用于自动驾驶实验室的移动机械臂的运动学分析与视觉算法集成

机器人和自主系统的最新进展拓宽了机器人在实验室环境中的应用，包括自动驾驶实验室中的自动化合成、可扩展反应工作流程和协作任务。本文介绍了一种移动机械臂的全面开发，旨在辅助人类操作员在自主实验室环境中工作。基于Denavit Hartenberg约定对机械臂进行运动学建模，并求解逆运动学解以实现精确和自适应的操作能力。本研究的一个关键重点是增强机械臂可靠抓取纹理物体的能力，这是自主处理任务的关键组成部分。实现了先进的基于视觉的算法，以执行实时目标检测和姿态估计，引导机械臂在动态抓取和跟随任务中工作。在这项工作中，我们集成了一种视觉方法，该方法结合了基于特征的检测与单应性驱动的姿态估计，利用深度信息将物体姿态表示为3D空间中的2D平面投影。这种自适应能力使系统能够适应物体方向的变化，并支持在多样化环境中进行稳健的自主操作。通过实现自主实验和人机协作，这项工作有助于下一代化学实验室的可扩展性和可重复性。