Nonprehensile Manipulation

• 又稱: non-prehensile manipulation, graspless manipulation
• 類別: Planning & manipulation › Manipulation
• 標籤: manipulation, pushing, contact, friction, mechanics

在不抓取物體的情況下移動物體或改變其方向，例如推、滑、傾斜、滾動、以支點轉動或拋擲，仰賴摩擦、重力與動態，而不是牢固的握持。

定義

非抓握式操作（nonprehensile manipulation）是指機器人在不以抓取方式握住物體的情況下，改變物體狀態的操作。例子包括把箱子推過桌面、把一本薄書滑到桌緣以便拿起、把重物傾斜到其邊緣上、滾動圓柱體、讓物體抵著牆壁轉動、擊打或拋擲。在抓握式抓取中，手會完全約束物體，因此物體隨手一起移動；在非抓握式操作中，物體只受到部分約束，其運動取決於摩擦、重力、慣性以及與環境的接觸。

由於物體沒有被握住，機器人必須預測物體對接觸會有什麼反應，這讓力學成為核心。Matthew Mason 在 1980 年代關於推動力學的研究奠定了基礎：對於緩慢的推動，物體的旋轉方向取決於摩擦中心與推動接觸點處的摩擦錐，而推動接觸可以設計成穩定的，使物體隨推動器一起移動而不打滑。極限曲面描述了摩擦力旋量與物體在表面上滑動運動之間的關係。這些解析模型依賴難以事先得知的摩擦係數與壓力分布，這也是許多近期系統從資料中學習推動模型，或學習對解析模型之殘差修正的原因。

非抓握式操作與兩個相鄰的術語有所重疊，但並不相同。準靜態操作是關於速度的假設，即慣性力可以忽略，而緩慢的推動既是準靜態的，也是非抓握式的。動態操作仰賴慣性力，而拋擲或擊打既是動態的，也是非抓握式的。抓取本身可以是準靜態的，也可以是動態的，因此這些是彼此獨立的面向。非抓握式動作也被用作抓取之前的步驟，把物體移動到可以抓取的姿態，這與外在靈巧性密切相關。

為何重要

許多物體太大、太扁、太重或周圍太雜亂，無法直接抓取，而一個簡單的夾爪，甚至只是一片撥板，都能藉由推與滑完成有用的工作。非抓握式技能擴展了簡單硬體能做的事，但由於物體從未完全受機器人控制，它們需要良好的接觸模型或學習得到的動態。

主要應用

• 在雜亂的工作空間中把物體推到目標姿態
• 抓取前的預先操作，例如把物體滑到桌緣或推離牆面
• 推倒、傾斜與以支點轉動沉重或大型物品
• 在料箱中與輸送帶上進行分揀與單件分離
• 拋擲、擊打與其他動態任務
• 以撥板與擋板等簡單末端執行器進行操作

實際應用

一台物流機器人需要揀取一個平貼在料箱壁上的扁平包裹，夾爪無法伸到它下方。規劃器先用閉合的夾爪把包裹推離箱壁，利用推動模型選擇能平移包裹而不讓它過度旋轉的接觸點與方向。每次推動後，攝影機追蹤包裹，若包裹的旋轉超出預測，控制器就調整下一次推動。一旦出現縫隙，夾爪便把一根手指滑到包裹邊緣下方並夾取。團隊記錄預測與觀測到的包裹姿態，用來精修推動模型的摩擦參數。

常見誤解

• 非抓握式就代表動態 — 緩慢的推動是非抓握式且準靜態的，而拋擲是非抓握式且動態的
• 推動很簡單，因為不需要抓取 — 結果取決於通常不確定的摩擦與壓力分布，因此預測比被抓住的物體更困難
• 非抓握式操作只是夾爪不夠好時的權宜之計 — 即使手的能力很強，它也常是處理大型、扁平或成堆物體最有效率的方式

誰需要了解

• 操作研究人員與工程師
• 倉儲與物流自動化工程師
• 處理接觸問題的運動規劃工程師
• 訓練推動與滑動策略的機器人學習研究人員

相關技術

• 極限曲面模型（Limit Surface Models）
• 推動規劃（Push Planning）
• 接觸隱式軌跡最佳化（Contact-Implicit Trajectory Optimization）
• 學習式動態模型（Learned Dynamics Models）
• 物理模擬器（Physics Simulators）

相關術語

• Quasi-Static Manipulation
• Dynamic Manipulation
• Extrinsic dexterity
• Friction Cone
• Contact mode
• Kinodynamic Planning

相關專案

• LeRobot: HuggingFace ML library for real-world robotics in PyTorch
• Isaac Lab: NVIDIA robot learning framework: one task API across Newton, PhysX and Isaac Sim
• NVIDIA Isaac GR00T: NVIDIA open foundation model for humanoid robot reasoning and skills
• OpenVLA: 7B-parameter Vision-Language-Action model for robotic manipulation
• Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design
• OpenArm: 7DOF humanoid arm for physical AI research in contact-rich environments

影片

• Humans, Robots, and Non-Prehensile Manipulation: Brian Douglas