相较于自然界中猛禽那令人叹为观止的飞行捕猎技巧，人工智能驱动的飞行机器人在实现多功能、高灵活度的空中作业方面，正面临着前所未有的挑战。构建一套完善的空中抓取系统，不仅要求跨越机械设计、感知技术、运动规划、精确控制及高效操纵等多个复杂领域的交叉融合，而且还需要克服一系列技术难点。

尽管早期的研究工作已经分别在这些领域取得了显著的进步，但直到最近，研究人员才开始深入探索无人机设计与夹持器机制之间的紧密协同关系，并在空中机械手控制、物体姿态的精确估计与实时跟踪等方面取得了可喜的成就。遗憾的是，基于高速视觉的空中操控技术仍然是一个难以攻克的难题，鲜有成功案例报道。

以四旋翼平台为例，这类无人机以其高速飞行、灵活机动以及强大的有效载荷携带能力而著称，因此被广泛应用于导航、环境检查等多个领域。然而，四旋翼平台在与环境互动方面的能力却显得相对薄弱，尤其是在处理那些需要与环境进行复杂、时变接触动态交互，并同时感知任务相关环境特征的任务时，其局限性尤为明显。

过去，曾有研究人员尝试采用传统的刚性操纵器来实现空中抓取，但这种方法对精度的要求极高，且在抓取过程中会受到巨大的反作用力，从而严重限制了无人机在高速状态下的作业效能与稳定性，阻碍了其在高动态环境中的广泛应用。少数报道了高速空中抓取的成功案例，则往往依赖于昂贵的运动捕捉系统，其复杂的部署条件以及难以适应不同环境和多样化抓取目标的局限性，难以实现大规模的商业化普及。

▍构建新型无人机抓取系统，实现高速、灵活、稳健空中抓取

         
据探索前沿科技边界，传递前沿科技成果的X-robot投稿，前不久，来自麻省理工学院和威廉姆斯学院的研究团队聚焦于“如何在无需依赖外部运动捕捉系统的前提下使四旋翼无人机能够自主拾取移动中的物体，并增强其与环境主动互动的能力，拓宽任务执行范围”这一问题进行了深入研究。受自然界生物系统的灵感启发，研究团队创新性融合了刚性四旋翼平台与软机器人夹持技术，并通过先进控制策略使刚性与柔性组件协同工作，实现了高速、灵活且稳健的空中抓取。

研究中，团队为四旋翼无人机设计了一款具有被动闭合、肌腱驱动泡沫手指，能迅速闭合、补偿误差、适应物体形状并减轻反作用力的新型被动闭合肌腱驱动软夹持器。同时，通过融合神经网络、前沿的3D物体姿态估计算法以及固定滞后平滑技术，构建了实时机载感知系统。该感知系统集成双摄像头与机载GPU，可实时估算无人机与目标状态，但其高效运行需基于对目标几何形状与视觉特征的先验知识。为了进一步优化抓取性能，团队还将捕捉轨迹规划、自适应控制器与有限元控制策略相结合，实现了动态适应与最佳配置，以确保高速抓取效果。    

为了全面评估系统的实际性能，研究团队在室内与室外环境下，针对三种不同类型的物体进行了多达180次的飞行测试。测试结果表明，该系统能够在无需运动捕捉系统辅助的情况下实现自主飞行，并以最高2.0米每秒的速度高效抓取静态目标。此外，在运动捕捉系统的支持下，系统还成功实现了从移动平台（如以0.3米每秒速度行进的四足机器人及相对速度为1.5米每秒的旋转转盘）上抓取物体的任务。

该研究成果的相关论文以“High-speed aerial grasping using a soft drone with onboard perception”为题发表在《npj robotics》上。作者包括麻省理工学院的Samuel Ubellacker、Aaron Ray、 Jared Strader 、 Luca Carlone和威廉姆斯学院的James M. Bern。

接下来，一起来和机器人大讲堂深入探索这一研究成果！

▍集成全面机载感知、先进控制策略与创新软夹持器，解决空中操纵技术挑战

在实现高速、多功能空中操纵过程中，常常面临着一系列技术挑战。首先，传统的刚性操纵器要求精确的定位能力，同时其性能受到反作用力的限制。其次，四旋翼飞行器需要适应不断变化的动态环境，特别是在抓取具有一定质量的物体时，这一点显得尤为重要。此外，整个系统还需在缺乏外部运动捕捉设备支持的情况下独立运行，这就要求系统必须依赖机载传感器进行感知，并且能够适应操纵器可能遮挡摄像头的情况。

为了攻克这些难题，研究团队设计了一款集全面机载感知、先进控制策略与创新软夹持器于一体的无人机抓取系统。该系统巧妙利用RealSense摄像头，实现对物体姿态的精准评估与无人机状态的实时估算，进而在全局框架下完成姿态估计，并精心规划出一条最小捕捉多项式轨迹。轨迹的精准跟踪则得益于自适应飞行控制律的助力。同时，系统创新性地采用的软夹持器设计，显著提升了对不精确定位的容忍度与抓取的稳固性。    

在软夹持器的设计与建模方面，团队巧妙解决了传统刚性机械手在抓取过程中可能遭遇的诸多困境，如手指与地面的碰撞所引发的力矩问题以及抓取失败的风险。通过采用柔性手指设计，系统有效减弱了地面接触与无人机动力学之间的耦合效应，从而确保了抓取的稳健与可靠。手指选用可铸造膨胀聚氨酯材质，通过电缆精准控制形状，展现出被动闭合、低功耗、机械结构简单等诸多优势。

在感知系统的设计上，团队同样不遗余力。系统的感知管道能够全方位、无死角地估计目标物体的位置与方向。基于深度神经网络的关键点检测器，系统能够准确预测每张彩色图像中的关键点，并通过与已知物体CAD模型中的对应点进行精确对齐，从而实现对物体姿态的精准估算。此外，系统还引入了强大的配准算法，以进一步确定目标姿态，并结合四旋翼飞行器的里程计估计，得出目标物体的全局姿态估计。为提升精度，系统还采用了固定滞后平滑器对全局姿势估计进行了进一步优化。

凭借精准的物体姿态评估、可行的抓取路径规划、鲁棒的轨迹跟踪以及创新的软夹持器设计，研究团队设计的无人机抓取系统不仅实现了无人机对物体的成功抓取，更在应对复杂环境和外部干扰时展现出高度稳定性和灵活性。    

▍进行静态、移动、户外180余次飞行测试，验证系统实际抓取性能

为了深入且全面地评估无人机系统的实际抓取性能，研究团队在室内与室外环境下进行了多达180次的飞行测试，涵盖静态目标、移动目标和户外抓取三种场景。具体来说：

静态目标抓取

在本实验中，团队精心选择了三个具有显著差异的静止物体——医疗包、两升瓶子以及纸板箱，以验证软夹持器与视觉系统的多功能性和适应性。实验过程中，无人机从随机选择的起点起飞，通过视觉系统对目标进行初步姿态估计，然后飞行至特定位置，确保前进方向与预设抓取方向一致，并在距离目标约0.9米的高度悬停。随后，无人机沿着精心规划的轨迹穿越抓取点，并最终停留在远离目标的任意端点。

抓取策略：无人机在执行抓取轨迹后，停止更新目标姿态估计，而是依靠初始姿态估计和自身状态的实时更新来精准飞达抓取点。这种策略减少了实时计算的需求，提高了系统的响应速度。

抓取成功率评估：在首轮测试中，设定参考轨迹在抓取点处的前向速度为0.5米/秒。通过弱磁铁将目标固定在水平表面上，以防止无人机下沉气流干扰目标位置。结果显示，系统对医疗包、纸板盒和两升瓶的抓取成功率分别为9/10、6/10和10/10。为进一步评估感知系统的影响，团队采用运动捕捉系统重复实验，发现结果与基于视觉的方法相似，证明了视觉系统的稳定性和夹持器机制对感知误差的高鲁棒性。

错误分析：团队利用运动捕捉系统收集数据，深入剖析了目标估计、VIO估计和轨迹跟踪中的误差。在轨迹起点处，目标姿态估计误差最大为5厘米的平移误差和小于10度的旋转误差。抓取点之前的轨迹跟踪性能相当，位置误差约为5厘米，速度误差为0.05米/秒。抓取后，由于医疗包和纸板箱的质量较大，导致跟踪误差增加，主要在垂直方向。

掌握速度分析：团队将前向抓取速度提升至1.25、2和3米/秒，以评估系统在不同速度下的性能。实验结果显示，系统能够通过全视觉以超过2米/秒的速度成功抓取瓶子，成功率为3/10，这是文献中报道的最快的基于全视觉的空中抓取。速度提升伴随着位置和速度跟踪误差的增大，但横向和垂直误差保持在较低水平。纵向跟踪误差对抓取成功率影响不大，因为夹持器控制由无人机的当前位置决定。

户外抓取实验

为验证机载感知系统无需定位基础设施的运行能力，团队在室外场地以0.5米/秒的速度成功演示了无人机拾取医疗包的过程。室外环境带来了诸多额外挑战，包括风干扰、变化的照明条件和视觉多样化的环境。团队通过引入前馈加速度脉冲来抵消抓握后的即时垂直干扰，并短暂地将无人机从地面抬起，从而解决了这些问题。实验展示了8/10的成功率，这是在户外环境中动态操纵的第一个实例。

团队探讨了如何在高速或无人机与目标之间相对速度较高时抓取移动目标。这类动作在生物系统中屡见不鲜，如猛禽捕获猎物。在机器人应用中，此功能可提高效率并减少无人机在危险环境中靠近地面的时间。然而，抓取移动目标面临额外难题，如目标移出画面、运动模糊和同步问题等。团队通过借助无人机运动捕捉和目标定位来抓取移动物体，展示了系统的潜力。在第一组移动目标实验中，团队将医疗包安装在四足机器人顶部，以慢速和快速前进速度进行抓取尝试，验证了系统在处理移动目标方面的能力。

通过以上一系列高度精细化和全面性的飞行测试，研究团队深入评估了无人机系统的实际抓取性能，验证了系统的多功能性和鲁棒性，揭示了影响抓取成功率的关键因素和误差来源，并为未来的研究和应用提供了宝贵的参考和洞见。

▍关于X-robot

X-robot是中关村机器人产业创新中心与机器人大讲堂联手打造的权威性信息发布品牌专栏，集前沿探索、产业研究、知识普及于一体，致力于积极推动新质生产力的生成与发展，助力我国乃至全球机器人行业的蓬勃繁荣。X-robot立足国际化视野，通过全方位、多角度的挖掘与追踪，生动展现机器人前沿技术与尖端成果，为学术界、产业界及公众提供一个洞见未来、共享科技的重要窗口。

参考文章

https://www.nature.com/articles/s44182-024-00012-1#Sec1