第四章 抓取规划：接触点选择、力封闭与形封闭、抓取矩阵、最优抓取姿态搜索

各位同学，欢迎来到抓取规划这一章。说实话，这一章是整个双臂协作抓取里最“烧脑”的部分，但也是最有意思的。你想想看，机器人要抓一个杯子，手该放哪儿？用几个手指？用多大力？这些问题看似简单，背后却有一套完整的数学和力学理论支撑。

我个人习惯把抓取规划分成四个层次：接触点怎么选、抓得稳不稳（力封闭与形封闭）、怎么用数学描述（抓取矩阵）、怎么找到最优姿态。咱们一个一个来啃。

4.1 接触点选择：不是随便放手指

接触点选择，说白了就是决定机器人的手指尖该戳在物体的哪个位置。这可不是随便选的。我在项目中遇到过一位同学，他让机器人去抓一个玻璃杯，手指直接戳在杯口边缘——结果杯子直接飞出去了。为什么？因为接触点选在了最不稳定的位置。

接触点选择有几个基本原则：

• 几何稳定性：接触点应尽量分布在物体表面的“凹陷”或“平坦”区域，避免放在凸起或尖锐边缘。
• 力传递效率：接触点法线方向应尽量指向物体质心，这样抓取力能有效传递。
• 避免滑动：接触点处的摩擦锥要足够大，说白了就是手指不能打滑。
• 避让障碍：接触点不能选在物体上的按钮、开关等敏感区域。

举个例子，抓一个圆柱形水杯：

• 最佳方案：手指分布在杯身两侧，高度大致在杯身中部偏下一点。
• 错误方案：手指放在杯口或杯底边缘，容易滑脱。

4.2 力封闭与形封闭：抓得稳不稳？

好，接触点选好了。接下来要问：这个抓取到底稳不稳？这里有两个核心概念：力封闭和形封闭。

形封闭，指的是仅靠接触点的几何约束，就能把物体完全固定住，不需要施加任何力。你想想看，一个物体被几个手指从四面八方“卡”住，动都动不了——这就是形封闭。形封闭是一种理想状态，实际中很难做到，因为需要很多接触点。

力封闭，则是通过施加适当的力，让物体在任意外力作用下都能保持平衡。说白了，就是手指用力“捏”住物体，让它跑不掉。力封闭更实用，也是我们实际抓取中最常用的。

我曾经在做一个精密装配项目时，发现机器人抓取一个金属零件总是会轻微晃动。检查了半天，发现是力封闭条件没满足——手指施加的力没有覆盖所有可能的扰动方向。后来调整了接触点位置和施力方向，问题就解决了。

判断一个抓取是否满足力封闭，有一个简单的方法：检查所有接触点的摩擦锥是否能够覆盖物体可能受到的任意方向的外力。如果覆盖了，就是力封闭；否则就不是。

4.3 抓取矩阵：用数学说话

前面说的都是定性分析。但做工程不能只靠感觉，得有数学工具。抓取矩阵就是干这个的。

抓取矩阵 G 是一个 6×n 的矩阵（n 是接触点数量乘以每个接触点的自由度），它描述了接触力与物体上受到的合力/合力矩之间的关系。公式很简单：

F_object = G * f_contact

其中：

• F_object：物体受到的合力（6维：3个力 + 3个力矩）
• G：抓取矩阵
• f_contact：各个接触点的力向量

抓取矩阵的每一列，对应一个接触点的一个自由度上的力对物体产生的效果。通过分析抓取矩阵的秩、零空间等性质，我们可以判断抓取是否稳定。

下面是一个简单的抓取矩阵计算示例（Python伪代码）：

import numpy as np

def compute_grasp_matrix(contact_points, normals):
    """
    contact_points: 接触点位置 (n x 3)
    normals: 接触点法线方向 (n x 3)
    返回: 抓取矩阵 G (6 x 3n)
    """
    n = len(contact_points)
    G = np.zeros((6, 3*n))
    for i in range(n):
        p = contact_points[i]
        n_vec = normals[i]
        # 力的贡献
        G[0:3, 3*i:3*i+3] = np.eye(3)
        # 力矩的贡献
        G[3:6, 3*i:3*i+3] = np.cross(p, np.eye(3))
    return G

# 示例：两个接触点
points = np.array([[0.1, 0, 0], [-0.1, 0, 0]])
normals = np.array([[1, 0, 0], [-1, 0, 0]])
G = compute_grasp_matrix(points, normals)
print("抓取矩阵秩:", np.linalg.matrix_rank(G))

4.4 最优抓取姿态搜索：找到那个“黄金点”

有了前面的理论，最后一步就是搜索最优抓取姿态。说白了，就是在所有可能的抓取方式中，找到那个最稳、最安全、最省力的方案。

最优抓取姿态搜索通常是一个优化问题：

目标函数: 最大化抓取质量（稳定性、抗扰动能力等）
约束条件:
  - 运动学可达性（机械臂能摆出这个姿态）
  - 力封闭条件
  - 接触点摩擦锥约束
  - 避碰约束（手指之间、手指与物体之间不碰撞）

我常用的搜索方法有几种：

方法	优点	缺点	适用场景
暴力枚举	简单、保证全局最优	计算量大，实时性差	离线规划、物体形状简单
梯度下降	速度快	容易陷入局部最优	在线规划、初始姿态较好
采样方法（RRT等）	能处理高维空间	结果不稳定	复杂物体、多指手
学习-based方法	泛化能力强	需要大量训练数据	同类型物体批量抓取

嗯，这里还要提一个我踩过的坑。有一次我做双臂协作抓取，两个手臂各自搜索了最优抓取姿态，结果合在一起时发现两个手臂互相打架——左臂的抓取姿态和右臂的抓取姿态在空间上冲突了。从那以后，我养成了一个习惯：双臂抓取一定要做联合优化，不能各自为政。

本章知识体系

下面这张图总结了本章的核心逻辑，从接触点选择到最优姿态搜索，环环相扣：

好了，这一章的内容就到这里。抓取规划是双臂协作的核心技术，接触点选择、力封闭与形封闭、抓取矩阵、最优姿态搜索，这四个环节环环相扣，缺一不可。在实际项目中，我建议你从简单的物体开始练手，比如立方体、圆柱体，逐步过渡到复杂形状。

记住：理论是基础，但工程经验更重要。多动手、多调试、多踩坑，你才能真正掌握抓取规划的精髓。

可可精品资料库