抓取很難？
抓取對我們而言是如此簡單，所以我們很有可能認為對機器人也很簡單，但實際上是相當難的。如果看過各種或者參加過各種抓取比賽，應該是生無可戀了，機器人抓取的底線比你想象的肯定要低。但是很多paper中的數據都是在制定的非常不真實的條件下，給人一種很高的成功率的感覺。記得我在我博士論文里面給了個３０％左右的成功率，有個答辯委員問我為什么這么低，這不符合常理。但是這就是現實。
現實世界有太多的不確定性，因為不確定性，我們在抓取中用到的模型基本上都是不準確的，甚至是錯的。而我們又沒有足夠好的傳感器，可以實時給我們反饋真實的狀態。更糟糕的是，我們連一個好點的手也沒用，很難準確的去控制機器人手到我們想要的狀態。未來很長一段時間，怎么樣處理這些不確定性，將會是機器人抓取的一個熱點方向。其實這個方向也很熱，基本每年都有相關的workshop。這里推廣下我們2017年的ICRA workshop。
四、未來的方向？
既然還有這么多的未解決的問題，那么未來的方向在哪里？我自己總結了幾個點：更好的理解不確定性，更多的利用接觸，更靈巧的設計，更穩定的傳感器。這幾個方向的闡述，也是很大的一個坑，將來一個個添補吧。(我博士畢業后，如果去美國做博士后，就是研究其中的第一點和第二點)。如果這幾個點做好了，機器人抓取離大面積的現實應用也不會太遠。
最近我們在公司實現的無序抓取(random bin picking)
如果對機器人抓取，力控，機器人學習，嵌入式系統了解并感興趣，歡迎聯系。
另外，我們也長期招聘優秀實習生，可以做第一手的研究和推薦出國。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
