多吸盘控制的制作方法

本申请要求2014年7月16日递交的美国专利申请第14/333,288号的优先权，特此通过引用将该美国专利申请全部并入。

背景技术：

除非本文另外指出，否则本部分中描述的材料并不是本申请中的权利要求的现有技术，并且并不因为被包括在本部分中就被承认为是现有技术。

机器人系统，例如包含抓取组件的机器人臂，可用于涉及拾起或移动物体的应用。例如，机器人设备可用于用物体填充货柜，创建物体的堆叠，或者从卡车箱卸载物体。在一些情况中，所有物体可能是相同类型的。在其他情况中，货柜或卡车可包含不同类型的物体的混合，例如盒装物品、金属罐、轮胎或者其他可堆叠物体。这种机器人系统可基于关于物体在环境中何处的预定知识来指导机器人臂拾起物体。

技术实现要素：

本公开提供了可对包括多个吸盘的吸取抓具提供控制的方法和装置。真空泵可被控制来通过吸取抓具的一个或多个活跃吸盘向物体施加吸力以使得抓具抓取物体。与吸盘相对应的数字或模拟传感器随后可用于测量活跃吸盘中的一个或多个的真空压力。基于来自数字或模拟传感器的传感器数据，控制系统可识别出活跃吸盘中的一个或多个被解除激活。

在一个示例中，公开了一种包括吸取抓具和控制系统的系统。吸取抓具可包括真空泵、与真空泵耦合的多个吸盘和与吸盘相对应的多个传感器，其中传感器被定位在真空泵与吸盘中的相应一个之间并且测量吸盘中的相应一个的真空压力。控制系统可被配置为激活真空泵以使得吸取抓具通过多个吸盘之中的一个或多个活跃吸盘向物体施加吸力，从相应传感器接收指示一个或多个活跃吸盘的真空压力的传感器数据，基于接收到的传感器数据，从一个或多个活跃吸盘中识别要解除激活的至少一个吸盘，并且解除激活所识别的至少一个吸盘。

在另一示例中，提供了一种方法，包括激活真空泵来使得吸取抓具通过吸取抓具的一个或多个吸盘向物体施加吸力。该方法还可包括从与一个或多个吸盘相对应的一个或多个传感器接收指示一个或多个吸盘的真空压力的传感器数据，其中一传感器被定位在真空泵与吸盘中的相应一个吸盘之间并且确定吸盘中的相应一个吸盘的真空压力。基于接收到的传感器数据，该方法还可包括由计算设备从一个或多个吸盘中识别要解除激活的至少一个吸盘。该方法还可包括解除激活所识别的至少一个吸盘。

在另一示例中，公开了一种非暂态计算机可读介质，其中存储有指令，这些指令当被计算系统执行时使得该计算系统执行功能。这些功能可包括激活真空泵来使得吸取抓具通过吸取抓具的一个或多个吸盘向物体施加吸力。这些功能还可包括从与一个或多个吸盘相对应的一个或多个传感器接收指示一个或多个吸盘的真空压力的传感器数据，其中一传感器被定位在真空泵与吸盘中的相应一个吸盘之间并且确定吸盘中的相应一个吸盘的真空压力。基于接收到的传感器数据，这些功能还可包括从一个或多个吸盘中识别要解除激活的至少一个吸盘。这些功能还可包括解除激活所识别的至少一个吸盘。

在另外一个示例中，一种系统可包括用于激活真空泵来使得吸取抓具通过吸取抓具的一个或多个吸盘向物体施加吸力的装置。该系统还可包括用于从与一个或多个吸盘相对应的一个或多个传感器接收指示一个或多个吸盘的真空压力的传感器数据的装置，其中一传感器被定位在真空泵与吸盘中的相应一个吸盘之间并且确定吸盘中的相应一个吸盘的真空压力。基于接收到的传感器数据，该系统还可包括用于从一个或多个吸盘中识别要解除激活的至少一个吸盘的装置。该系统还可包括用于解除激活所识别的至少一个吸盘的装置。

前述总结只是例示性的，而并不打算以任何方式进行限定。除了以上描述的例示性方面、实施例和特征以外，通过参考附图和接下来的详细描述和附图，更多的方面、实施例和特征将变得清楚。

附图说明

图1A根据示例实施例示出了安装在可动推车上的机器人臂。

图1B是根据示例实施例图示出机器人设备的功能框图。

图2A根据示例实施例示出了机器人臂和一堆箱子。

图2B根据示例实施例示出了由安装在机器人臂上的传感器扫描来自图2A的那堆箱子。

图2C根据示例实施例示出了来自图2A的机器人臂移动箱子。

图3是根据示例实施例的方法的框图。

图4A根据示例实施例图示了具有多个吸盘的抓具。

图4B根据示例实施例图示了具有多个吸盘和相应传感器的抓具。

图4C根据示例实施例图示了来自图4B的传感器的示例传感器数据。

图4D根据示例实施例图图示了具有不同的活跃吸盘的来自图4A的抓具。

具体实施方式

本文描述了示例方法和系统。本文描述的任何示例实施例或特征不一定要被解释为比其他实施例或特征更优选或有利。本文描述的示例实施例不欲进行限定。容易理解，公开的系统和方法的某些方面可按许多种不同的配置来布置和组合，所有这些在这里都已设想到。

另外，附图中示出的特定布置不应当被视为限制性的。应当理解，其他实施例可包括更多或更少的给定附图中所示的每种元素。另外，一些图示的元素可被组合或省略。此外，示例实施例可包括附图中没有图示的元素。

示例实施例可提供对具有多个吸盘的吸取抓具的控制。机器人操纵器(例如，机器人臂)可配备有这种抓具以便拾起和/或移动物体，比如箱子。示例吸取抓具可包括能够附着到物体的多个吸盘。为了抓取物体，吸取抓具可通过与物体的表面相邻或相连接的一个或多个活跃吸盘向物体施加吸力。在一些示例中，共同的真空泵可用于通过活跃吸盘施加吸力。在另外的示例中，可用吸盘的不同子集可被激活来抓取特定物体，同时其他吸盘被解除激活。

在示例内，模拟或数字传感器可用于测量吸取抓具的个体吸盘的真空压力。更具体而言，模拟或数字传感器可被内嵌放置在特定吸盘和共同的真空泵之间以便确定特定吸盘的使用水平。在另外的示例中，控制系统可使用来自内嵌传感器的传感器数据来识别出一个或多个吸盘来解除激活(例如，通过关闭一个或多个阀门以防止真空泵通过被解除激活的吸盘施加吸力)。通过解除激活一个或多个吸盘，抓具可通过剩余的活跃吸盘向抓取的物体施加更大的吸取力。

在示例实施例中，控制系统可首先确定一种取向来将吸取抓具定位到物体上以使得吸盘中的一个或多个接触物体。例如，控制系统可使用来自一个或多个光学传感器的指示物体的大小和形状的光学传感器数据来确定如何定位抓具。控制系统随后可激活与物体接触的吸盘以向物体施加吸力。内嵌传感器随后可向控制系统提供指示出每个活跃吸盘的真空压力的传感器数据。控制系统可使用个体吸盘的真空压力测量值来修改用于抓取物体的活跃吸盘的集合。

在一些示例中，控制系统可从活跃吸盘的群组中解除激活具有最低真空压力的特定数目的吸盘。例如，十个吸盘最初可被激活来抓取物体，然后这十个之中的具有最低真空压力的两个吸盘可被解除激活。在其他示例中，任何具有低于一定阈值水平(例如，低于10英寸汞柱或低于20英寸汞柱)的真空压力的活跃吸盘可被解除激活。在另外的示例中，传感器可帮助识别并解除激活未能实现良好吸取的吸盘(例如，当吸盘未被正确定位来抓取物体时或者当物体的特定表面难以抓取时)。

在额外的示例中，控制系统可解除激活吸盘中的一个或多个以力图最大化由吸取抓具向物体施加的整体抓取力。例如，控制系统可基于个体吸盘的真空压力的当前水平来预测当激活吸盘的不同子集时抓具将会实现的抓取力。在另外的示例中，在解除激活一个或多个吸盘之后，控制系统可从内嵌传感器接收指示出剩余活跃吸盘的真空压力的额外传感器数据。在一些示例中，控制系统随后可解除激活额外的吸盘和/或重新激活某些被解除激活的吸盘来进一步优化吸取抓具的抓取力。

在额外的示例中，指示个体吸盘的真空压力的传感器数据可被接收并存储用于多次使用吸取抓具来拾起和/或移动物体。在一些示例中，随着时间流逝接收的这个传感器数据可用于识别一个或多个吸盘以替换。例如，如果传感器数据指示出特定吸盘(例如，左上吸盘)的反复不佳性能和/或控制系统在捡拾物体时经常解除激活特定吸盘，则该吸盘可被标记为被新吸盘所替换。

在示例内，吸取抓具可耦合到机器人设备并且被机器人设备用于拾起和/或移动物体。在一些示例中，可确定轨迹来移动物体而不引起吸取抓具掉落物体(例如，由于移动得太快和/或在抓具上产生了太大的力)。在额外的示例中，可部分基于对吸取抓具向物体施加的总抓取力的测量来确定轨迹，该总抓取力可基于个体活跃吸盘的真空压力来估计。

在一些示例中，机器人设备也可配备有力-扭矩传感器来用于测量抓具上的力。在另外的示例中，通过将吸取抓具向物体施加的抓取力与测量到的由于移动经过给定轨迹而产生的抓具上的力相比较，来自力-扭矩传感器的数据可用于确定或修改轨迹来防止吸取抓具掉落物体。

在额外的示例中，来自吸取抓具的内嵌传感器的传感器数据可用于细调未来用于移动物体的抓取策略。例如，可基于抓具和/或吸盘的过去性能来随着时间流逝改善用于抓取不同类型的物体的抓具和/或吸盘的定位。在另外的示例中，额外地或替换地，可随着时间流逝调整对于不同类型的物体激活哪些吸盘。在一些示例中，一个或多个机器学习算法也可与来自吸取抓具的内嵌传感器的数据反馈结合使用来确定或细调未来抓取策略。

现在将详细述及各种实施例，这些实施例的示例在附图中图示。在以下详细描述中，阐述了许多具体细节以便提供对本公开和描述的实施例的透彻理解。然而，没有这些具体细节也可以实现本公开。在其他情况中，没有详细描述公知的方法、过程、组件和电路，以免不必要地模糊实施例的各方面。

根据各种实施例，本文描述了用于箱子和/或其他物体的自动化装载和/或卸载的方法和系统，例如装载到贮存货柜中或者从车辆卸载。在一些示例实施例中，箱子或物体可被自动组织并放置到货盘上。在示例内，使装载/卸载卡车的过程和/或从物体创建货盘的过程自动化以便更容易贮存和运输可提供多个工业和商业优点。

根据各种实施例，使装载/卸载卡车的过程和/或创建货盘的过程自动化可包括包含一个或多个机器人设备来移动物体或执行其他功能。在一些实施例中，通过与带轮基座、万向基座(例如，可在任何方向上移动的基座)或者天花板、墙壁或地板上的轨道耦合，可以使机器人设备可移动。在一些实施例中，基座可以是提升基座。

在一些示例中，描述了包括一个或多个传感器、一个或多个计算机和一个或多个机器人臂的系统。传感器可扫描包含一个或多个物体的环境以便捕捉视觉数据和/或三维(3D)深度信息。来自扫描的数据随后可被集成到更大区域的表示中以便提供数字环境重建。在额外的示例中，重建的环境随后可用于识别要拾起的物体，确定对物体的拾取位置和/或为一个或多个机器人臂和/或移动基座规划无碰撞轨迹。

当在本文使用时，术语“箱子”将指可被放置到货盘上或者装载到卡车或货柜上或从卡车或货柜卸载的任何物体或物品。例如，除了矩形固体以外，“箱子”还可以指罐子、鼓形物、轮胎或者任何其他“简单”形状的几何物品。因此，“装载”和“卸载”各自可用于暗示另一者。例如，如果一示例描述了用于装载卡车的方法，则要理解基本上相同的方法也可用于卸载卡车。当在本文使用时，“货盘装运”(palletizing)指的是将箱子装载到货盘上并且以使得货盘上的箱子可在货盘上被贮存或运输的方式来堆叠或布置箱子。此外，术语“货盘装运”和“货盘拆卸”各自可用于暗示另一者。

当然，这里的示例也可应用到除了箱子以外的物体，以及应用到各种大小和形状的物体。

根据各种实施例，机器人操纵器可被安装在万向推车上(例如，具有允许推车在任何方向上移动的轮子的推车)。图1A描绘了包含机器人操纵器的示范性万向推车。在一些实施例中，可动推车112可包括安装在推车112上的机器人臂102。机器人臂102可包含抓取组件104，用于抓取环境内的物体。推车可包含一个或多个轮子114，轮子114可以是以两个自由度工作的万向轮。在另外的示例中，在万向推车112上可包括卷绕式前传送带110。在一些示例中，卷绕式前传送带可允许机器人在从卡车货柜或货盘卸载箱子或者向卡车货柜或货盘装载箱子时不是必须要将其抓具向左或右旋转。

在其他示例中，机器人操纵器可被安装在不同类型的可动装置上或者可完全不被安装在可动基座上。例如，机器人操纵器可被安装在工厂设置内的固定位置处。在其他示例实施例中，一个或多个机器人操纵器可被安装在卡车或货柜的轨道上。在这种示例中，机器人操纵器可用于装载或卸载卡车或货柜。

图1B是根据示例实施例图示出机器人设备100的功能框图。机器人设备100可包括各种子系统，例如机械系统120、传感系统130、控制系统140以及电源150。机器人设备100可包括更多或更少的子系统，并且每个子系统可包括多个元素。另外，机器人设备100的每个子系统和元素可被互连。从而，机器人设备100的描述的功能中的一个或多个可被分割成额外的功能组件或物理组件，或者组合成更少的功能组件或物理组件。在一些另外的示例中，可向图1A和1B所示的示例添加额外的功能组件和/或物理组件。

机械系统120可包括上文联系图1A描述的组件，包括机器人臂102、抓具104、传送带110、(可动或万向)推车112和一个或多个轮子114。机械系统120可额外地包括马达122，马达122可以是由电力供能的电动机，或者可由多种不同的能量源供能，例如基于气体的燃料或者太阳能。此外，马达122可被配置为从电源150接收电力。电源150可向机器人设备100的各种组件提供电力，并且可表示例如可再充电锂离子或铅酸电池。在示例实施例中，这种电池的一个或多个电池组可被配置为提供电力。其他电源材料和类型也是可能的。

传感系统130可使用附着到机器人臂102的一个或多个传感器，例如传感器106和传感器108，它们可以是随着机器人臂102移动而感测关于环境的信息的2D传感器和/或3D深度传感器。传感系统可确定关于环境的信息，该信息可被控制系统140(例如，运行运动规划软件的计算机)用来高效地拾取和移动箱子。控制系统140可位于设备上或者可与设备远程通信。在另外的示例中，来自在移动基座上固定安装的一个或多个2D或3D传感器(例如前导航传感器116和后导航传感器118)和安装在机器人臂上的一个或多个传感器(例如传感器106和传感器108)的扫描可被集成来构建环境的数字模型，包括卡车或其他货柜的侧面、地板、天花板和/或前壁。利用此信息，控制系统140可使得移动基座导航到某一位置中来卸载或装载。

在额外的示例中，可从3D传感器提取平面表面信息来对墙壁、地板和/或箱面建模。在对地板建模之后，将物体投影到地板平面上可使得能够分割障碍物和/或诸如箱子之类的目标物体。地板平面投影也可用于对货柜或卡车的波形侧建模，这些波形侧可能不会被准确建模为平面。在另外的示例中，侧壁角度、地板平面滚转和俯仰和/或与侧壁的距离可用于将移动基座调遣到货柜中而没有碰撞。使用扩展的3D信息而不是单线扫描可帮助使得导航信息的提取鲁棒。例如，侧壁可具有被3D传感器捕捉的垂直幅度。使用单线的深度信息的扫描系统如果垂直扫描则可能更缓慢，和/或不那么鲁棒，因为它们获取更少的信息。在额外的示例中，前平面建模可确定在卡车卸载中到要拾取的下一组物体的距离。

在另外的示例中，机器人臂102可配备有抓具104，例如数字吸取栅格抓具。在这种实施例中，抓具可包括一个或多个吸入阀，这些吸入阀可由远程传感开启或关闭，或者由单点距离测量和/或通过检测是否实现吸取来开启或关闭。在额外的示例中，数字吸取栅格抓具可包括铰接式延伸。在一些实施例中，用流变液体或粉末来促动吸取抓具的可能性可使能在具有高曲率的物体上的额外的抓取。

在一些实施例中，抓具可有可能跨越若干个箱子或物体并且对于覆盖的物体中的一些或全部开启吸取。在一些实施例中，吸取或粘附设备可以是“数字”栅格，使得机器人设备可开启将会适配感测到要抓取的箱子的任何数目的吸取设备。在一些实现方式中，系统可注意到箱子中的缝隙(相邻箱子之间的分隔)，使得吸取器可在该缝隙的两侧被激活来一次拾起两个箱子，从而使吞吐量加倍。在一些实施例中，吸取器可在一定量的时间之后感测其是否能够成功抓住一表面，在此之后它们可自动关断。在另外的示例中，吸取器的节段可折向下来抓住箱子的顶部。例如，抓具最初可以完全展开的形式开始，然后符合被抓取的表面。

在另外的示例中，机器人臂可实现摆动运动来改善吸取抓取。在另外的示例中，机器人臂可以使箱子从一侧摆动到另一侧来帮助将箱子与其周围分割。在其他实施例中，臂可在拾起箱子时摆动以避免冲撞其他物体。在这种实施例中，当尝试粘附到物体以便利用吸取拾起它时，机器人臂可采用摆动运动来使得与物体有牢固接触。在另外的示例中，机器人臂可在机器人臂正拾起物体时摆动物体以使得箱子可轻柔地破除与其他物品的摩擦或重叠接触。这可帮助避免太直接或太迅速地向上拔起物体使得其他物品被抛入空中的情形。

根据各种实施例，纸箱可具有凹的、凸的或其他形式带皱的表面，这使得吸取设备难以粘附。从而，在吸取设备进行吸取接触时摆动吸取设备可使得能够在纸箱和其他非平面物体上具有更可靠的抓取。在另外的示例中，当最初抓取箱子时，几个中心吸取设备可被开启并且臂可随着其开始拉出箱子而来回摆动。这可破除与其他箱子的表面粘附并且帮助开始拉出箱子。一旦至少部分拉出了箱子，随后就可将箱子与其他箱子更容易地分割。在一些实施例中，在杂乱环境中拾起物体的同时进行摆动可将其他物体从拾起的物体移除，从而防止不合需要地拾起周围物体。

根据各种实施例，物品的分割对于成功的抓取可能是必要的。在一些实施例中，一光滑表面片可属于两个单独的物体。在这种情况中，操纵器与物体的交互可用于扰乱该场景以更好地将物体与彼此分割。对于运动分离，在传送机上的物体、在滑动装置上的物体、在搬运物中移动的物体和/或在搬运物内活跃推挤的物体的自然或受迫运动可被光流、视差或时间延迟视图所跟踪来计算立体深度以便增强物体分割。

在其他示例中，被传感系统使用的传感器中的一个或多个可以是注册到深度传感设备的RGBaD(RGB+主动深度)彩色或单色相机，该深度传感设备使用主动视觉技术，例如将图案投影到场景中，来使得能够在一个或多个相机和已知的偏移图案投影仪之间进行深度三角测量。这种类型的传感器数据可帮助使能鲁棒的分割。根据各种实施例，诸如条码、纹理一致性、颜色、3D表面属性或表面上的印刷文本之类的线索也可用于识别物体和/或发现其姿势以便知道在何处和/或如何放置该物体(例如，将该物体装入固定接收容器中)。在一些实施例中，也可采用阴影或纹理差别来分割物体。

机器人设备100的许多或所有功能可受控制系统140控制。控制系统140可包括至少一个处理器142(其可包括至少一个微处理器)，处理器142执行存储在例如存储器146这样的非暂态计算机可读介质中的指令144。控制系统140还可表示可用来以分布方式控制机器人设备100的个体组件或子系统的多个计算设备。

在一些实施例中，存储器146可包含指令144(例如，程序逻辑)，指令144可被处理器142执行来执行机器人设备100的各种功能，包括以上联系图1A-1B描述的那些。存储器146也可包含额外的指令，包括向机械系统120、传感器系统130和/或控制系统140中的一者或多者发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

根据各种实施例，描述了一种感知引导的机器人。例如，机器人设备可利用感知与规划的组合来引导机器人臂拾起箱子并将其放置到其需要去到的地方。图2A根据示例实施例图示了来自图1A的机器人设备的一部分与一堆箱子。如图所示，机器人设备可包括如上所述的具有抓取组件104的机器人臂102、传感器106和108以及传送机110。在一些示例中，机器人设备可被安装在如联系图1A描述的万向推车上，可被安装在不同类型的可动装置上，可被安装在铁轨或轨道上，或者可以是固定的。机器人设备可被控制来从包含箱子的形状和大小的异种混合的一堆箱子220中拾取箱子。

在示例内，包括2D和/或3D的物体的模型的虚拟环境可被确定并用于开发用于拾起箱子的规划或策略。在一些示例中，机器人可使用一个或多个传感器来扫描包含物体的环境，如图2B中所示。随着机器人臂102移动，臂上的传感器106可捕捉关于该堆箱子220的传感器数据以便确定个体箱子的形状和/或位置。在额外的示例中，通过集成来自个体(例如3D)扫描的信息可构建3D环境的更大图片。执行这些扫描的传感器可被放置在固定位置、放置在机器人臂上和/或放置在其他位置。根据各种实施例，可根据多种不同技术中的任何一种或全部来构造和使用扫描。

在一些示例中，可通过移动其上安装了一个或多个3D传感器的机器人臂来进行扫描。来自臂位置的反馈可提供关于传感器被定位在何处的姿势信息并且可用于帮助集成。替换地，或者额外地，可利用一个或多个2D传感器来进行扫描，例如通过利用运动并且跟踪环境中的关键点。在另外的示例中，扫描可从具有覆盖给定领域的视野(fields of view，FOV)的固定安装相机进行。在额外的示例中，可从视觉上对准扫描以帮助精细的姿势估计，可能给出更好的集成结果。

在另外的示例中，可利用3D体积或表面模型来构建虚拟环境以集成信息(例如，来自不同传感器的信息)。这可允许系统在更大的环境内操作，例如在一个传感器可能不足以覆盖大环境的情况下。这种技术也可提高捕捉的细节水平，这可帮助机器人设备执行各种任务。具体地，与仅仅来自单个扫描相比集成信息可产生更精细的细节(例如，通过降低噪声水平)。这可使得更好的物体检测、表面拾取或其他应用成为可能。

在另外的示例中，通过感测环境并且将该信息提取到简单数学3D几何形态(例如，平面、圆柱、圆锥、半球等等)的简化几何模型中可执行广角环境重建。在一些情况中，这种技术可使得运动规划更容易和/或可使得对模型的违反(例如，碰撞)更容易检测。替换地，或者额外地，这种技术可允许参数化的描述来扩展环境。例如，地面可被视为在遮挡它的物体背后延伸的平面。

在额外的示例中，可以3D提取环境中的平面或其他数学表面。这些已知的“理想”表面检测可被组合成环境的更精确模型。例如，平面可用于确定墙壁(或其数学描述)和其他障碍物的完整幅度以避免碰撞和检测感兴趣的物体在何处。另外，物体的数学表示可用于寻找异常，例如当人进入环境中时。这种事件会违反理想模型，这可使得对其的检测更容易。

在其他示例中，诸如箱子之类的某些物体可具有简单的平面形态。例如，金属罐可具有圆柱体的几何形态并且轮胎可具有圆环面的几何形态。示例系统可利用某些物体的这个特点来对它们建模和/或确定如何对这些物体进行运动规划。例如，某些形状的已知模板可用于细调检测到的看起来环境内的匹配特定形状的物体的特征。

在一些示例中，可至少部分经由一个或多个外观面来表示2D和3D信息。外观面(facade)可被定义为包含一组物体的接近平面的构造，被表示为深度地图(例如，作为第三维的距离的2D地图)。外观面的示例可包括卡车中的箱子壁、包含箱子或其他物体的货盘堆叠的顶部或者一箱杂乱物体的顶部。

在另外的示例中，可从箱子构造外观面，以例如规划应当以何种顺序拾起箱子。例如，如图2C中所示，箱子222可被机器人设备识别为下一个要拾起的箱子。可在基于由一个或多个传感器(例如传感器106和108)收集的传感器数据构造的表示箱子220的堆叠的前壁的外观面内识别箱子222。控制系统随后可确定箱子222是下一个要拾取的箱子，其中可能基于其形状和大小、其在箱子220的堆叠的顶部的位置和/或基于用于箱子的目标货柜或位置的特性来确定。随后可控制机器人臂102利用抓具104来拾起箱子222并将箱子222放置到传送带110上(例如，将箱子222运输到贮存区域中)。

在额外的示例中，外观面可被表示为3D表面信息的正交投影。此表示可允许解析外观面来为特定应用确定令人感兴趣的区域。例如，在卡车卸载时，可基于外观面表示来确定要拾取的下一个箱子的左上角。在其他示例中，可确定集成的3D环境的正交投影以给出用于执行应用相关任务的宽FOV、易解析表示。一个这种任务可以是找到箱子的一个或多个角落(例如，左上)来拾取。另一个这种任务可涉及找到良好的表面(例如，相对平坦且较大)来将物体拾取出容器。

在另外的示例中，一堆箱子的3D模型可被构造并用作模型来帮助规划和跟踪向堆叠或货盘装载箱子/从堆叠或货盘卸载箱子的进度。外观面的任何一个实际相机视图都可遭受视点遮挡和透视变形。因此，经由机器人臂移动的多个RGBD视图和/或来自推车基座或固定位置的不同视图可组合来创建要拾取的箱子的单个外观面。

在其他示例中，3D模型可用于碰撞避免。在示例内，规划无碰撞轨迹可涉及确定环境中的物体和表面的3D位置。轨迹优化器可利用由环境重建提供的3D信息来优化在障碍物存在的情况下的路径。在另外的示例中，优化器可实时工作并且可接受许多种类的约束。作为这种约束的示例，优化器可尝试使末端执行器在整个轨迹中始终保持水平。

在额外的示例中，环境可被捕捉为3D点的网格或集合。机器人臂可被表示为平面片段的凸包以便进行快速碰撞检查。环境的经常性或频繁的更新可允许机器人臂迅速地响应变化。在另外的示例中，优化器可在其整个路径中到处执行频繁的连续碰撞检查。优化器可接受以成本为形式的任意约束，例如与物体保持一定距离或者从给定角度接近目标位置。此外，优化器可通过在关节空间中工作、保持跟踪缠绕和从多个相反的动力学解决方案之中选择目标位置来避免机器人故障状况。用于运动规划的一个策略可涉及向前展望若干次移动来了解选择的目标关节位置对于下一次移动是否将会是可接受的。

在一些实施例中，路径约束，例如对于机器人臂、相机、线缆和/或其他组件的碰撞避免，可被放入基于约束的规划解决器中并被求解来得出为了感知而移动臂的最佳路径。此外，在一些实施例中，解决器可确定用于拾起、移动和放置物体的最佳路径。

根据各种实施例，3D和/或视觉传感器可被校准来确定其相对于工作空间的姿势。在固定传感器的情况下，校准可确定其在工作空间中的固定姿势。在臂上的传感器的情况下，校准可确定传感器从其附着到的臂链节的偏移姿势。

在示例内，校准技术可允许对工作空间中的任意数目的传感器的校准。校准可涉及确定多种参数和系数中的一些或全部。例如，校准可解出一个或多个固有参数，例如焦距和图像中心。作为另一示例，校准可确定一个或多个畸变系数，例如径向和切向畸变的模型。作为另外一个示例，校准可解出一个或多个外部参数，其中物体在相对于图案或其他传感器的场景中，这些传感器识别了场景中的同一图案。

在一些示例中，校准可至少部分利用校准图案来执行，校准图案可以是2D或3D的特征的已知集合。例如，可以使用点的已知图案，其中每个点和其他点之间的距离是已知的。校准可至少部分通过收集物体的多个不同视图来执行。在另外的示例中，在不同的位置捕捉校准图案的多个视图可允许(1)对相机的一个或多个系数的校准和/或(2)关于相机相对于坐标系统在何处的知识，该坐标系统是由校准图案固定之处确立的。在特定实施例中，场景中的相机可识别机器人臂上的校准图案，同时臂上的相机识别场景中的校准图案。

在额外的示例中，校准可涉及固定在场景中的相机。在此情况下，校准图案可被放置在机器人臂上。机器人臂可被配置为随着机器人臂上的校准图案的多个视图被收集而移动穿过场景。这可帮助校准相机和/或对于将相机的坐标系统与机器人的坐标系统联系起来是有用的。另外，每个设备相对于其他设备的关系可由每个设备随着机器人臂移动而确定。

在某些示例中，校准可涉及位于机器人臂上的相机。校准图案可被安装在墙壁或桌子上。然后，相机可被四处移动，从不同的机器人或机器人臂位置收集校准图案的多个视图。当收集不同的3D或2D视图时(例如，2、20、200)，这些视图可用于解出校准关系。在校准之后，当臂上的相机移动时，系统可确定其相对于基于场景中的校准图案的位置设置的坐标系统在何处。在特定实施例中，校准图案和相机都可以是可动的。例如，校准图案可位于传送带上，机器人臂可被配置为在该传送带上放置箱子。在校准之后，系统可确定相机相对于传送带上的该地点在何处。

在另外的示例中，为了3D传感器校准的鲁棒估计，可在两阶段过程中执行非线性优化。在一个阶段中，可从目标和传感器的相对姿势偏移得出初始化。在另一阶段中，给定初始化，批束调整可用于找到相机与目标点一起的最优姿势。校准可被扩展到对诸如关节长度和关节角度偏移之类的机器人参数的估计。

在其他示例中，相机在校准图案上的或者校准图案在相机上的已知的、精确的机器人运动可用于改善校准结果。例如，关于相机确切地如何移动的信息可用于获得更准确的相机校准。也就是说，如果相机被向右移动50mm，则可检测从校准物体的相应(透视投影)移动量。此信息可用于联合或单独优化校准和跟踪参数。

在额外的示例中，机器人可着眼于其正在进行的校准并且以使获得更好校准的信息最大化的方式来移动。例如，其可检测到一些视图区域尚未被看到并且去到这些视图。

在另外的示例中，提出了用于大体上从杂乱的收集区域到限定的容器的异种分类物品的实际操纵的系统。在一些实施例中，包含物品的拾取位置可能对于精确物体取向(一个或多个取向)不敏感并且物品可被混合在一起。在额外的示例中，物品的放置位置可能对物体取向敏感或不敏感。在一些示例中，拾取和放置区域可被定义为对于拾取或放置物体可接受的3D区域，带有一些容差。拾取和放置区域可能是非常杂乱的，具有相似的和/或全异的物体。在其他实施例中，物品可来自固定装置或者被放入固定装置中，固定装置例如是将分类的物品保持在特定取向的金属或塑料搭扣。

在额外的示例中，拾取和放置位置的环境建模可用于智能抓取位置和运动，以及事件报告(例如，当放置区域满了或者拾取区域空了时)。在一些示例中，可计算物体包围盒并且可找出物体的区别特征(例如纹理、颜色、条码或OCR)。在一些实施例中，通过对照由物体类型或物体ID索引的位置指派的数据库进行匹配，可将物体分类到指派目的地位置中。例如，物体的位置可通过读取条码、考虑物体的大小和/或通过识别物体的特定种类来得出。

在一些示例中，可以确定机器人设备的规划以便实现物体的目标位置内物体的特定配置。例如，装载/卸载或构造/解构货盘的目标可以是实现：1)致密堆积，其中箱子之间的气隙最小化，和/或2)不容易倒塌的稳定堆积。在一些实施例中，稳定性可要求一般来说重的物体在底部，并且轻的物体在顶部。在其他示例中，可创建货盘以避免非交织列堆叠、列倾斜或者坏堆叠的其他特性。

在另外的示例中，可以装载货盘或卡车/货柜以使得后续卸载过程中人类操作者的工作达到最低限度。例如，在一些实施例中，可以按后进先出顺序来放置物品以使得在开包时最先需要的物品在顶部，第二需要的物品在下一层，等等依此类推。在其他示例中，货盘的装载可独立于物品如何朝着包装单元流动。从而，根据一些实施例，系统可处理按随机顺序或者按预先已知的顺序发送的包裹。此外，在一些实施例中，系统可在运行中适应于物品的流动的变化。在另外的示例中，通过将一个或多个箱子保持在临时贮存区中可记录并缓冲这些箱子，其中在该临时贮存区中这些箱子的顺序可沿途被改变。

根据各种实施例，2D仿真器和/或3D仿真器可被利用于卡车或货柜装载/卸载或用于货盘装载/卸载。在一些示例中，一堆箱子的状态可在物理世界中被捕捉并被输入到仿真器中。在一些实施例中，从一个箱子到所有箱子的可变大小箱子队列可被仿真器用于找到下一个要拾取的箱子。例如，2个箱子或4个箱子或10个箱子的队列可被仿真器考虑。

在另外的示例中，仿真器可搜索队列中的箱子以通过试探算法和/或通过强力或多分辨率搜索来找到最佳箱子放置。在一些实施例中，系统可以以在先前更粗略水平中找到的最佳地点周围的越来越精细的箱子放置来递增。在一些实施例中，一旦确定了特定的下一个箱子的放置，就可使用物理规划器来进行运动规划以便将该箱子高效地移动到所确定的位置。在另外的示例中，可针对堆叠的质量(例如，密度、稳定性和/或顺序放置)连续地监视物理和仿真堆叠。在一些示例中，可重复该过程直到已放置了所有箱子或者目标货柜不再能够装入另一箱子为止。

图3图示了根据示例实施例示出可允许对具有多个吸盘的吸取抓具的控制的方法300的流程图。方法300可利用如联系图1A-1B图示和描述的可配备有吸取抓具的任何机器人设备执行，例如包括安装在可动推车上的机器人臂的设备。在其他示例中，方法300可利用安装在不同类型的可动装置上、安装在铁轨或轨道上或者安装在固定位置的机器人操纵器来执行。在另外的示例中，方法300的一部分或全部可由位于吸取抓具内、位于机器人设备上和/或与机器人设备远程通信的一个或多个控制系统来执行。此外，虽然描述了在单个机器人臂上具有安装了末端执行器的吸取抓具的示例，但各种替换实施例可包括其他类型的机器人操纵器，或者可包括集成了机器人操纵器的其他自动化系统。

此外，注意到联系本文描述的流程图描述的功能可实现为特殊功能和/或配置的一般功能硬件模块，被处理器执行来实现联系图3所示的流程图描述的特定逻辑功能、判定和/或步骤的程序代码的一些部分。当被使用时，程序代码可被存储在任何类型的计算机可读介质上，例如包括盘或硬盘驱动器的存储设备。

此外，图3所示的流程图的每个方框可表示被布线来执行该过程中的特定逻辑功能的电路。除非具体指出，否则图3所示的流程图中的功能可不按示出或论述的顺序执行，包括基本上同时执行分开描述的功能，或者在一些示例中甚至按相反顺序执行，这取决于所涉及的功能，只要维持描述的方法的整体功能即可。

如图3的方框302所示，方法300最初可涉及激活真空泵来使得吸取抓具通过一个或多个吸盘向物体施加吸力。更具体而言，吸取抓具可配备有一定数目的吸盘(例如，4个或9个或16个)，这些吸盘各自可附着到物体的表面。控制系统可通过使得真空泵通过活跃吸盘施加吸力(例如，以便抓取物体)来“激活”吸盘中的一个或多个。在一些示例中，一个或多个吸盘也可被解除激活，使得真空泵不通过被解除激活的吸盘施加吸力。例如，与每个被解除激活的吸盘相对应的阀门可被关闭来将真空泵与被解除激活的吸盘分离。

在示例内，吸取抓具可附着到使用吸取抓具来拾起和/或移动物体的机器人操纵器(例如，机器人臂)。在另外的示例中，机器人操纵器和/或吸取抓具的控制系统最初可将吸取抓具定位成使得抓具的吸盘中的一些或全部邻近物体并且可被激活来抓取物体。在额外的示例中，机器人操纵器可配备有能够检测物体的形状和/或大小的一个或多个光学传感器(例如，深度和/或视觉传感器)。控制系统可使用来自光学传感器的数据来定位抓具和/或确定最初激活抓具的哪些吸盘。

在一些示例中，所有吸盘可被定位成与物体的表面接触并且最初被激活来抓取物体。例如，吸取抓具可包含16个吸盘并且所有16个吸盘可被激活来拾起特定类型的物体。在额外的示例中，吸盘可被导向成贴附物体的不同表面。例如，在一个示例中，吸盘中的八个可被导向成贴附到箱子的顶表面，并且吸盘中的另外八个可贴附到箱子的前表面。在另外的示例中，吸取抓具在抓具的多个表面上可包括具有不同取向的吸盘群组来抓取物体的多个面。

在额外的示例中，最初可只激活吸取抓具的吸盘的某个部分来抓取物体。例如，吸取抓具可包含16个吸盘，但这些吸盘中只有10个可被定位成贴附到特定物体以便抓取该物体。在另外的示例中，取决于物体的哪些表面可被抓取，吸盘的特定子群组可被激活以便捡拾物体。例如，系统可执行“顶部捡拾”来仅利用箱子的顶表面抓取物体，并且只有用于为了顶部捡拾而向箱子的顶表面施加吸力的吸盘可被激活。

在额外的示例中，感知控制系统可利用光学传感器数据和/或其他类型的数据来确定如何定位抓具和/或激活哪些吸盘来捡拾特定物体。在另外的示例中，三维视觉数据可用于确定相对于吸盘性能而言物体表面的表面质量的估计。表面质量的估计可用于在抓取开始之前初始化吸盘的状态，包括放置和/或真空流。在一些示例中，这个初始化可使得基于真空传感器反馈的控制算法能够更迅速地收敛。

在额外的示例中，表面质量度量可基于表面的曲率(例如，表面有多接近平面)、表面的连续性(例如，表面是否具有孔洞或其他变形)和/或表面的纹理(例如，表面是粗糙还是光滑的)。在另外的示例中，表面质量度量也可基于面积(例如，吸盘是将覆盖整个区域还是区域的某个部分)。指示在特定表面上的吸盘性能的其他因素也可额外地或替换地用于确定度量的表面质量。

在一些示例中，表面质量度量可用作抓取搜索算法的一部分来找到良好的抓取放置。在其他示例中，表面质量度量也可用于估计抓具可能施加的可能抓取力。在一些情况下，此估计可被控制算法用于中止抓取或者选择更保守的轨迹来移动物体。在另外的示例中，表面质量度量和可能抓取力的相应估计可用作真空吸盘控制算法的先验。

图4A根据示例实施例图示了具有多个吸盘的吸取抓具。更具体而言，吸取抓具400可包括多个吸盘404-420来抓取诸如箱子402之类的物体。吸取抓具400还可包括真空泵430，真空泵430能够通过吸盘404-420中的任何一者或全部施加吸力以便向物体施加吸力。在一些示例中，吸取抓具400可被安装在末端执行器上或者以其他方式耦合到机器人操纵器来移动已被抓具抓取的物体。在图4A中，吸取抓具400被示为具有9个吸盘，但可使用不同数目的吸盘。此外，诸如真空泵或吸盘之类的吸取抓具的组件也可按不同方式配置和/或位于不同位置，与这里具体例示的不同。

在另外的示例中，吸取抓具400的吸盘404-420中的一个或多个可被激活来抓取物体。例如，控制系统可首先通过打开将特定吸盘与真空泵分离的阀门来激活这些吸盘，然后其可激活真空泵以通过打开的吸盘来施加吸力。在一些示例中，吸盘404-420中只有某一部分可被激活来抓取特定物体。例如，如图4A中的阴影圆圈所示，被定位得邻近箱子402的表面的六个吸盘406、408、412、414、418和420可被激活来使得吸取抓具400抓取箱子402。此外，吸取抓具400的其他吸盘404、410和416在捡拾箱子402期间可被解除激活，如图4A中的开放圆圈所示。因此，吸取抓具430最初在抓取箱子402时可只通过活跃吸盘406、408、412、414、418和420施加吸力。在另外的示例中，抓具400的控制系统可使用光学传感器数据来确定如何定位抓具400和/或最初激活哪些吸盘来抓取箱子402。

返回参考图3，方法300还可涉及从一个或多个传感器接收指示出一个或多个活跃吸盘的真空压力的传感器数据，如方框304所示。更具体而言，一个或多个数字或模拟传感器可被内嵌定位在吸盘和真空泵之间以测量个体吸盘的真空压力。可在吸取抓具已激活了吸盘来向物体施加吸力之后接收传感器数据以便测量在抓取物体期间个体吸盘的利用率。

在一些示例中，传感器可测量个体吸盘的真空响应水平(例如，0到30英寸汞柱之间的真空响应水平)。在其他示例中，传感器可以额外地或替换地以其他方式报告传感器数据。例如，传感器可以只报告特定吸盘的真空压力是否高于阈值水平(例如，高于10英寸汞柱)。在另外的示例中，传感器可在抓取物体之后的特定时间点、按特定时间间隔和/或连续地报告传感器数据。

图4B根据示例实施例图示了具有多个吸盘和相应传感器的吸取抓具。更具体而言，吸取抓具400可包括与吸盘404-420相对应的数字或模拟传感器454-470。传感器454-470可被定位在真空泵430和吸盘404-420之间以便测量吸盘404-420的真空压力。

在一些示例中，传感器454-470的每一者可对应于吸盘404-420中的特定一个以测量特定的对应吸盘的真空响应。例如，传感器456可对应于吸盘406以在吸盘406被激活时测量吸盘406的真空压力，传感器462可对应于吸盘412以在吸盘412被激活时测量吸盘412的真空压力，等等。在另外的示例中，可只从对应于活跃吸盘的传感器接收传感器数据。例如，参考图4B，可以只从与被吸取抓具400用来抓取箱子402的六个活跃吸盘406、408、412、414、418和420相对应的传感器456、458、462、464、468和470接收传感器数据。

在一些示例中，如图4B中所示对于每个吸盘可以有一个传感器与之相对应来测量相应吸盘的真空压力。在其他示例中，传感器可只被包括来测量吸取抓具中的某些吸盘的真空压力。例如，对于来自吸盘的若干个子群组的每一者的一个吸盘可包括一传感器，其中不同的子群组可用于抓取不同的表面和/或物体的不同片段。在这种示例中，对于一个吸盘接收的传感器数据可用于控制整个子群组(例如，关闭或开启该子群组中的所有吸盘)。在另一示例中，一传感器可改为测量吸盘的整个子群组而不是个体吸盘的真空响应(例如，通过安排多个吸盘经过单个传感器)。在另外的示例中，传感器的不同类型或配置也可被一起用于单个吸取抓具内。

返回参考图3，方法300还可涉及从一个或多个活跃吸盘中识别至少一个吸盘来解除激活，如方框306所示。更具体而言，控制系统可使用从内嵌传感器接收的指示个体吸盘的真空压力的传感器数据来识别一个或多个吸盘来解除激活以力图改善吸取抓具的性能。

在一些示例中，控制系统可从活跃吸盘的群组中解除激活具有最坏性能的一定数目的吸盘。例如，控制系统可解除激活十个活跃吸盘之中的具有最低真空压力的两个或三个吸盘。通过解除激活一个或多个吸盘，真空泵可通过剩余的活跃吸盘施加更大的吸取力。

在另外的示例中，控制系统可解除激活具有低于某个阈值水平的真空响应的吸盘。例如，该阈值水平可被设置为八英寸汞柱，并且具有低于八英寸汞柱的传感器读数的任何吸盘可被解除激活。在额外的示例中，可依据诸如要抓取的物体的大小或类型、活跃吸盘的数目和/或使用不同阈值水平的抓具的过去性能之类的因素来改变该阈值水平。

在另外的示例中，控制系统可解除激活吸盘以力图最大化吸取抓具的整体抓取力。例如，控制系统可使用个体吸盘的真空响应来为活跃吸盘的不同组合预测吸取抓具的抓取力。在另外的示例中，控制系统可求解优化问题来识别最大化整体抓取力的一组吸盘。在其他示例中，一个或多个试探也可用于识别要解除激活的吸盘。在另外的示例中，这些试探可利用一个或多个机器学习算法来学习。例如，可确定如果抓取物体的特定表面或片段的一个或多个吸盘具有较差的真空响应，则抓取该物体的同一表面或片段的一个或多个其他吸盘也应当被解除激活。

在额外的示例中，控制系统可采用实时切换来在一个或多个时间点激活和/或解除激活一个或多个吸盘。例如，在解除激活一个或多个吸盘之后，控制系统可接收指示出仍然活跃的一个或多个吸盘的真空压力的额外传感器数据。控制系统随后可重新评估使用哪些吸盘来抓取物体。在一些情况下，控制系统可解除激活一个或多个额外的吸盘和/或重新激活一个或多个被解除激活的吸盘来进一步微调抓具的性能。在另外的示例中，活跃吸盘的集合可随着时间流逝被控制系统周期性地修改(例如，随着机器人臂在用抓具抓取物体的同时移动物体)。

图4C根据示例实施例图示了可被控制系统用于识别要解除激活的一个或多个吸盘的传感器数据。更具体而言，从内嵌传感器接收的传感器数据可指示活跃吸盘406、408、412、414、418和420的当前真空压力水平。真空压力水平在图4C中被描绘为条柱476、478、482、484、488和490，它们可表示相应吸盘406、408、412、414、418和420的每一者的真空响应的不同水平。例如，条柱476可高于条柱488，表明吸盘406具有比吸盘418更强的真空响应。在一些示例中，可从0到30英寸汞柱测量真空响应，其中30是完全真空。

在另外的示例中，吸取抓具400的控制系统可基于由条柱476、478、482、484、488和490描绘的传感器数据来识别要解除激活的活跃吸盘406、408、412、414、418和420中的一个或多个。例如，在一个示例中，控制系统可从活跃吸盘的群组中解除激活具有最低真空压力的两个吸盘。因此，控制系统可解除激活吸盘418和吸盘420。在其他示例中，可以替换地或者额外地使用识别要解除激活的吸盘的不同方法。例如，吸盘418和420可被识别为要被解除激活，因为由条柱488和490图示的它们的相应真空压力水平可低于阈值真空水平。在另一示例中，优化问题的解可指示出吸取抓具400的整体抓取力可通过解除激活吸盘418和420来改善。在另外的示例中，可以额外地或替换地解除激活来自活跃吸盘的群组的一个或多个不同的吸盘。

返回参考图3，方法300还可涉及解除激活一个或多个所识别的吸盘，如方框308所示。在识别出要解除激活的吸盘之后，控制系统可解除激活这些吸盘以力图改善整体抓具性能。在一些示例中，控制系统可通过防止真空泵通过被解除激活的吸盘施加吸力来解除激活一个或多个吸盘。例如，抓具可包括与吸盘相对应的可打开且可关闭的阀门，它们将吸盘与真空泵分离。为了解除激活特定的吸盘，控制系统于是可使得相应阀门被关闭。在另外的示例中，替代阀门或者除了阀门以外，也可使用防止真空泵通过被解除激活的吸盘施加吸力的其他机制。

图4D根据示例实施例图示了在吸盘中的一个或多个被解除激活之后的具有多个吸盘的吸取抓具。更具体而言，控制系统可通过防止真空泵430通过吸盘418和420向箱子402施加吸力来解除激活吸取抓具400的两个吸盘418和420。在一些示例中，与吸盘418和420相对应的阀门可被关闭以将真空泵430与吸盘418和420分离来解除激活这些吸盘。在额外的示例中，可通过解除激活吸盘418和420来增大由真空泵430通过剩余活跃吸盘406、408、412和414施加的真空压力。在另外的示例中，通过解除激活吸盘418和420也可增大吸取抓具400的整体抓取力。

在额外的示例中，控制系统可在吸盘418和420已被解除激活之后接收指示剩余活跃吸盘406、408、412和414的真空压力的额外传感器数据。在另外的示例中，控制系统随后可从活跃吸盘406、408、412和414中解除激活一个或多个额外的吸盘和/或重新激活被解除激活的吸盘418和420的一者或两者来进一步细调整体系统性能。例如，解除激活吸盘418和420可导致剩余活跃吸盘中的一个或多个的性能的非预期下降，这可引起对用于抓取箱子402的活跃吸盘的集合的进一步修改。在另一示例中，取决于箱子是否在用于移动箱子的轨迹内，不同的吸盘可被解除激活和/或重新激活。

在另外的示例中，吸取抓具，例如来自图4A-4D的吸取抓具400，可被安装在机器人操纵器上或者以其他方式耦合到机器人操纵器(例如，机器人臂)来用吸取抓具移动物体。例如，机器人操纵器如前所述可被控制为向货盘或外观面装载或从货盘或外观面卸载箱子或其他物体。在一些示例中，机器人操纵器可首先将吸取抓具定位成使得一个或多个吸盘邻近物体。邻近的吸盘随后可最初被激活来抓取物体。在另外的示例中，例如图3的方法300那样的示例方法随后可用于在由机器人操纵器移动物体之前和/或期间对用于抓取物体的吸盘的集合进行细调。

在额外的示例中，可以为机器人操纵器确定轨迹来移动抓取的物体，而不引起抓具掉落物体。更具体而言，导致活跃吸盘的特定子集的吸取抓具的特定优化可在物体上产生一定量的抓取力。在一些示例中，可利用来自内嵌传感器的指示个体吸盘的真空压力的传感器数据来估计这个总抓取力。总抓取力可指示抓具的当前最大抓取能力，其可用于确定不会引起抓具掉落物体的轨迹。例如，给定物体上的当前抓取力，可以控制物体的速度或加速度以避免达到可能引起抓具掉落物体的水平。

在另外的示例中，机器人操纵器也可配备有力-扭矩传感器来测量抓具上的力(例如，从用抓具移动物体产生的力)。在一些示例中，来自力-扭矩传感器的传感器数据也可被控制系统用来确定轨迹来供机器人操纵器移动物体。例如，控制系统可考虑吸取抓具在物体上的抓取力和抓具本身随着物体被移动而经历的力两者来确定不会引起抓具掉落物体的轨迹。在另外的示例中，控制系统可以基于从力-扭矩传感器接收到的传感器数据周期性地修改轨迹来安全地移动物体而不掉落它。在另外的示例中，来自力-扭矩传感器的传感器数据也可被控制系统用于影响何时解除激活和/或激活吸盘和/或解除激活和/或激活哪些吸盘。

在额外的示例中，可以控制机器人操纵器来随着时间流逝用吸取抓具移动不同物体。在一些示例中，来自内嵌传感器的传感器数据可被控制系统用于标记吸取抓具的一个或多个吸盘要替换。例如，可以识别与吸取抓具使用的其他吸盘相比一贯性能不佳的特定吸盘。在这种示例中，性能不佳的吸盘可被识别并被替换吸盘所替换。

在另一示例实施例中，控制系统可接连循环过个体吸盘和/或吸盘的群组来测试泄漏的吸盘。例如，控制算法可最初涉及将抓具定位在要抓取的物体上方，其中所有吸盘处于关闭状态。然后，每个吸盘可按串行顺序被开启来了解该吸盘是否泄漏。例如，控制系统可顺序激活每个吸盘，等待平衡以确定该吸盘是否泄漏，然后如果其泄漏则解除激活该吸盘。

在另外的示例中，这种接连测试吸盘的控制系统可与本文描述的一个或多个其他控制策略一起使用。在其他示例中，该控制算法可用作后备方案，如果更激进的策略未能识别故障吸盘和/或在物体上实现良好抓取的话。在另外的示例中，接连测试吸盘可允许在抓具内使用不那么灵敏的传感器，尤其是在因为泵无法跟上该流程而造成一个或若干个吸盘上的吸力的失去使得在所有吸盘上压力上升的情况下更是如此。

在额外的示例中，控制算法可接连测试两个或更多个吸盘的群组。在一些示例中，可假定最坏预测流速来计算可被并行测试的吸盘的数目。允许控制系统一次激活多个未测量吸盘可允许更快完成测试过程。具体地，对于平衡的等待可被分摊在要测试的每组吸盘上。在其他示例中，预测每个吸盘的性能的先验知识可能是可用的，其也可用于加速收敛。

在另外的示例中，可利用来自内嵌传感器的传感器数据随着时间流逝细调机器人操纵器和/或吸取抓具使用的抓取策略。例如，指示不同吸盘抓取物体的利用率的传感器数据可用于确定未来如何定位抓具和/或最初激活哪些吸盘来抓取物体。在另外的示例中，也可利用过去的吸盘性能数据来确定如何细调活跃吸盘的集合(例如，激活和/或解除激活哪些吸盘)。在额外的示例中，控制系统可应用机器学习过程来改善对吸取抓具的未来控制决策。例如，控制系统可应用多种不同的可能机器学习过程中的任何一种或全部，包括人工神经网络、支持向量机、遗传算法、贝叶斯推理、贝叶斯网络、强化学习方法、回归分析和/或决策树。

本公开不限于本申请中描述的特定实施例，这些实施例意图作为各种方面的例示。在不脱离其精神和范围的情况下可做出许多修改和变化，这是本领域技术人员将会清楚的。除了本文列举的那些以外，本领域技术人员通过以上描述将会清楚在本公开的范围内的功能上等同的方法和装置。这种修改和变化意图被包括在所附权利要求的范围内。

以上详细描述参考附图对公开的系统、设备和方法的各种特征和功能进行了描述。在附图中，相似的符号通常标识相似的组件，除非上下文另有指示。本文和附图中描述的示例实施例不欲进行限定。在不脱离本文给出的主题的精神或范围的情况下，可以利用其他实施例，并且可以作出其他改变。容易理解，本文概括描述并且在附图中图示的本公开的各方面可按许多种不同的配置来布置、替换、组合、分离和设计，所有这些在这里都明确地设想到了。

表示信息的处理的方框，例如以上描述的方法300的方框，可对应于可被配置为执行本文描述的方法或技术的具体逻辑功能的电路。替换地或额外地，表示信息的处理的方框可对应于程序代码(包括相关数据)的模块、片段或部分。程序代码可包括可由处理器执行来实现方法或技术中的具体逻辑功能或动作的一个或多个指令。程序代码和/或相关数据可被存储在任何类型的计算机可读介质上，例如包括盘或硬盘驱动器在内的存储设备或其他存储介质。

计算机可读介质还可包括非暂态计算机可读介质，例如像寄存器存储器、处理器缓存和随机访问存储器(random access memory，RAM)那样短时间存储数据的计算机可读介质。计算机可读介质还可包括较长时间地存储程序代码和/或数据的非暂态计算机可读介质，例如次级或永久性长期存储装置，比如只读存储器(read only memory，ROM)、光盘或磁盘、致密盘只读存储器(compact-disc read only memory，CD-ROM)。计算机可读介质还可以是任何其他易失性或非易失性存储系统。计算机可读介质可被认为是例如计算机可读存储介质，或者有形存储设备。

另外，表示一个或多个信息传输的方块可对应于同一物理设备中的软件和/或硬件模块之间的信息传输。然而，其他信息传输可发生在不同物理设备中的软件模块和/或硬件模块之间。

附图中所示的特定布置不应当被视为限制性的。应当理解，其他实施例可包括更多或更少的给定附图中所示的每种元素。另外，一些图示的元素可被组合或省略。此外，示例实施例可包括附图中没有图示的元素。

虽然本文已公开了各种方面和实施例，但本领域技术人员将会清楚其他方面和实施例。本文公开的各种方面和实施例是为了例示，而并不打算进行限定，真实的范围和精神由所附权利要求指示。