人形机器人高精度微小物体对齐的基于Transformer的视觉伺服

高精度微小物体对齐仍然是人形机器人在现实世界中面临的一个常见且关键的挑战。为了解决这一问题，本文提出了一种基于视觉的框架，用于精确估计和控制人形机器人手持工具与目标物体之间的相对位置，例如螺丝刀尖和螺丝头槽。通过融合机器人头部和躯干相机的图像及其头部关节角度，所提出的基于Transformer的视觉伺服方法能够有效纠正手持工具的位置误差，尤其是在近距离时。在M4-M8螺丝上的实验表明平均收敛误差为0.8-1.3 mm，成功率为93%-100%。通过对比分析，结果验证了这种高精度微小物体对齐能力是由本文提出的距离估计Transformer架构和多感知头机制所实现的。