基于改进Informed-RRT^*的机械臂抓取运动规划

摘要

为提高工业机械臂对目标物体抓取及对障碍物躲避的效率和成功率，提出一种基于改进抓取信息引导的快速随机树星（GI-RRT*）的机械臂路径规划算法.首先，预先设定最大迭代次数和自适应函数，缩短机械臂运动轨迹生成时间，增强采样导向性和质量；其次，基于椭圆形子集直接采样，对采样点位置进行约束，提高采样效率；最后，采用贪心算法删除机械臂运动轨迹的冗余点，并使用三次B样条曲线平滑约束机械臂运动轨迹，提高机械臂运动轨迹的柔顺性.利用生成残差卷积神经网络模型预测，输入深度相机采集的彩色图像和深度图像，输出视场中物体的适当映射抓取位姿.为验证机械臂的抓取效果，选择三指气动柔性夹爪，设计柔性抓取模块，并结合法奥（FR3）协作机械臂构建自主抓取系统，进行二维地图仿真和机械臂样机实验.结果表明，与传统的信息引导的快速随机树星算法相比，GI-RRT^*算法运动轨迹长度缩短10.11%，轨迹生成时间缩短62.68%.同时，算法具有较强的鲁棒性.机械臂能独立地避开障碍物、抓取目标物体，满足其自主抓取的需求.

关键词

柔性夹爪 / 机械臂 / 运动规划 / 信息引导的快速随机树星算法 / 神经网络

基金资助

国家自然科学基金资助项目（52365003,52165069,52367015）; 江西省自然科学基金资助项目（20232BAB214045,20224BAB214051,20224BAB204051,20232BAB214064）; 江西省重点学科学术技术带头人培养计划资助项目（20232BCJ23027）; 江西省重点研发计划资助项目（20212BBE51010）; 江西省研究生创新专项资金资助项目（YC2023-S468,YC2024-S428）