概述：機器人廣泛應用於工業生產的加工和裝配等各個領域。傳統的工業機器人需要透過複雜的標定和預程式設計來完成任務。近年來，自動化水平的發展對機器人在不確定環境下執行復雜任務提出了更高的要求。因而機器人機械手的靈巧性受到更多的關注。本課題旨在工業機器人的靈巧性研究。這其中包括
1. 工業機械手/靈巧手的智慧實時抓取；
2. 靈巧手的手內操控；
3. 工業機器人強化學習與智慧裝配。
其中第一點在上一篇推送中已有闡述（參見靈巧工業機器人（一）抓取），本文簡述第二點，手內操控。
2. 靈巧仿生手的手內操控
1) 靈巧手的魯棒操控
機器人在不確定環境下的複雜任務對機械手的靈巧性提出了更高要求。由於被抓物體的未知特性，多手指多關節機械手難以對未知物體進行手內操控。本課題提出了一種“魯棒操作控制器”，如圖2.1.1所示，成功實現了未知物體的手內旋轉偏移等手內操控，如圖2.1.2所示。該課題入選了國際先進智慧機械電子會議AIM2017最佳論文。論文下載地址：
https://ieeexplore.ieee.org/document/8014085/
圖2.1.1. 魯棒操作控制器。該演算法利用反饋線性化將動態系統線性化，並利用魯棒控制器進行魯棒控制。控制結果透過操作控制器最佳化被動態系統接收。
圖2.1.2. 魯棒操作控制器結果。本課題應用了4手指12關節靈巧手。物體的期望軌跡為提起並旋轉。該控制器對物體50%的質量不確定性和80%的慣性不確定性魯棒。
2) 靈巧手的手指步態規劃
機械手手指通常具有較小的移動範圍，為了適應手內物體的大範圍移動，手指需要進行步態調整。本課題提出了一種“手指步態規劃”演算法，能實時的調整手指與物體的接觸點並保持物體抓取的穩定性，如圖2.2.1所示。該演算法能探索未知物體表面，並實現物體的大範圍靈巧運動，如圖2.2.2所示。該演算法繼承了a）魯棒控制的效能，對外界的力矩干擾有很強的魯棒性，如圖2.2.3所示。該成果連續發表在世界自動化協會大會IFAC2017及國際機器人與系統會議IROS2017上。論文下載地址：
https://arxiv.org/abs/1710.10350
圖2.2.1. 基於最佳化的手內操控規劃器。抓取質量分析挑選出需要改變接觸點的手指。該手指透過速度手指步態規劃器在物體表面滑動以提高抓取質量和自身手指的操控效能。其餘手指按照魯棒操作控制器操控物體並抵抗外界干擾。該演算法對物體的質量，形狀，接觸，摩擦均有較強的魯棒性。
圖2.2.2. 基於最佳化的手內操控規劃器規劃結果。本課題無需物體形狀資訊。物體的期望軌跡為提起，擺動，並伴隨大規模旋轉。（上）不使用提出的規劃器，手指到達極限，操作失敗。（下）使用提出的規劃器，該演算法能自動調整手指步態，以保證操作效能和抓取質量。
圖2.2.3. 基於最佳化的手內操控規劃器對外界干擾的魯棒性。該演算法對外界力/矩干擾有很強的魯棒性。
（未完待續）