这些公司依靠在装配线上工作的人来实现这一转变。对于机器人来说，进行这种转变太具有挑战性了，因为机器人与他们的日常任务息息相关。从理论上讲，如果可以为每项任务更换其抓手，机器人几乎可以捡起任何东西。为了降低成本，这些夹具可以是被动的，这意味着夹具可以在不改变形状的情况下拾取物体，类似于叉车上的钳子的工作方式。

华盛顿大学的一个团队创建了一种新工具来设计可3D打印的被动抓手并计算拾取物体的最佳路径。该团队在一套22个物体上测试了这个系统——包括一个3D打印的兔子、一个门挡形楔子、一个网球和一个钻头。设计的夹具和路径成功用于20个物体。其中两个是楔形和带有弯曲钥匙孔的金字塔形。这两种形状对于多种类型的抓手来说都具有挑战性。

“我们仍然使用装配线生产大部分产品，这些装配线非常棒，但也非常严格。大流行向我们表明，我们需要有一种方法可以轻松地重新利用这些生产线，”资深作者、华盛顿大学保罗G.艾伦计算机科学与工程学院助理教授AdrianaSchulz说。“我们的想法是为这些生产线创建定制工具。这给了我们一个非常简单的机器人，它可以用一个特定的抓手完成一项任务。然后当我改变任务时，我只需更换夹具。”

被动抓手无法调整以适应它们正在拾取的物体，因此传统上，物体的设计是为了匹配特定的抓手。

“世界上最成功的被动夹具是叉车上的钳子。但权衡是叉车钳只适用于特定形状，例如托盘，这意味着你想要抓住的任何东西都需要放在托盘上，”合著者、华盛顿大学机械工程助理教授JeffreyLipton说。“我们在这里说‘好吧，我们不想预先定义被动夹持器的几何形状。’相反，我们想要获取任何物体的几何形状并设计一个抓手。”

对于任何给定的物体，它的抓手看起来有很多可能性。此外，抓手的形状与机械臂抓取物体的路径相关联。如果设计不正确，抓手可能会在抓取物体的途中撞到物体。为了应对这一挑战，研究人员提出了一些关键见解。

“抓手与物体接触的点对于保持物体在抓握中的稳定性至关重要。我们将这组点称为“抓握配置”，”主要作者MilinKodnongbua说，他作为艾伦学院的威斯康星大学本科生完成了这项研究。“此外，夹持器必须在这些给定点接触物体，并且夹持器必须是连接接触点和机器人手臂的单个固体物体。我们可以搜索满足这些要求的轨迹。”

在设计新的抓手和轨迹时，团队首先为计算机提供对象的3D模型及其在空间中的方向——例如，它将如何呈现在传送带上。

“首先，我们的算法生成可能的抓取配置，并根据稳定性和其他一些指标对其进行排名，”Kodnongbua说。“然后，它采用最佳选择并共同优化，以确定轨迹是否可行。如果找不到，那么它会转到列表中的下一个抓取配置并尝试再次进行协同优化。”

一旦计算机找到了一个很好的匹配，它就会输出两组指令：一组用于3D打印机创建夹具，另一组用于打印并连接夹具后的机械臂轨迹。

该团队选择了多种对象来测试该方法的威力，其中包括来自一组对象的一些对象，这些对象是测试机器人执行操作任务能力的标准。

“我们还设计了对传统抓取机器人具有挑战性的物体，例如角度非常浅的物体或具有内部抓取的物体-你必须通过钥匙来拾取它们，”共同作者IanGood说，威斯康星大学机械工程系博士生。

研究人员对22种形状的10次测试拾音器进行了测试。对于16种形状，所有10次拾取都成功。虽然大多数形状至少有一个成功拾取，但有两个没有。这些故障是由提供给计算机的对象的3D模型问题引起的。对于一个-一个碗-该模型将碗的侧面描述为比它们更薄。另一个模型没有正确的方向——一个看起来像带有蛋形把手的杯子的物体。

该算法为类似形状的物体开发了相同的抓取策略，即使没有任何人工干预。研究人员希望这意味着他们将能够创建可以拾取一类物体的被动抓手，而不必为每个物体配备一个独特的抓手。

这种方法的一个限制是被动抓手不能设计为拾取所有物体。虽然拾取宽度不同或边缘突出的物体更容易，但如果没有任何移动部件，则很难抓住具有均匀光滑表面的物体，例如水瓶或盒子。

尽管如此，研究人员还是很高兴看到该算法做得很好，尤其是对于一些更困难的形状，例如顶部有锁孔的柱子。

“我们的算法为此提出的路径是快速加速到它真正接近物体的位置。看起来它会撞到物体上，我想，‘哦，不。如果我们没有正确校准它怎么办?'”Good说。“然后它变得非常接近并完美地捡起它。这是一个令人敬畏的时刻，一个极端的情感过山车。”