一种基于任意时间优先级搜索的物体任意目标位姿重定向的方法技术

本发明专利技术公开了一种基于任意时间优先级搜索的物体任意目标位姿重定向的方法，本发明专利技术针对机器人无法一步完成物体任意目标位姿重定向任务的问题，建立分层学习的框架，实现了一种基于任意时间优先级搜索的物体任意目标姿态重定向的方法。通过将物体能够稳定放置在桌面上的位姿作为候选重定向位姿，可以实现简单桌面上单臂操作物体到任意目标位姿的任务，而无需借助双臂或者其他辅助复杂结构；通过进行问题的最优化建模，本发明专利技术可以求解出路径规划代价较小的解；通过训练一个路径规划代价估计器作为重定向位姿规划器的伪反馈，本发明专利技术显著提高了训练速度和求解速度。提高了训练速度和求解速度。提高了训练速度和求解速度。

【技术实现步骤摘要】
一种基于任意时间优先级搜索的物体任意目标位姿重定向的方法


[0001]本专利技术涉及一种物体任意目标位姿重定向的方法，具体地说，是一种基于任意时间优先级搜索的物体任意目标位姿重定向的方法。

技术介绍

[0002]物体重定向是很多机器人操作任务中的重要环节，比如机器人桌面整理任务中需要将物体重定向到指定的位姿，超市结账时需要重定向物体以实现商品条码的扫描。物体任意目标位姿重定向任务中，机器人需要抓取指定的物体并将其重定向到一个任意的六自由度目标位姿。尽管这个任务对人类来说可能简单且高效，对于机器人操作却提出了挑战：直接将物体转移到目标位姿进行放置的机器人执行路径可能导致夹爪和环境(主要是桌面)之间的碰撞，尤其地，这种碰撞下在需要将物体翻面的时候是不可避免的。在这种情况下，机器人需要先抓取物体并将其转移到一个重定向位姿放置作为过渡，然后重新抓取该物体并规划出一条到达其目标位姿的无碰路径。考虑该抓取
‑
重定向放置
‑
再抓取
‑
目标位姿放置的整体规划问题。该问题是两层规划问题的耦合：上层重定向物体位姿的选取、下层抓取位姿规划和机械臂路径规划。这导致整个求解空间维度很高，求解搜索非常耗时。
[0003]目前，研究该问题的工作很少，要么将该问题采用双臂的换手操作解决，要么是利用其它辅助的复杂结构(如支架)等帮助转移到目标位姿。然而，现有工作存在以下问题：
[0004]·
借助双臂换手或利用桌面上其他辅助复杂结构来实现转移到任意目标位姿，显示扩大了机械臂的工作空间或放置空间，对于简单桌面上的单臂操作并不适用
[0005]·
没有考虑该规划问题的最优性解法
[0006]·
求解效率低，速度慢

技术实现思路

[0007]为了克服现有技术的不足，本专利技术的目的在于提供一种基于任意时间优先级搜索的物体任意目标位姿重定向的方法。本专利技术综合考虑物体位姿、抓取位姿和路径的耦合规划问题。考虑到人类解决该问题时通常倾向于在短时间内去寻找一个次优解，本专利技术提出一个高效的学习驱动的任意时间优先级搜索求解器。“任意时间”是指本专利技术能在短时间内得出一个次优解，并随时间优化解，“优先级”是指本专利技术通过启发式搜索实现更快地寻找更优的解。因此，用户能快速得到一个较优的解，并可以随着时间获得更优的解。需要注意的是，本专利技术针对简单桌面上的单臂规划，不依赖其他辅助的复杂结构(如支架)。
[0008]具体地，本方法将问题建模为一个分层学习问题，上层规划一个重定向位姿，使得下层的抓取规划和路径规划能够找到一个可行解并且该解具有最小的规划代价。显然地，为了找到具有最小规划代价的解，上层规划需要搜索下层可能的规划，导致整个搜索复杂度非常高，且耗时巨大。因此，本方法训练了一个下层路径规划的代价估计器，从而不需要执行很多次耗时的路径规划算法。该路径规划器可以进一步最为上层重定向位姿规划器的
伪反馈，从而上层规划器可以脱离仿真器实现预训练。最终，整个系统在仿真器中进行策略的微调。基于伪反馈引导的策略预训练加速了上层规划器的学习速度，使得整个系统能够在较短的时间内找到一个较优的解。
[0009]本专利技术是通过以下技术方案来实现的：
[0010]一种基于任意时间优先级搜索的物体任意目标位姿重定向的方法，包括：
[0011]对物体任意目标位姿重定向问题进行最优化建模；
[0012]对路径规划代价估计器和重定向位姿规划器这两个网络模块进行训练；
[0013]给定的待操作的物体模型、起始位姿和目标位姿；
[0014]根据物体模型、起始位姿、目标位姿生成该物体的候选重定向位姿集合；
[0015]根据重定向位姿规划器从候选重定向位姿集合中选择一个重定向位姿；
[0016]根据选择的重定向位姿，生成抓取
‑
重定向
‑
放置阶段的抓取集合，包括物体起始位姿抓取集合和重定向位姿抓取集合；
[0017]根据选择的重定向位姿、物体起始位姿抓取集合和重定向位姿抓取集合，遍历其可能组合的路径规划代价，选择具有最小规划代价的起始抓取位姿和重定向抓取位姿；
[0018]根据选择的重定向物体位姿、具有最小规划代价的起始抓取位姿和重定向抓取位姿，通过路径规划算法RRT规划得到机械臂抓取
‑
重定向
‑
放置的路径；
[0019]作为进一步地改进，本专利技术将物体任意目标姿态重定向的任务建模为一个最优化问题，具体为：
[0020]给定物体的起始位姿p0∈R6，目标位姿p
T
∈R6，定义抓取质量函数为h(p,g)∈(0,1],表示在物体位姿为p∈R6的时候执行抓取位姿g∈R6的质量，定义路径规划代价函数为m(g
i
,g
j
)∈(0,+∞)，其中g
i
,g
j
表示相邻的抓取位姿。那么一个可行的重定向位姿应满足以下条件：
[0021][0022]其中g
cur
表示机械臂末端执行器当前的位姿，α为抓取质量的阈值。如果p
I
＝p
T
,也即g
I
＝g
T
，那么物体可以被一步转移至目标位姿，否则，需要一个重定向位姿作为过渡来完成整个抓取放置过程。在这个问题中，最优的重定向位姿和抓取姿态可以由下式定义：
[0023][0024]其中
[0025]作为进一步地改进，本专利技术所述的生成该物体的候选重定向位姿集合，具体为：
[0026]计算物体质心落在物体mesh模型中各个三角形内部的概率，得到物体能够稳定放置在桌面上的法向量集合，以每个法向量为轴进行平面旋转得到具体的物体的位姿，从而构成物体的候选重定向位姿的集合。
[0027]作为进一步地改进，本专利技术所述的根据重定向位姿规划器从候选重定向位姿集合
中选择一个重定向位姿，具体为：
[0028]将所有候选重定向位姿分别生成为物体点云，通过点云处理网络提取点云特征。此外，起始位姿和目标位姿也分别生成点云和提取特征。将各个候选位姿的点云特征分别和起始位姿和目标位姿的点云特征拼接成为各个候选位姿的拼接特征。将各个候选位姿的拼接特征通过评价网络得到评价值，选取评价值最高的候选重定向位姿，记为从而式(2)简化为：
[0029][0030]作为进一步地改进，本专利技术所述的根据选定的重定向位姿，生成抓取
‑
重定向
‑
放置阶段的抓取集合，具体为：
[0031]通过预训练的抓取模型生成抓取集合，记为G，抓取姿态按照抓取模型评估的抓取质量进行排列，并且剔除抓取质量低的抓取姿态。因此，高质量的抓取会被优先搜索，从而启发式地引导求解器快速求解出较优的解，从而式(3)进一步简化为：
[0032][0033]作为进一步地改进，本专利技术所述的根据重定向位姿、物体起始位姿抓取集合和重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于任意时间优先级搜索的物体任意目标位姿重定向的方法，其特征在于，包括：对物体任意目标位姿重定向问题进行最优化建模；对路径规划代价估计器和重定向位姿规划器这两个网络模块进行训练；给定的待操作的物体模型、起始位姿和目标位姿；根据物体模型、起始位姿、目标位姿生成该物体的候选重定向位姿集合；根据重定向位姿规划器从候选重定向位姿集合中选择一个重定向位姿；根据选择的重定向位姿，生成抓取
‑
重定向
‑
放置阶段的抓取集合，包括物体起始位姿抓取集合和重定向位姿抓取集合；根据选择的重定向位姿、物体起始位姿抓取集合和重定向位姿抓取集合，遍历其可能组合的路径规划代价，选择具有最小规划代价的起始抓取位姿和重定向抓取位姿；根据选择的重定向物体位姿、具有最小规划代价的起始抓取位姿和重定向抓取位姿，通过路径规划算法RRT规划得到机械臂抓取
‑
重定向
‑
放置的路径。2.根据权利要求1所述的基于任意时间优先级搜索的物体任意目标位姿重定向的方法，其特征在于，所述的对物体任意目标位姿重定向问题进行最优化建模具体为：给定物体
·
的起始位姿p0∈R6，目标位姿p
T
∈R6，定义抓取质量函数为h(p,g)∈(0,1],表示在物体位姿为p∈R6的时候执行抓取位姿g∈R6的质量，定义路径规划代价函数为m(g
i
,g
j
)∈(0,+∞)，其中g
i
,g
j
表示相邻的抓取位姿，那么一个可行的重定向位姿应满足以下条件：其中g
cur
表示机械臂末端执行器当前的位姿，α为抓取质量的阈值，若p
I
＝p
T
,也即g
I
＝g
T
，物体被一步转移至目标位姿，否则，需要一个重定向位姿作为过渡来完成整个抓取放置过程，其中，最优的重定向位姿和抓取姿态由下式定义：其中3.根据权利要求1所述的基于任意时间优先级搜索的物体任意目标位姿重定向的方法，其特征在于，所述的生成该物体的候选重定向位姿集合，具体为计算物体质心落在物体mesh模型中各个三角形内部的概率，得到物体能够稳定放置在桌面上的法向量集合，以每个法向...

【专利技术属性】
技术研发人员：王越，许可淳，熊蓉，
申请(专利权)人：浙江大学，
类型：发明
国别省市：