Pick-and-Place
- 又称: pick and place, pick-place
- 类别: Planning & manipulation › Manipulation
- 标签: manipulation, grasping, industrial-automation, benchmark-task, robot-learning
在一个位置抓取物体并在指定目标位姿上释放它的操作任务;它是工业自动化的基本操作,也是机器人学习的标准基准。
定义
取放(pick-and-place)是把物体从它所在的位置移到它应在的位置的任务:机器人接近物体、抓取它、把它提起并搬运,然后在目标位置和姿态上释放它。这是交给工业机器人最常见的工作,从在传送带生产线上搬运零件的 SCARA 机器人和 delta 机器人,到把电子元件放置到电路板上的专用机器;它也是机器人学习数据集和基准中最常见的任务类别。
一个完整的取放系统串联了若干问题。感知负责定位物体,并在需要时估计其位姿。抓取规划选择在哪里以及如何握持它,无论是对跖平行夹爪抓取、吸盘还是多指手。运动规划生成无碰撞的接近、提起、搬运和撤离运动,通常在物体附近使用直线段。放置必须找到一个位姿,使物体稳定、不与周围环境碰撞并满足任务要求,例如直立、插入夹具或堆叠。在结构化的工厂中,夹具和已知的零件几何消除了大部分不确定性,因此任务简化为高速执行示教好的位置。在仓库料箱拣选或家庭整理等非结构化场景中,难点在于杂乱、未知物体、透明或可变形物品以及遮挡。
在学习研究中,取放回合常常用语言来指定,例如把某个物体放进一个指名的容器,并用于测试对新物体、新场景和新指令的泛化能力。抓取成功并不等于任务成功:物体必须以允许完成放置的方式被握持,这就是为什么抓取的选择常常以放置位姿为条件。
为何重要
大多数实际的操作任务都可以归结为把东西拿起来再放到某处。理解感知、抓取、运动规划和放置的完整链条,以及每个环节在哪里会失败,是任何构建或评估操作系统的人都应具备的基本工作知识。
主要应用
- 生产线上的机床上下料和零件转移
- 表面贴装元件放置的电子装配
- 仓库订单拣选和料箱拣选
- 包装和码垛
- 面向视觉-语言-动作模型的语言条件操作基准
- 家庭整理和辅助取物
实际应用
一个物流工作单元在一个装有混杂物品的周转箱上方使用一台带吸盘夹爪的六轴机械臂。深度相机对周转箱成像,一个模型在平坦、暴露的表面上提出吸取点,并对每个候选点按密封质量以及与周转箱壁的碰撞风险进行评分。机械臂沿表面法线方向接近,检查真空压力以确认密封,竖直提起以避开相邻物品,然后移动到一个发货箱。放置位姿根据箱内的空闲空间计算,使物品只下落很短的距离。抓取失败通过真空丧失来检测,并与深度图像一起记录下来,以便用这些错误重新训练抓取模型。
常见误解
- 取放是一个已解决的问题 — 对于有夹具定位的已知零件,它已是常规操作,但杂乱环境以及未知、透明和可变形的物体使它仍是一个活跃的研究领域
- 放置是容易的那一半 — 放置需要一个稳定、无碰撞且满足任务的位姿,而有些抓取会使所需的放置无法实现
- 抓取成功就意味着任务成功 — 物体可能滑落、在夹爪中转动,或以阻碍预期放置的方式被握持
- 基准上的高成功率意味着可以投入现实应用 — 基准的场景和物体集合很窄,因此结果往往无法迁移到新的物体或光照条件
谁需要了解
- 工业自动化和机器人工作单元集成商
- 操作与抓取规划工程师
- 评估策略的机器人学习研究人员
- 搭建第一个机械臂项目的创客
相关技术
- 真空与吸盘夹爪(Vacuum and Suction Grippers)
- 平行夹爪(Parallel-Jaw Grippers)
- MoveIt
- Delta 与 SCARA 机器人
- 物体位姿估计(Object Pose Estimation)
相关术语
相关项目
- LeRobot: HuggingFace ML library for real-world robotics in PyTorch
- OpenPI: Physical Intelligence VLA foundation models for general robot control
- 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