Simulation-Driven Evolutionary Motion Parameterization for Contact-Rich Granular Scooping with a Soft Conical Robotic Hand
作者: Yongliang Wang, Cristian C. Beltran-Hernandez, Tomoya Takahashi, Masashi Hamaya
分类: cs.RO
发布日期: 2026-04-07
💡 一句话要点
提出基于物理仿真的软锥形手爪抓取运动参数进化优化方法，解决颗粒物料高效抓取问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 软体机器人 抓取 物理仿真 进化策略 轨迹优化 颗粒物料 机器人手爪
📋 核心要点
- 软体机器人在抓取任务中展现出优势，但其复杂形变导致难以控制，限制了实际应用。
- 论文提出基于物理仿真的软锥形手爪模型，结合进化策略自动优化抓取轨迹，无需人工调参。
- 仿真和真实机器人实验验证了优化轨迹的泛化能力，成功完成多种复杂抓取任务。
📝 摘要（中文）
基于工具的抓取在机器人辅助任务中至关重要，它能够与各种尺寸、形状和材料状态的物体进行交互。近期的研究表明，柔性、可重构的软机器人末端执行器可以通过调整形状来保持与容器表面的持续接触，从而提高抓取效率。这些软工具可以适应不同的容器尺寸和材料，而无需复杂的传感或控制。然而，软机器人的固有柔顺性和复杂的变形行为带来了显著的控制复杂性，限制了实际应用。为了解决这个问题，本文提出了一种基于物理的软锥形机器人手爪仿真模型，该模型能够捕捉其被动重构动力学，并实现抓取任务的系统轨迹优化。我们提出了一种新颖的基于物理的仿真方法，该方法能够准确地模拟软工具从扁平片材到自适应锥形结构的形态变化行为，并结合进化策略框架，自动优化抓取轨迹，无需手动参数调整。我们通过仿真和真实机器人实验验证了优化后的轨迹。结果表明，该方法具有很强的泛化能力，并成功地解决了以前现有方法无法解决的一系列具有挑战性的任务。
🔬 方法详解
问题定义：论文旨在解决软体机器人手爪在接触丰富的颗粒物料抓取任务中，由于其固有的柔顺性和复杂变形行为所带来的控制难题。现有方法通常依赖于手动参数调整或复杂的传感与控制系统，难以适应不同容器尺寸和材料，泛化能力较差。
核心思路：论文的核心思路是利用物理仿真来模拟软体手爪的变形和运动过程，并通过进化策略自动优化抓取轨迹。通过仿真，可以避免在真实环境中进行大量的实验尝试，降低成本和风险。进化策略则能够在复杂的参数空间中搜索最优解，无需人工干预。
技术框架：整体框架包含以下几个主要模块：1) 软锥形手爪的物理仿真模型，该模型能够准确模拟手爪的变形和与颗粒物料的交互；2) 基于进化策略的轨迹优化器，该优化器以抓取成功率和效率为目标，自动搜索最优的抓取轨迹参数；3) 真实机器人实验平台，用于验证仿真优化结果的有效性和泛化能力。
关键创新：论文的关键创新在于将物理仿真与进化策略相结合，实现软体机器人抓取轨迹的自动优化。与传统方法相比，该方法无需手动参数调整，能够更好地适应不同的抓取场景。此外，论文提出的物理仿真模型能够准确模拟软体手爪的变形行为，为轨迹优化提供了可靠的基础。
关键设计：物理仿真模型采用有限元方法模拟软体手爪的变形，并使用离散单元法模拟颗粒物料的运动。进化策略采用协方差矩阵自适应进化策略(CMA-ES)算法，以抓取成功率和抓取效率为目标函数。抓取轨迹参数包括手爪的运动速度、角度和深度等。
🖼️ 关键图片
📊 实验亮点
论文通过仿真和真实机器人实验验证了所提出方法的有效性。实验结果表明，优化后的抓取轨迹能够显著提高抓取成功率和效率。与手动调整参数的方法相比，该方法能够自动适应不同的抓取场景，具有更强的泛化能力。实验视频展示了软体手爪成功抓取各种颗粒物料的过程。
🎯 应用场景
该研究成果可应用于自动化农业、物流分拣、医疗康复等领域。例如，在自动化农业中，软体机器人可以用于采摘易损的水果和蔬菜；在物流分拣中，可以用于抓取不同形状和尺寸的包裹；在医疗康复中，可以辅助患者进行精细动作训练。该研究为软体机器人在复杂环境下的应用提供了新的解决方案。
📄 摘要（原文）
Tool-based scooping is vital in robot-assisted tasks, enabling interaction with objects of varying sizes, shapes, and material states. Recent studies have shown that flexible, reconfigurable soft robotic end-effectors can adapt their shape to maintain consistent contact with container surfaces during scooping, improving efficiency compared to rigid tools. These soft tools can adjust to varying container sizes and materials without requiring complex sensing or control. However, the inherent compliance and complex deformation behavior of soft robotics introduce significant control complexity that limits practical applications. To address this challenge, this paper presents the development of a physics-based simulation model of a deformable soft conical robotic hand that captures its passive reconfiguration dynamics and enables systematic trajectory optimization for scooping tasks. We propose a novel physics-based simulation approach that accurately models the soft tool's morphing behavior from flat sheets to adaptive conical structures, combined with an evolutionary strategy framework that automatically optimizes scooping trajectories without manual parameter tuning. We validate the optimized trajectories through both simulation and real-robot experiments. The results demonstrate strong generalization and successfully address a range of challenging tasks previously beyond the reach of existing approaches. Videos of our experiments are available online: https://sites.google.com/view/scoopsh