机器人领域“力触觉抓取”高价值专利案例：一种机器人力触觉抓取的控制优化方法
课题来源：某高校机器人实验室委托项目
案例定位：面向机器人抓取作业中物体材质未知、接触力动态波动、传统节律运动基元无法适配SPD刚度矩阵、抓取柔顺性与抓取稳定性难以兼顾、周期性抓取动作泛化能力弱等痛点，开展融合黎曼度量改进节律动态运动基元、力感知刚度实时估计、动力学阻抗闭环控制的机器人力触觉抓取控制优化方法专利转化研究。
1项目背景
机器人柔性抓取是智能制造、物流分拣、医疗辅助作业的核心环节，抓取过程中机器人末端与物体间的接触交互力直接决定抓取成功率与工件防护效果。待抓取物体材质软硬不一、外形尺寸存在偏差，抓取动作多为周期性重复操作，传统抓取控制方案存在四大核心短板：一是传统节律动态运动基元（rDMP）仅适配欧氏空间轨迹数据，无法直接编码对称正定（SPD）刚度矩阵表征的变阻抗触觉特征，不能同步学习抓取运动轨迹与动态接触刚度；二是缺乏基于末端六维力传感的实时端点刚度估计机制，无法根据物体接触反馈动态调整抓取刚度，刚性抓取易造成工件挤压损伤，柔顺抓取易出现滑落；三是现有技能学习框架运动学、动力学信息分离编码，运动轨迹与力触觉刚度不同步，周期性抓取动作扰动鲁棒性差；四是模型缺少完整动力学阻抗闭环约束，泛化场景下抓取力控精度大幅下降，难以适配不同重量、硬度的未知物体抓取任务。
本专利提出一种基于RM-rDMP多空间融合的机器人力触觉抓取控制优化方法，构建“六维力传感端点刚度实时估计-黎曼度量改进节律动态运动基元多空间同步编码-机器人动力学阻抗闭环控制-抓取任务自适应泛化”全链路技术体系。依托机器人末端力感知滑动窗口最小二乘算法实时求解抓取端点SPD刚度矩阵，设计基于黎曼流形的RM-rDMP模型同步编码抓取运动轨迹与变刚度触觉特征，搭配自适应振荡器同步匹配抓取周期相位与频率，结合机器人完整动力学模型搭建阻抗控制闭环，实现不同材质、重量工件的稳定柔性抓取，为协作机器人、工业分拣机器人提供力触觉抓取一体化智能控制算法与标准化决策方案。
深度森林从高价值专利挖掘与技术转化角度切入，围绕“力感知SPD刚度矩阵估计、RM-rDMP多空间融合技能编码、动力学阻抗闭环抓取控制、抓取任务跨工况自适应泛化”核心技术路径，完成包含基于滑动窗口最小二乘的抓取端点刚度估计方法、黎曼度量改进节律动态运动基元同步编码方法、动力学耦合阻抗抓取控制方法、周期性抓取技能多维度泛化调节方法在内的发明专利群布局，并选取7自由度协作机器人、工业分拣机器人两类典型设备开展周期性抓取、变工况抓取多周期实测数据模型验证与现场示范应用。
2本专利要解决的问题
- 传统rDMP模型仅适配欧式空间轨迹数据，无法处理表征抓取触觉刚度的SPD矩阵，运动轨迹与动态接触刚度无法同步学习编码，抓取动作力、位信息解耦，交互柔顺性差。
- 缺少基于末端六维力传感的实时刚度求解机制，抓取过程无法根据物体接触反馈动态调整阻抗，刚性抓取易压损工件，低刚度抓取易出现工件滑落。
- 抓取技能学习无完整动力学闭环约束，模型泛化能力弱，更换工件重量、材质、抓取频率后抓取稳定性大幅下降，无法适配多变工业抓取工况。
3专利技术核心价值点
3.1基于滑动窗口最小二乘的抓取端点SPD刚度实时估计方法
本发明建立适配机器人抓取交互场景的端点刚度实时定量求解机制，依托机器人末端六维力传感器采集抓取交互力信号，结合机器人位姿、速度、加速度时序数据，采用固定长度滑动窗口分段采集抓取交互时序数据，通过最小二乘求解抓取阻抗模型刚度矩阵，并对初解矩阵做对称正定修正，输出符合物理约束的SPD刚度矩阵，实时表征抓取过程动态触觉刚度变化。
抓取笛卡尔空间阻抗模型表达式：
相关性验证结果显示，抓取交互力与SPD刚度矩阵呈强相关，可完整表征工件硬度、接触形变带来的触觉动态变化。
3.2基于黎曼度量改进节律动态运动基元（RM-rDMP）多空间同步编码方法
本发明针对SPD刚度矩阵不属于欧式矢量空间的痛点，引入黎曼流形度量改造传统rDMP模型，通过对数映射、指数映射完成流形空间与切空间数据双向转换，搭配Mandel矩阵矢量化方法降低SPD矩阵计算开销，搭建双并行转换系统，同一自适应振荡器同步驱动抓取运动轨迹欧式空间编码、抓取刚度黎曼流形编码，实现抓取运动学轨迹与动力学触觉刚度同步学习。
RM-rDMP刚度流形空间核心动力学表达式：
仿真验证结果显示，RM-rDMP模型抓取刚度再现对数欧氏误差控制在0.3以内，相比传统欧式rDMP刚度拟合精度提升62%，完美复现抓取接触、夹持、释放全流程变刚度触觉特征。
3.3基于机器人动力学耦合的抓取阻抗闭环控制方法
本发明融合机器人完整关节动力学模型与RM-rDMP输出的期望抓取刚度矩阵，构建关节扭矩级闭环阻抗控制器，将学习得到的抓取轨迹、变刚度触觉特征同步映射至机器人关节驱动层，平衡抓取柔顺安全性与夹持稳定性，同时通过Lyapunov函数完成系统全局渐近稳定性证明，保证抓取全程无震荡、无失稳滑落。
机器人动力学耦合阻抗控制完整表达式：
稳定性分析证明RM-rDMP模型在目标抓取刚度处全局渐近稳定，抓取过程无发散震荡。在7自由度协作机器人抓取实验中，该控制方案抓取接触峰值冲击力降低48%，软质泡沫工件抓取挤压形变减少56%，硬质金属工件无打滑滑落现象。
3.4基于多参数可调的周期性抓取技能自适应泛化调控方法
本专利通过调整RM-rDMP模型振幅系数r、周期频率参数σ、目标刚度矩阵K(-)g三类核心参数，实现抓取技能多维度泛化适配。针对工件重量变化、材质软硬差异、抓取节拍提速/降速三类工业场景，分别泛化抓取轨迹、抓取刚度、抓取周期；设置四级抓取工况验证：标准工件标准节拍、轻量化工件下调抓取刚度、重型工件上调抓取刚度、两倍速抓取周期。实测结果表明，四类工况下工件抓取成功率均达到100%，泛化后抓取交互力波动幅度不超过±5N，无需重新人工示教即可适配全新抓取任务，大幅降低机器人现场调试时间。整套力触觉抓取控制算法单次全流程推演耗时小于0.015秒，满足机器人毫秒级实时抓取力控需求。
4专利转化验证与分析
选取两类典型机器人设备开展连续多周期抓取验证实验：试验一为7自由度协作机器人，搭载六维力传感器用于柔性小件物料抓取；试验二为工业四轴分拣机器人，用于硬质箱体周期性抓取作业。力传感采集频率1000Hz，每10组时序数据整合为0.01s间隔训练样本，监测指标包含机器人关节角度、末端六维交互力、末端位姿速度加速度、抓取物体形变量共8项，累计获取有效抓取时序监测数据超5200条，全部完成异常力值剔除、缺失数据插值、矩阵归一化预处理，按8:2比例划分训练集与测试集用于模型训练校验。
在端点刚度估计验证中，经滑动窗口SPD修正后，抓取刚度实时求解误差降低51%，可精准区分软、硬工件触觉反馈。在RM-rDMP多空间编码验证中，传统欧式rDMP抓取刚度对数欧氏误差最高可达1.21；本专利RM-rDMP模型误差稳定控制在0.3以内，对抓取瞬间刚度骤变特征拟合度提升60%以上。动力学阻抗闭环控制有效抑制抓取冲击震荡，整套力触觉抓取控制算法单次全流程推演耗时小于0.015秒，满足工业机器人实时抓取力控决策需求。
5专利转化成效
相关技术成果已进入实质转化与权属固化阶段。
深度森林公司与某高校机器人实验室围绕“一种机器人力触觉抓取的控制优化方法”核心技术体系，已完成1项国家发明专利与2项计算机软件著作权的组合申请与完整专利布局。后续拟面向3C电子分拣、食品柔性包装、医疗辅助操作等多行业协作机器人设备开展规模化落地应用，预期可将未知材质工件抓取识别准确率提升至93%，工件抓取挤压破损率降低20%以上，减少机器人人工示教调试工时60%，为智能制造柔性抓取场景提供一体化力触觉智能控制算法支撑与标准化技术方案。
山东深度森林信息科技有限公司是一家面向高质量专利“挖掘-设计-转化”的技术服务团队。
关注【深度森林】，查看更多优质案例。