机器人抓.

有什么问题?

机械手通常被设计和制造来执行有限数量的动作，这些动作要么是已经学会的，要么是专门为它设计的. 当前的手对于以前从未遇到过的新事物的掌握能力非常有限

一个新的解决方案:

从一个学习过的例子中，机械手可以确定两者之间的最佳空间关系
手的一部分和物体的表面轮廓，以最大限度地提高有效抓握的可能性.

进一步的细节:

掌握各种新事物的能力是一个有待解决的问题. 该大学的研究人员已经解决了这一挑战，并开发了软件，以解决在物体之间转移抓取的问题. 给定一个或多个抓取示例，该算法旨在捕捉相对于邻近物体表面的手和手指的配置，并使手和手指适应新物体的形状. 该方法依赖于一对模型，它们捕捉了抓取过程的两个互补方面. 首先，接触模型捕获了单手部位相对于物体表面局部特征的构型. 当给定一个新物体的三维模型时，就会开发出一个接触模型，该模型允许机器人计算出每一个手部的一组姿势. 如果一个机器人配备了N个手部部件，则可以实例化N个接触模型.

其次，手部构型模型捕获了一组符合所演示的从接触模型发展而来的抓握的手部形状. 这允许一组相应的姿势，以同时实现的手部分，而不偏离演示抓取.

该算法生成了许多可能的抓取, 每个抓握具有一组独立符合接触模型和手构型模型的手部姿态，并选择最佳的抓握.