DBPF：高效且鲁棒的动态料箱拾取框架

效率与可靠性在机器人料箱拾取中至关重要，因为它们直接影响自动化工业流程的生产力。然而，要求静态物体与固定碰撞的传统方法会导致部署受限、运行效率低下及流程不可靠。本文提出了一种动态料箱拾取框架 (DBPF)，挑战了传统的静态假设。DBPF 赋予机器人反应能力，使其能够在避开动态障碍物（如移动料箱）的同时拾取多个运动的任意物体。结合场景级位姿生成，所提出的位姿选择度量利用趋势感知可操作性网络 优化吸盘位姿确定。速度匹配、动态障碍物规避以及重观测策略等启发式任务特定设计，提升了拾取成功率与可靠性。实证实验证明了这些组件的重要性。我们的方法实现了 84% 的平均成功率，超过了最相似基线的 60%，且关键在于实现了零碰撞。在多种动态场景下的进一步评估展示了 DBPF 在动态料箱拾取中的鲁棒性能。结果表明，我们的框架为动态环境下的高效可靠机器人料箱拾取提供了一种有前景的解决方案。