基于触觉阵列感知的机器人稳定抓取判别方法

针对传统的单点压力传感器获取的接触力无法完备反映机器人的抓取接触状态，难以实现准确的机器人抓取状态判别的问题，基于触觉阵列传感器的多点感知特性，提出一种高效高准确率的机器人稳定抓取判别方法．首先，采集机器人抓取属性各异物体时的接触分布力信息，建立分布力与触觉图像的映射，构建机器人抓取触觉图像数据集；基于多层感知机框架建立机器人抓取状态判别模型，实现机器人抓取状态的分类．然后，通过训练并对多层感知机在不同模型层数与节点数下的模型性能进行优选，得到抓取状态判别模型的最优参数，进而与多种基于学习的抓取判别算法进行对比．结果表明：所提出的抓取状态判别方法具有99.74%的判别准确率，平均耗时为2.3 ms，在判别精度和速度上均优于基线算法；通过实物抓取实验，该方法的判别准确率达到94%，充分证明其对数据集外物体的稳定抓取判别具有较强的鲁棒性．