软机器人操纵器在非结构化环境中的目标识别和抓取策略
Lisong Dong1, Huiru Zhu1, Yuan Chen1
1Hefei University of Technology, School of Mechanical Engineering, Hefei 230009, China.
The Review of scientific instruments
|September 5, 2025
概括
这项研究介绍了一只柔软的机器人手和一个增强的You Only Look Once v5s (YOLOv5s) 算法,用于更好地抓住不规则的物体. 该系统在精度和功率掌握任务中取得了82%的成功率.
科学领域:
- 机器人技术
- 计算机视觉
- 材料科学
背景情况:
- 机器人很难在没有结构的环境中抓住不规则和脆弱的物体.
- 现有的方法对于微妙的操作任务缺乏效率和准确性.
研究的目的:
- 开发一个柔软的机器人手和一个增强的物体检测算法,
- 为了提高实时机器人应用的You Only Look Once v5s (YOLOv5s) 算法的性能.
主要方法:
- 设计了一种基于气动网络的快速软指结构,并使用了经过验证的指曲的数学模型.
- 通过整合协调注意 (CA) 和完善空间金字塔聚合 (SPP) 模块来增强YOLOv5s.
- 开发了一种软机器人抓取实验平台,用于精确和强度抓取测试.
主要成果:
- 增强的YOLOv5s-CA-SPP模型显示了平均精度和识别速度的改善.
- 实验分析证实了软机器人手和改进的检测算法的有效性.
- 该系统在最佳姿势的实验中取得了82%的成功率.
结论:
- 集成软机器人手和增强的YOLOv5s算法为复杂的抓取任务提供了可行的解决方案.
- 开发的系统在非结构化机器人操纵中具有很大的应用潜力.
- 进一步的研究可以探索先进的控制策略和更广泛的对象识别能力.


