我要评论
案例一：
麻省理工学院计算机科学与人工智能实验室——模块式软机械手夹具抓取
该案例展示了一种软手，它能够根据内部测量情况来稳定准确地识别和抓握物体。 高度顺从的手具有固有的鲁棒性，可以抓取不确定的物体。软手指改编形成了三指抓取器，可以轻松地将其附着到现有机器人上，例如，安装在Baxter机器人的手腕上。在每个手指中添加了电阻弯曲传感器，以提供足以区分一组对象的配置估计。通过每个手指的一个数据点，可以识别抓取器抓取的物体。针对不同的抓取模式，如包络抓取和捏紧抓取，提出了一种聚类算法，用于找到每个抓握对象的对应关系。
模块式软机械手夹具抓取
案例二：
新泽西州立罗格斯大学RACSYS lab——VR遥操作
该案例演示了Baxter机器人的遥控操作。戴着Oculus VR设备的远程操作员通过机器人上安装的立体摄像机接收沉浸式视觉信号。远程操作员使用显示屏上的光标选择机器人从桌子上拾取的对象。
基于Baxter机器人的遥操作搬运
案例三：
自动驾驶汽车解决方案提供商Dataspeed——人机跟随抓取
该案例使用人机跟随技术，工程师远程控制机器人抓取水瓶。
瑞森可Baxter机器人通过人机跟随技术抓取物品
end
瑞森可机器人致力于：
让科研充满想象，让每个学生都能热爱机器人技术
让制造充满乐趣，让每个人都能成为机器人应用专家
我们正努力让机器人成为人类最亲密的合作伙伴。
本文地址：https://blog.csdn.net/Cothinkrobotics/article/details/107974224
您可能感兴趣的文章:
如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！
网友评论