演算法基本假設與概念介紹

Approach path Grasping surface

detection

Approach path detection

預備區內可能有 障礙物

預備夾取位置範圍 內不會有障礙物

預備區 偵測區

圖3-18 夾爪在預備位置和夾取位置以及在夾取位置時需要的偵測範圍

doi:10.6342/NTU201704032

73 A

B

D

基準向量

C

重心夾取

圖3-19 四類重心夾取姿態

A

B

D

基準向量

C

邊緣夾取

approach path

圖3-20 四類邊緣夾取姿態

一個夾取流程大致上分為四個步驟，第一個步驟為從初始位置到夾取預備位 置，第二步驟為從預備位置到夾取位置，第三步驟為夾取物體後從夾取位置退回預 備位置，而第四步驟為從預備位置到目的地。論文中的演算法專注在讓「夾爪」在 第二和第三步驟中找出一個可行的夾取姿態，手臂在整個夾取過程中的碰撞將用 簡單的決策條件避免，也就是說在預備夾取位置是假設為沒有障礙物的。

要達到利用環境資訊計算適合地夾取姿態這個目標，首先要先了解欲夾取一 個物體其夾取姿態需滿足的條件，成功夾取需滿足的條件有兩個：一為要有充分的 表面和空間讓夾爪指頭可以接觸(grasping surface)，如圖 3-18 的 surface detection 區 域內不能有障礙物，二為夾爪由預備位置到夾取位置的靠近路徑(approach path)不 能被阻擋 ，如圖 3-18 的 approach path detection 區域內不能有障礙物。以下將以一 個橢球為例來介紹如何用環境資訊判斷是否滿足可行夾取姿態的條件。

首先，假設在沒有除了目標物體之外其他障礙物的環境中，夾取所需的兩個條 件在任何夾取姿態下皆滿足，因此挑選的approach path 是直接(straightforward)的，

只跟物體與手臂的位置有關係，此夾取姿態之後稱呼它為「最佳的approach path」， 在有障礙物的情況下，仍然會希望所挑選的夾取姿態越接近此理想的approach path 越好，此最佳的夾取姿態可幫助快速的篩選和計算出各類最適合的夾取姿態，最後 在各類夾取姿態中選擇離之最近的夾取姿態作夾取。

doi:10.6342/NTU201704032

74

接下來，若目標在一有障礙物的環境中，理論上會有無限多個夾取姿態需要被 判斷是否能滿足兩個夾取成功所需的條件，然而，在絕大多數的狀況下，都存在著 某些限制導致了夾取時不理想的approach path 或無法達到的 approach path，會對 夾取過程產生限制的因素包含了環境、硬體(包含相機、夾爪、手臂)、物體模型形 狀或演算法本身的限制。

由環境限制來看，物體若放在桌子上或抽屜裡則由下往上的行徑方向是必定 會被阻擋的，而若物體掛在天花板上則由上往下的行徑方向是會被阻擋的。由硬體 限制來看，硬體包含了相機，手臂和夾爪，這些硬體造成的限制例如：目標物體與 相機照射方向相反的 approach path 可能存在，但是因為無法獲得資訊而無法判斷 在某些情況可能是不希望被允許的；另外如手臂的運動和夾爪可夾取的物體大小 限制也會對夾取的規劃產生影響等等。由物體模型的形狀來看，物體形狀可能存在 著不適合被夾取的面等等。最後，演算法限制的部分，如一開始所提到的，研究中 的演算法只專注於保證「夾爪」的夾取在 approach 的過程中是不會碰撞的，但是 沒有辦法保證整個手臂在 approach 的過程中是不會碰撞的，然而此部分可以簡單 的增加行程極限條件避免手臂的碰撞，之後會再做更詳細的介紹。

假設在可以根據環境限制決定出一個「必定會被阻擋的approach path」這個條 件下，研究中將一個物體重心位置和邊緣位置可供夾取的夾取姿態簡化為四類，如 圖3-19 和圖 3-20 所示，之後會再詳細介紹為什麼簡化為這四類及各自的定義。圖 3-19 和圖 3-20 中假設的為「垂直從下往上」的 approach path 不被允許，而此路徑 即被定義為「基準向量」。然而，即使在「垂直從下往上」的approach path 不被允 許時，也並非所有幾何形狀的模型在任意姿態下都適合圖3-19 和圖 3-20 中的基準 向量或都適合圖3-19 和圖 3-20 中的夾取姿態，因此，研究中會綜合模型幾何形狀 當下的姿態和「必定會被阻擋的approach path」兩個條件定義合適的基準向量。

定義了基準向量和獲得物體位置後即可建立物體在被夾取時的「基準坐標系」， 所有的夾取姿態將依此基準坐標系建立而非物體本身的姿態。然而，就如同之前提 到的，在大部分的狀況中都存在會被限制而不理想的夾取姿態，因此，需要將這些

doi:10.6342/NTU201704032

75

不理想的夾取姿態從依據基準坐標系定義的所有夾取姿態中扣除，剩下的夾取姿 態命名為「目標可行之夾取姿態」。

最後，目標可行之夾取姿態將透過本論文題出的方法與環境資訊比較後獲得 不會被障礙物阻擋而可行的夾取姿態，這些「可行的夾取姿態」再與「最佳的夾取 姿態」比較後於每個類別(A、B、C、D)各自挑選出最適合的夾取姿態，排序後再 經過IK 的計算確認，挑選出最適合且可行的夾取姿態進行夾取。

總結上述，此演算法的主要流程架構如圖3-21 所示。就如之前有提到的，此 方法可適用於不同的已知環境限制條件中，因此在接下來的內容裡面，會先介紹這 個方法的主要流程，之後再介紹如何從此研究的定位方法中獲得環境資訊，最後介 紹如何使用此環境資訊結合此方法計算出適合的夾取姿態，以及討論在本研究中 獲得資訊方法的優點和缺點。

目標物體定位成功

目標物體的模 型和姿態資訊 目標物體的位

置資訊

環境資訊

計算最理想夾取姿態

計算可行夾取姿態

可行的夾取 姿態 最佳的夾取姿

態資訊

最合適的夾取姿態

獲得模型基準軸與獲得 目標可行的夾取姿態

目標理想的夾 取姿態資訊

圖3-21 計算夾取姿態的主要流程

doi:10.6342/NTU201704032

76