盘点20项机器人行业前沿技术

能还原阴影区隐藏的形状——新型场景工具

　　用机器人来进行移动绘图时，要生成交互式静态地图会受到临时出现的物体干扰，如过往车辆、行人、自行车等。对此，研究人员的解决方案是利用一系列激光点云，填充移动物体在现场造成的浓密阴影空缺。对于那种资源受限，只允许单向映射绘图的特殊地方，这种场景工具非常有价值。

　　研究人员利用一种复杂的专业TSDF函数在三维像素网格中处理激光扫描，然后用总变量（TV）调整因子结合一种专业术语的数据，插入丢失的表面图形。研究人员称，这项技术能填充约20平方米被移动物体掩盖而丢失的面积，重建后误差范围为5.64到9.24厘米。

　　9.指尖上的类传感器——多手指的集成控制机器手臂

　　虽然目前这个机器手臂只有3根手指，但每个手指能独立运动，极其灵活。研究人员利用装在指尖的类传感器，设计了一种集成控制的机器手臂，将手指、手和手臂结合成一个控制整体，能用抓取目标给指尖定位，迅速控制整个手臂的位置和姿势。

　　当手的位置和姿势出错，无法只通过指尖运动控制时，可以通过手臂来调整错误，变得更平衡后跟随指尖抓取目标。这种设计可防止抓取失败的情况，比如抓物体时却把目标碰到一边，或者把物体碰翻在地。控制手臂和手还能矫正几厘米的位置误差，比如放在工作台上的某个物体，其位置相对于机器手臂是不确定的，可以装上像Kinect那样廉价的光学传感器，只需提供较粗略的图像数据，就能让它抓住目标。

　　10.逆向运动学加六自由度新设计——灵活如蛇的手持机器臂

　　这种手持机器臂是一种新的6-DoF（六自由度）电缆驱动任务操作杆。利用一对结合的筋腱，让机器臂的运动模式基本实现了最优化，拥有最大的速度和最大的空间配置，同时减小了手臂的总体质量。

　　逆向运动学方案是把6-DoF问题分成了2个3-DoF问题，逐级分解再把结果合并，展示的机器臂有一个关节是冗余的，其实是一种5-DoF方案。这种空间挖掘式设计最终使整体结构强度最大，而连接关节质量最小。这种设计还能改善非手持式筋线操作杆，把每个自由度所需的驱动器减少到1个。它可用于环路控制，帮机器人更容易接近目标。

　　11.轻质低能耗控制板和弹簧驱动器——最舒适的外骨骼

　　在外骨骼设备中，控制板能提高弹簧或驱动器的性能。研究人员设计了一种质量轻、耗电少的控制板，用来控制外骨骼脚踝部位的弹簧。这种控制板是两张薄薄的电极片，涂有一层介质材料，通过静电吸附在一起。每片仅重1.5克，可承受100牛顿的力，能在不到30毫秒内改变状态。

　　研究人员把控制板和弹簧串联在一起，每个控制弹簧重26克，再将多个弹簧并联，可以分别调整它们的硬度。通过调整弹簧数量，系统可以产生6个级别的硬度，力度从14到501牛顿。

　　12.差异给料控制边角匹配——会自动调整布料的缝纫机

　　这是一种用在自动缝纫系统中的新型控制方法，能独立控制缝纫单位的给料，帮助缝纫机匹配布料边角部分，适应材料形状的不确定和长度变化。利用这种控制方法，可以通过端点检测，独立控制上下两部分的给料速度，使两块布料保持对等。研究人员同时还提出了不同的矫正误差方案，并进行了实验。

　　13.与虚拟现实结合——空间引导定位机器臂

　　这是一款利用虚拟现实（VR）或增强现实（AR）眼镜执行定位操作的解决方案。在这一设计中，研究人员解决了如何提供信息反馈，引导手持机器臂完成空间定位的任务。把前面介绍的6-DoF或5-DoF手持式机器臂和VR或AR立体眼镜结合，眼镜视域中会出现一个箭头标记，指示人工操作杆和机器臂应该到达的位置，通过比较实验，用机器臂定位操作比人工操作杆效果更好。

　　14.通过五万次实验学习挑选物品——人工智能管理

　　这款人工智能模型利用机器学习算法不断探索人类标签数据库，通过5万次抓取实验，训练神经网络（CNN）预测抓取位置，选择抓取特定的目标物体。

　　15.闭路控制的接触变形胶体——新型触觉变形表面

　　在以往用于触觉和柔软机器人中的颗粒胶体设备中，形状变化通常由人来直接控制，是开放式的。研究人员展示的新型触觉胶体表面，由12块排列在一起的胶体单位组成，能统一改变形状和力学性质。他们设计了一种新算法，在这种触觉胶体表面上测试了三种驱动命令，并通过传感器提供的深度图，监视闭路控制的形状变化。

　　16."向日葵"式太阳能电池板——双轴机器人平台SoRo-Track

SoRo-Track模型是一种双轴的柔软机器人驱动器（SRA），可以像向日葵那样随阳