机器人使用工具_机器人如何使用工具

学习机器人使用工具-1

使用工具的条件

感知、操作和高级认知技能。

感知：机器人从环境中识别并定位工具和操纵特征的能力。例如转螺丝钉时不仅要定位螺丝刀与螺钉，还要确定用螺丝刀对齐螺丝钉顶部凹陷的操作。

操作：实现用工具完成动作时的动力学和运动学（运控和力控）。包括接触姿势和运动过程。接触姿势主要是指机械爪与工具的接触方式（角度关系和位置关系）。运动过程中涉及工具的运动，即工具的位置变化和为了到达期望位置或实现期望效果所施加的动态力量。

高级认知技能：在给定任务和现有工具的情况下进行推理和规划。比如完成一个任务有一套思考逻辑和运动逻辑（握住螺丝刀、使用螺丝刀、旋转还是推拉、对准期望位置、施加多少力等等），没有合适的工具是否可以找到其他工具进行替代，应用已有的只是寻找到合适的方法或者使用多种工具配合。通俗来讲，机器人要有能力规划一系列的操作动作和应对策略。机器人在学习和规划工具使用时，也需要一套复杂的算法和模型来模拟和实现这些高级的认知功能。

注意：使用工具的技能与一般的物体操控技能有着显著的区别。

机器人使用工具的定义

机器人工具:区别与一般操控，机器人选择并操纵环境中的物体作为中介，以达到特定目标的行为，其中包含了技能性、目的性和情境性的元素。（机器人工具使用指的是机器人利用外部未附着或可操控的附着环境物体，通过直接控制和操作，更有效地改变另一物体、另一生物或机器人自身的位置、状态或形态，以达成特定目标的过程。）

机器人工具使用分类体系

1. 单一工具使用：机器人使用一个工具来执行任务，如用钳子拧紧螺丝。

2. 组合工具使用：机器人同时使用两个工具，如一个用于固定，另一个用于操作。

3. 顺序工具使用：机器人按顺序使用多个工具，可能包括工具的准备、制造或转换，如在装配过程中使用一系列工具。

4. 复合工具使用：机器人将多个工具集成在一起作为一个复合工具使用，如使用一个工具的部件作为另一个工具的辅助。

5. 自适应工具使用：机器人能够根据环境或任务的变化调整工具使用策略，如在不同形状的螺钉上使用相同的工具。

6. 创新工具使用：机器人能够识别新工具并发明新的使用方法，如将非传统物品用作工具。

7. 协作工具使用：机器人能够与其他机器人或人类合作使用工具，如在建筑项目中协同工作。

8. 远程工具使用：机器人能够通过遥控或自动化机制在远处使用工具，如无人机使用工具进行维修作业。

   因果关系分类：

   • 非因果工具使用：类似于动物的刻板工具使用，机器人在使用工具时，其行为是固定的，与情境无关，不需理解工具与目标之间的因果关系。例如，机器人可能被编程以特定方式使用工具，无论环境如何变化。
   • 因果工具使用：类似于动物的灵活工具使用，机器人在使用工具时，能够根据情境理解并应用因果关系。这意味着机器人可以根据当前的任务、环境和工具的具体情况，灵活地调整工具使用策略。

根据不同的需求分类体系不同

工具的分类

1. 第一类工具包括锤子、耙子、钳子等工具、螺丝刀等工具，它们有助于放大/增强行为主体已有的某些运动或动态功能或动态方面的功能。可以被身体自然地掌握和利用，不需要复杂的规则或策略来使用。人类在徒手拿起物体时会使用的动作。

2. 第二类工具包括传统的弓形钻、汽车千斤顶甚至汽车等工具，这些工具可以增强人类的功能（分别是戳击、举起或移动）。比如，使用弓形钻头进行钻孔（戳孔）时，需要做的不是戳孔，而是用手臂做来回运动。（动作与代理人在没有工具的情况下所做的动作不同）通常需要一定的学习才能掌握其使用方法。

3. 第三类工具包括现代技术产品，如真空吸尘器、电锯和计算机等。这些工具通常需要详细的指导、训练甚至专业认证才能安全有效地使用。

   第一类工具使用时注意的问题：

   a.识别任务：机器人需要能够判断在没有工具的情况下是否无法执行某项任务。确定是否需要工具来辅助完成任务。

   b.识别潜在工具：机器人必须能够识别环境中未知的对象是否可以作为潜在的工具使用。

   c.理解工具使用方法：理解工具的正确使用方式。

   d.执行工具使用：确保机器人有适当的机械臂和手部设计，以及足够的算法支持，使其能够准确地抓取和操作工具。

   第一类工具的特点：

   功能性：工具能为人类或机器人所提供的功能。

   增强：工具在动力学或运动学上给人类或机器人带来的提升。

   当机器人需要识别一个物体是否能作为某个任务的潜在工具（工具注意问题b），它必须能够辨识出该物体所能提供的功能性和增强效果。这意味着机器人需要理解物体的形状、材质、大小等因素如何与特定任务相关联，以及它们如何能够改进任务的执行过程。

工具实现思路

机器人借助环境潜在工具与自身进行任务实现

种方法的核心在于让机器人通过观察和比较，能够根据物体的形状和潜在的使用方式，识别出哪些物体可以被当作工具使用，从而帮助它完成特定的任务。这种能力不仅依赖于对物体形状的识别，还涉及到对物体如何能增强或补充机器人自身能力的理解。

一旦机器人学会了用其肢体（而非工具）执行交互任务，它就可以通过比较物体的特征与机器人激活肢体（对于人形机器人而言，是手和手臂）在无工具情况下完成任务时的特征，自动识别出提供所需功能性的物体。比如它可以使用凹陷的手掌接住网球。

方法

强化学习、深度学习、模拟学习、DMPs等。

深度学习从工具选择到操作的端到端顺序任务执行：允许机器人考虑这两种情况，即选择和使用功能和尺寸都与目标匹配的工具。

步骤：首先引导机器人体验选择一些工具并使用它们对物体进行操作。记录感觉运动数据，包括机器人的身体图信息以及它的身体、工具和物体之间的关系。感官数据是来自相机的运动角度和图像。运动数据包括关于手臂物理运动的信息，视觉数据包括关于物体如何根据其自身运动和使用的工具运动的反馈信息。通过同时学习所有数据，机器人可以从关系中识别工具特征。例如，机器人将把耙形工具特征与拉动物体联系起来，将棒状工具特征与滑动物体联系起来。

考虑图像数据、运动数据和任务命令的工具选择和使用模型。
首先，特征提取模块提取图像特征。
然后，我们将图像特征、初始图像特征、运动角度和任务命令进行整合。最后，运动生成模块训练它们输出下一步的数据。长工具处理远距离，短工具处理近距离。允许它们处理较远的对象，而较短的工具具有允许它们处理较近的对象的功能。向机器人发出一个任务命令，机器人还必须考虑感知运动数据与任务指令之间的关系。最后，模型生成运动，并允许机器人根据这种关系正确移动。

根据第一类工具或以自身作为激活工具的估计数学框架

定义工具功能性的数学方法

功能性：以Olivia III机器人为例，定 HR 为一组可计算的特征，这些特征描述了机器人手部形状所必需的特性。HR 依赖于手腕和手指关节的角度 qh，以及手部表面的几何结构 S。当我们面对一个物体时，我们会分析它是否能作为相同任务的潜在工具，通过查找类似的特征 HT，然后使用相关函数来比较 HR 和 HT 的相似性。在这个工作中，Olivia III机器人使用机器人手部（和潜在工具）的三维正交轮廓描述符（OPD）作为特征（分别对应 HR 和 HT），以此来定义功能性。

增强性：通过不使用工具时的任务误差来估计增强作用。增强作用可以通过最小化任务误差的形式来估计，将饱和后的误差作为初始值。

设手臂的正向运动学为