利用触觉夹爪一次性实现抓取、部件识别与位姿优化

增材制造的兴起带来了独特的机遇与挑战。3D 打印（3DP）特有的快速部件设计变更和大规模部件定制化易于实现。具有独特性但表现出相似特征的定制部件（如牙科模具、鞋垫或发动机叶片）可通过 3DP 进行工业化制造。然而，大规模部件定制的机会也给现有的机器人应用生产范式带来了独特挑战，因为当前的部件识别和位姿优化机器人范式是重复性的，通常采用数据驱动和依赖对象的方法。因此，在涉及大规模定制化的 3DP 部件机器人应用中存在瓶颈，因为基于特征的深度学习方法难以区分相似部件（如属于不同人的鞋垫）。为此，我们提出了一种在 3DP 部件上增强图案的方法，使得利用触觉夹爪可以一次性执行抓取、部件识别和位姿优化。我们还从三个角度对我们的方法进行了实验评估，包括模拟机器人分拣和包装的真实插入任务，并取得了优异的分类结果、95% 的高插入成功率以及亚毫米级的位姿优化精度。