文獻回顧

人類的雙手可以完成的任務非常多，簡單如爪握一顆蘋果到複雜如雕刻一顆 蛋，那是因為人類的雙手上有各式的感測器與良好的接觸材質—皮膚。一直以來，

許多研究都試圖模仿人類的雙手與人類抓握的方式以達到爪取各式物體的目標。

機械夾爪方面，各式不同理念與設計的夾爪相繼出現，其中有模仿人類雙手的多指 機器人、工業中常見的平行夾爪(Parallel gripper)，以及介於以上兩者複雜與簡單夾 爪之間的通用型夾爪。

自1980 年代麻省理工學院開發了 Utah∕M.I.T hand[1]之後，各式多指機器人 也相繼被開發出來，例如日本岐阜大學於開發的Gifu Hand[2]、英國 Shadow Robot Company 研發的 Shadow Dexterous Hand[3]、德國航空太空中心(DLR)開發的 DLR Hand[4]。雖然多指夾爪因為多自由度可以做出靈巧且複雜的動作，然而多自由度 的協同控制困難且開發與製造本都高，不適用任務較單純且重複性較高的工業或 自動化生產線上，因此簡單的平行夾爪被設計應用於工業生產之中，平行夾爪的優 點在於設計單純與控制簡單且還十分穩定，其中德國FESTO 以及 SCHUNK 製造 的平行夾爪較出名。然而，若希望抓取多樣化形狀和尺寸的物品，平行夾爪的適應 性又不足，因此，具備適應能力之通用型夾爪的概念在2000 年被提出[5]，通用型 及爪在機構設計上多有巧思使其能具備順應性(Compliance)且通常含有多感測器 來提高夾取時的穩定性。

通用型夾爪主要分為拉線驅動、機構驅動與與其他驅動三種類別。拉線驅動式 通用型夾爪較著名的有，耶路大學團隊設計開發的 SDM Hand[6]、哈佛大學與 iRobot 合作的 i-HY Hand[7]和 Willow Garage 設計的 Velo 2G Gripper[8]。而機構驅 動式之通用型夾爪較著名的有，美國Barrett Technology 開發出產的 BarrettHand、

德國SCHUNK 設計的 SDH Hand 和加拿大 ROBOTIQ 設計生產的 3-Finger Adaptive Robot Gripper。最後介紹其他較著名且特別的通用型及爪，日本橫濱大學研發了以 Flexible microactuator(FMA)驅動的手指，能做出如軟體動物觸手運動般的動作，還

doi:10.6342/NTU201704032

3

能組合成足類機器人做出動物走路的動作[9]、德國 FESTO 開發的 FinGripper，其 順應包覆物品的設計靈感是來自於魚鰭的運動，魚鰭在運動時可以變化形狀但其 主要的骨架不會改變。

(a) (b) (c) (d)

圖1-1 多指機器人 (a)Utah∕M.I.T hand (b)Gifu Hand (c)Shadow Dexterous Hand (d) DLR Hand

(a) (b) (c)

圖1-2 機構驅動式通用型夾爪 (a) BarrettHand[10] (b)SDH Hand[11] (c) 3-Finger Adaptive Robot Gripper[12]

(a) (b)

圖1-3 其他著名的通用型夾爪 (a)Flexible manufactor (b)FinGripper[13]

doi:10.6342/NTU201704032

4

拉線驅動式通用型夾爪雖然常伴隨較多的被動自由度，但是其較難安裝感測 器，較難推算運動學也較難配合感測器作其他夾取時的控制，反之，機構驅動式通 用型夾爪安裝感測器與推倒運動學上都比較容易。考慮到研究中希望結合感測器 對於夾取作更細緻的控制，因此本研究選擇開發機構驅動式的通用型夾爪而非拉 線驅動式的通用型夾爪。

在目標物體的姿態偵測和定位上，現今的方法主要又分為兩部分，一為即時建 模[14, 15]、另一則為需事前建模[16-19]，除了以上兩種主流的方式，還有完全不 須建模的方法，日本東京電器大學使用紅外線陣列近接感測器在接近物體時直接 以感測器回饋控制進行夾取[20]，柏林工業大學使用深度相機和影像處理方法直接 對影像中的物品和點雲進行分割並作幾何形狀上的簡化後進行夾取[21]。

在物體定位的部分，及時建模的好處是無需事先建模，理論上可以夾取所有未 知的東西；然而，這類的方法夾取時的環境通常需要是適合建模的環境，也導致通 常限制較多，例如背景需單純、畫面中只能有單一物體且物體要「正」的擺放。事 先建模的缺點是，無法對於未知也就是未建模的物體作夾取，但是優點則是可於一 般複雜的生活場景中做夾取且物體可以任一姿態擺放，其實，我們可以把建模這個 動作想成是在告訴或教導機器人，每個物體其各自的外觀、大小、合適的擺放姿態 等等。另外其他完全不須建模的方法，其缺點就是對於夾取物體沒有任何的認知，

因此不知道自己夾了什麼也無法指定特定目標作夾取，且在完全沒有建模的狀態 下，只能知道物體的相對姿態，並不知道物體的絕對姿態，因為絕大部分的物體人 類都有其如何擺放才是「正」的認知，也就是我們會習慣將物體以某個特定的姿態 作擺放，因此，綜合上述，可以得知建模有其必要性。因此在本篇論文中會將欲夾 取的物體作事先的建模。

當有目標物體的姿態之後，接下來是要選擇一個合適的夾取位置和夾取姿態。

現今主流的方法有以物體模型的幾何形狀經過力分析選擇合適的夾取位置和姿態、

有將模型以bounding box 進行分割後挑選合適的夾取位置和姿態[17, 18]、也有以 物體各自人類習慣的夾取位置和姿態為選擇[19]。這些方法有直接在 real time 底下

doi:10.6342/NTU201704032

5

做計算的，也有在建模時一併計算完納入模型的資料內。若是在real time 底下計 算通常耗時而若在建模時直接將夾取姿態和夾取位置納入模型的資料內則會多消 耗許多電腦的容量。

以上提到的方法都是對所有的物體進行分析，所有的物體最後各自都有一組 其適合的夾取姿態；然而，Marco Santello 利用大量的實驗，得到的其中兩個人類 在抓取物體時姿態調整的結論，一為「The control of hand posture involves a few postural synergies, regulating the general shape of the hand, coupled with a finer control mechanism providing for small, subtle adjustments.」，二為「Hand posture may be regulated independently from the control of the contact forces that are used to grasp an object.」[22]。由這兩個結論可以推測，或許不用對每個物體單獨計算其適合的夾 取位置和姿態，而是少數幾個主要的夾取姿態都有其對應適合的夾取物體類別，並 且這幾個少數的主要夾取姿態搭配一些細微的調整後就可以爪取生活中絕大多數 的物體，1998 年 Marco Santello 提出了這個實驗結果後，以這個理念開發的夾取方 式也相繼出現。

2003 年，哥倫比亞大學、德國卡爾斯魯厄理工學院(KIT)和瑞典皇家工學遠 (KTH)提出了一個著名的獲得夾取姿態的概念，其作法為將模型簡化後由簡化後的 模型在計算出適合的夾取姿態[20]。柏林工業大學也有做類似的研究，其作法是把 物體的形狀簡化成某幾類的幾何形狀，每一類的幾何形狀都有其對應的一系列的 夾取姿態，在夾取時就是以物體簡化的幾何形狀所對應的夾取姿態來對物體進行 夾取的動作，而其結果也證明這適用於生活中絕大部分的物體。而在夾取位置上，

其不用複雜耗時的計算也不用事先將物體各自適合的夾取姿態建入物體的模型中，

其中也有實驗直接選擇物體的幾何重心當作夾取位置，實驗結果證實單純的夾取 物體重信位置就有良好的夾取效果[21]。然而，可惜的是這篇論文並沒有系統化的 描述和解釋模型的分類方法和各幾何形狀類別對應的夾取姿態是怎麼選擇出來的，

本研究將建立在這樣的鈣量之上提出一個有系統的模型分類和姿態選擇的方法，

其可適用於絕大多是生活上常見的物品和生活中常見的環境。

doi:10.6342/NTU201704032

6

有了目標物體適合的夾取位置和夾取姿態之後，夾爪真實夾取時通常含需要 細微的調整和校正，相較於皮膚，機械夾爪堅硬且於控制上較難達到良好的包覆性，

因此能容許的定位誤差小且無法在碰觸的過程中調整，因此夾爪上通常還會再加 上感測器達到近接感測(proximity sensing)的功能。

在近接感測方面，有些研究選擇在夾爪上安裝相機[23]，有些研究選擇在夾爪 上安裝紅外線陣列[24-27]，在日本東京電器大學的研究中是假設在完全不知道物 體姿態下，純粹以近接感測器調整夾取姿態並對物體進夾取，但是當夾爪的初始姿 態與適合夾取的姿態有差距時、或是夾爪初始位置與物體相距太遠時就無法成功 的夾取。

以相機當作近接感測器(proximity sensor)的優點其可以更直接的了解物體表面 狀態，但是其缺點為，為了能安裝上相機，夾爪的大小及形狀會被受到限制。紅外 線陣列當作近接感測器雖然無法如同相機一樣可以直接獲得足夠的資訊計算夾取 姿態，但是其用來微調夾爪姿態的能力是機械夾爪非常需要的，而且其大小較適中，

並不會使夾爪在設計時受到太大的限制，因此在研究中將依照所設計的夾爪開發 了可以安裝在其上面的紅外線陣列近接感測器。

到目前為止，已經能獲得一個合適的夾取姿態和夾取位置；然而，仍然不能保 證夾爪的穩定夾取。壓力陣列是目前許多夾爪都會安裝的感測器，原因是壓力陣列 能於夾取的過程中判斷夾取狀態的好壞，例如，物體是否有滑動的現象、夾取時力 中心的位置是否恰當、透過力和壓力陣列之間面積的關係判斷物體的軟硬等等。因 其能提供的資訊多元，因此現今被大量的選擇安裝於機械夾爪上。

Willow Garage 團隊將人類不同的觸覺神經以各式的感測器做模擬，反應頻率 較快的為加速度規，而較慢的則為壓力陣列，藉由快與慢感測器的融合其研究結果 可以藉由壓力陣列的滑動來調整夾取力道來夾取未知體重的物體[28]。也有團隊將 壓力陣列的每一個陣列(Taxel)想像成相機的像素(Pixel)，因此可以將視覺處理的理 論帶入觸覺控制中[29]。不同以往單純使用壓力陣列總數質的變化來判斷是否有滑 動發生，密西根州立大學的團隊和明尼蘇達大學的團隊提出觀察整個壓力陣列所