（文章來源：天極網）

如果機器人要拿起一個物體并將其放進一個容器里。首先，機器人需要觀察物體，在6D空間中決定抓取器的移動位置。需要注意的是，抓取成功與否還取決于物體和夾具的幾何形狀、物體質量分布以及表面摩擦力，這對于機器人來說實現起來是非常困難的。

據外媒報道，來自英偉達的研究人員開發(fā)了一種名為6-DoF GraspNet的新算法，可以讓機器人抓取任意物體。據了解，6-DoF GraspNet工作原理如下。

機械手觀察物體并決定在6D空間(空間中的x、y、z坐標平面和旋轉三維空間)中的移動路徑。該算法的設計方式是生成一組可能的握持器并根據需求進行移動。然后整個握持器通過一個“握持評價器”運行，該評價器會為每個可能的握持分配一個分數。最后握持評價器通過局部變換調整握持變量進而提高最佳握持的成功率。

值得一提的是，研究人員并沒有選擇深度學習的方法，而是選擇了“綜合訓練數據”。事實上，基于深度學習的方法通常需要多個機器人收集數天或數月的數據，以獲得足夠的數據來訓練模型。而6-DoF GraspNet使用的則是綜合訓練數據。它由三維對象模型和模擬的抓取體驗組成。對于每個對象，使用幾何啟發(fā)式生成抓取假設，并使用NVIDIA FleX物理引擎進行評估。

研究人員表示，6-DoF GraspNet的優(yōu)勢包括：1、它可以用來抓取任意物體;2、它的模塊化，這使得它可以用于各種計算機視覺應用和運動規(guī)劃算法;3、它可以跟一個模型一起使用，該模型可根據各種物體的“點云”來分配形狀，而這將能確保機械臂不會跟任何障礙物相撞。

機器人的抓取一直是國內外研究的重點，這也印證了解決這個問題對整個機器人技術發(fā)展的重要意義。相信，隨著技術的不斷完善，人類的雙手可以將在更多的場景中得到解放。
? ? ?