（来源：MIT News）

拾放机器人是一种自动化设备，用于将物体放置到结构化的、有序的位置中。这些机器被应用于多种场景——从电子组装到包装、货箱拾取乃至检验——但许多现有的拾放解决方案存在局限性，缺乏“精确泛化”的能力，即在不牺牲准确性的情况下解决多种任务的能力。

“在工业中，我们经常看到制造商最终采用的是高度定制化的解决方案，这意味着大量的工程投入，牺牲了方案的灵活性。”Maria Bauza Villalonga，现任 Google DeepMind 的高级研究科学家，在那里她从事机器人操作的研究。“SimPLE 解决了这个问题，并提供了一个兼顾灵活性和高精度的拾放解决方案。”

由机械工程系（MechE）研究人员发表在 Science Robotics 期刊上的一篇新论文探讨了更加精确的解决方案。

（来源：Science Robotics）

在精准拾放（也称为套件装配）中，机器人将无序排列的物体转换为有序排列。该方法被称为 SimPLE（Simulation to Pick Localize and placE，模拟以实现拾取、定位和放置），它通过物体的 CAD 模型学习挑选、拾取以及放置物体，并且无需任何先前的经验或与具体物体的接触。

麻省理工学院访问科学家 Alberto Rodriguez 说道：“SimPLE 的优势在于我们可以使用相同的硬件和软件解决多种不同的任务，通过模拟学习适应每个特定任务的模型。”他曾是麻省理工学院机械工程系的教职工，现在是波士顿动力公司操纵研究的副主管。SimPLE 由麻省理工学院操纵与机制实验室 (MCube) 在 Rodriguez 的指导下开发。

“在这项工作中，我们证明了无需任何其他专门化技术即可达到许多工业拾取与放置任务所需的位置精度水平。”Rodriguez 说。

使用配备有视触觉感知功能的双臂机器人，SimPLE 解决方案采用了三个主要组件：任务感知拾取、视觉与触觉感知，以及重新拾取规划。通过监督学习，将实际观测与一系列模拟观测进行匹配，从而可以估算出物体可能的姿态分布，并完成放置操作。

（来源：MIT News）

在实验中，SimPLE 成功展示出对形状各异的多种物体进行拾取与放置的能力，在针对 6 种物体时超过 90% 的时间能够成功放置，在针对 11 种物体时超过 80% 的时间能够成功放置。

机械工程博士生 Antonia Delores Bronars 表示：“在机器人学界有一种直观的理解，即视觉和触觉都很有用，但直到现在并没有很多系统性的演示说明它们如何对复杂的机器人任务有益。”Bronars 目前与电气工程与计算机科学系的助理教授 Pulkit Agrawal 合作，继续她关于将触觉能力融入机器人系统的博士研究工作。

Berkshire Grey 的首席科学家、卡内基梅隆大学名誉教授 Matt Mason，尽管未参与此项工作但他表示：“大多数关于拾取的研究忽略了后续的任务，而这篇论文超越了‘机器模仿人类’的愿望，从纯粹的功能角度展示了用机械双臂结合触觉和视觉的效果。”

加州大学伯克利分校 William S. Floyd Jr. 工程杰出教席教授 Ken Goldberg（未参与本研究）表示，论文中描述的机器人操控方法为人工智能和机器学习方法的趋势提供了一个有价值的替代方案。

“作者们结合了有充分依据的几何算法，这些算法可以可靠地实现一组特定物体形状的高精度，并证明这种组合可以显著提高性能，超越人工智能方法。”Goldberg 说。他同时也是 Ambi Robotics 和 Jacobi Robotics 的联合创始人及首席科学家。“这在工业中可以立刻应用，是我所称的‘传统优良工程’（GOFE）的一个优秀实例。”

Bauza 和 Bronars 表示，这项工作是几代人合作完成的。

Bronars 说：“为了真正展示视觉和触觉如何共同发挥作用，有必要构建一个完整的机器人系统，这是一个人在短时间很难独立完成的。合作，无论是彼此之间还是与 Nikhil Chavan-Dafle 和 Yifan Hou，以及跨越多个世代和实验室的合作，真正让我们得以建立了一个端到端的系统。”

原文链接：

https://news.mit.edu/2024/new-model-offers-robots-precise-pick-place-solutions-0809