Open Source Robotics

精选高质量开源机器人项目、工具和软件,推动机器人社区发展。

Robot Handover

  • 又称: object handover, human-robot handover, handoff
  • 类别: Control › Human in the loop
  • 标签: human-robot-interaction, grasping, collaborative-robots, physical-hri, manipulation

物体在机器人与人之间的物理传递,可以是人到机器人,也可以是机器人到人,通过动作、时机、抓取选择和力来协调。

定义

机器人递交(robot handover)是机器人与人之间相互传递物体的协同动作。它通常分为两个方向:人到机器人(H2R)递交,即机器人接过人手中拿着的物体;以及机器人到人(R2H)递交,即机器人递出物体让人接过。机器人之间的交换也存在,但通常被视为一个独立的、完全受控的问题。递交是一段短暂的物理人机交互:在某一时刻,双方同时握着同一个物体,只有当一方在另一方承接负载时松手,传递才能成功。

递交通常按阶段描述。在接近(approach)或伸手阶段,递出者呈上物体,接收者向它移动;机器人必须决定在哪里与人会合、在什么高度以及以什么时机。在传递(transfer)阶段,双方的手都在物体上,递出者在接收者承接重量时松开抓握。人类通过感知经由物体传来的负载变化来完成这一过程,机器人也常常模仿这一点:在 R2H 递交中,当腕部力/扭矩传感器或电机电流显示人正在拉动或托住物体时,机器人张开夹爪。在撤回(retreat)阶段,递出者收回,接收者把物体拿走。

H2R 递交还带来感知和抓取问题。机器人必须跟踪物体和人手,而这常常只依靠一台深度相机,并且遮挡严重;它要选择一个不会碰到人手指的抓取,并在手移动时不断更新这一选择。反应式方法在点云中分割出手和物体,生成候选的 6-DoF 抓取位姿,剔除靠近手的那些,并以闭环方式将夹爪伺服到剩余的最佳抓取。R2H 递交则更侧重可读性(legibility):以自然的高度递出物体,把把手朝向人,并采用可预测的动作,让人知道何时、何处去接。

为何重要

在家庭、医院和工坊中,递东西将是人与机器人分担工作最常见的方式之一。递交在一个短暂的动作中同时涉及感知、抓取、运动规划以及人身边的安全,而失败会立即被察觉:物体掉落、手指被夹,或让人感到不适的迟疑时机。

主要应用

  • 协作装配,由机器人向工人递送工具和零件
  • 辅助机器人把物体递给行动不便的人
  • 手术和实验室中的器械辅助
  • 家庭、零售和酒店服务业中的服务机器人
  • 在示教过程中接过人递给机器人的物体

实际应用

一台配有平行夹爪和腕部深度相机的协作机械臂被设置为从技术人员手中接过工具。在每一帧相机图像中,系统从点云中分割出人手和工具,在工具的点上运行抓取网络以获得候选的 6-DoF 抓取位姿,并剔除夹爪体积与手部点距离在几厘米以内的任何抓取。机械臂在限速控制器下向剩余得分最高的抓取移动,并在接近工具时切换为更慢的最终接近。它闭合夹爪,然后等待力/扭矩传感器显示工具的重量已转移到机器人上,再收回。在相反方向上,即把工具递还给人时,机械臂把工具举在胸部高度、把手朝向人,只有在测得的拉力超过设定阈值时才松开。

常见误解

  • 递交只不过是抓取一个恰好被人拿着的物体 — 人手限制了哪些抓取是安全的,物体会持续移动,而且松手必须与对方协调
  • 机器人应在夹爪闭合后立即松开 — 在接收者承接负载之前松开会导致物体掉落;设计良好的系统在测得负载已经转移时才松开
  • 递交越快越好 — 人更喜欢可预测、可读的动作,突兀或非常快的接近会降低舒适感和感知到的安全性
  • 人到机器人与机器人到人的递交是同一个问题的反向 — H2R 以感知和抓取选择为主,R2H 以物体呈递方式和松手时机为主

谁需要了解

  • 人机交互研究人员
  • 协作机器人应用工程师
  • 辅助机器人与服务机器人开发者
  • 在人身边工作的抓取与操作工程师

相关技术

  • 六轴力/扭矩传感器(Six-Axis Force-Torque Sensor)
  • 手部姿态估计(Hand Pose Estimation)
  • 6-DOF GraspNet
  • MoveIt
  • ISO/TS 15066

相关术语

  • Physical Human-Robot Interaction
  • 6-DoF Grasp Pose
  • Grasp Planning
  • Perceived Safety
  • Cobot
  • Visual Servoing

相关项目

  • 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

本网站需要 JavaScript 才能正常运行。请启用 JavaScript 以浏览我们的开源机器人项目。