题目：Robotic Grasping of Novel Objects using Visionl
链接：机器人抓取新物体 | IEEE Xplore（IEEE的Xplore）
【端到端】
摘要：我们考虑抓取新物体的问题，特别是第一次通过视觉看到的物体。抓取以前未知的物体，一个没有3D模型的物体，是一个具有挑战性的问题。此外，即使给定一个模型，人们仍然必须决定在哪里抓住物体。我们提出了一种学习算法，它既不需要也不尝试构建对象的 3D 模型。给定一个物体的两张（或更多）图像，我们的算法试图在每个图像中识别几个点，这些点对应于抓取物体的良好位置。然后对这组稀疏的点进行三角测量，以获得尝试抓取的三维位置。这与标准的密集立体形成鲜明对比，后者试图对图像中的每个点进行三角测量（并且通常无法返回良好的 3D 模型）。我们用于从图像中识别抓取位置的算法是通过监督学习进行训练的，使用合成图像作为训练集。我们在两个机器人操作平台上演示了这种方法。我们的算法成功地抓取了各种各样的物体，如盘子、胶带卷、水壶、手机、钥匙、螺丝刀、订书机、粗线圈、形状奇特的电源喇叭等，这些在训练集中都没有出现。我们还将我们的方法应用于从洗碗机中卸载物品的任务。

题目：Grasping Unknown Objects in Clutter by Superquadric Representation
链接：通过超二次表示抓取杂波中的未知对象 |IEEE会议出版物 |IEEE Xplore
【传统】
摘要：本文提出了一种快速有效的杂波中未知物体抓取方法。抓取方法依赖于局部视图对象的实时超二次（SQ）表示和不完整的对象建模，非常适合杂乱场景中的未知对称对象，然后进行优化的对跖抓取。不完整的对象模型通过镜像算法进行处理，该算法假定对称性，首先创建一个近似的完整模型，然后适合 SQ 表示。抓取算法旨在实现最大的力平衡和稳定性，利用从 SQ 参数中快速检索尺寸和表面曲率信息的优势。计算SQ相对于重力方向的姿态，并与SQ的参数和夹持器的规格一起使用，以选择接近和接触点的最佳方向。SQ 拟合方法已在包含孤立对象和杂乱对象的自定义数据集上进行了测试。在PR2机器人上评估抓取算法，并给出实时结果。初步结果表明，尽管该方法基于简单的形状信息，但它优于其他基于学习的抓取算法，这些算法在时间效率和准确性方面也处于混乱状态。

题目：Soft contact grasping and orientation control of a rigid object using multibond graph
链接：使用多键图对刚性物体进行软接触抓取和方向控制 
【传统】
摘要：物体的软接触操作包括抓取、滑动、位移和方向控制。应用所建立的软接触键图模型，实现了两个垂直软垫之间圆柱盘、椭圆盘和方形块的抓取。所开发的接触算法应用于确定不同几何形状在每个时刻的界面处的接触节点。一个焊盘被限制为固定，而所需的抓取力则由比例微分控制器施加到另一个焊盘上。研究并比较了所有三种情况下达到稳定抓握姿势所需的时间。该模型确定了抓取的瞬态和稳态界面处的接触节点和接触力。对于相同的初始抓取姿态，在圆柱盘的情况下，接触节点的数量在瞬态下随时间增加，而在椭圆盘的抓取过程中减少，对于方形块保持不变。对于不同的几何形状，软材料的变形层的图案也不同。该模型还用于控制圆柱圆盘的方向，同时在两个水平垫之间滚动圆盘。反馈比例-积分-微分控制器测量圆盘的瞬时方向，并在上垫上施加所需的水平力，以实现所需的方向控制。该模型计算用于方向控制所需的瞬时接触力。通过仿真验证了所讨论的接触算法和键图模型。

题目：Robot Grasp Synthesis Algorithms: A Survey
链接：机器人抓取合成算法：一项调查 - K.B. Shimoga，1996 (sagepub.com)
摘要：本文介绍了现有的计算算法，这些算法旨在实现自主多指机器人手的四个重要属性。这四个特性是：灵巧性、平衡性、稳定性和动态行为 必须控制多指机械手才能拥有这些特性，从而能够以类似于人手的方式自主执行复杂的任务。

实现灵巧性的现有算法主要涉及求解无约束线性规划问题，其中可以选择目标函数来表示一个或多个当前已知的灵巧度量。实现平衡的算法还构成了一个线性规划问题，其中考虑了所有手指的正性、摩擦力和关节扭矩约束，同时优化了内部抓取力。稳定性算法旨在通过求解所需的指尖阻抗来实现正的确定抓取阻抗矩阵。这个问题简化为非线性规划问题。动态行为算法确定指尖阻抗，当实现指尖阻抗时，将导致所需的动态行为。这个问题也变成了线性规划问题。

如果机械手必须获得任何或所有这些适当的连接，相应的算法应该成为手部控制系统的组成部分。这些算法在本文中统称为机器人抓取合成算法。

题目：State of the Art Robotic Grippers and Applications
链接：State of the Art Robotic Grippers and Applications (semanticscholar.org)
摘要：在本文中，我们介绍了有关机器人抓手的最新调查。在许多情况下，现代机械手的性能要优于老式机械手，因为现在的机械手更坚固、可重复性更高、速度更快。技术进步也促进了抓取各种物体的发展。这包括软织物、微机电系统和合成板。此外，更新的材料也被用于改善机械手的功能，其中包括压电材料、形状记忆合金、智能流体、碳纤维等。本文介绍了从最早的机器人抓手到抓取方法的最新发展。与其他调查报告不同的是，我们重点关注机器人抓手在工业、医疗、易碎物体和软织物抓手方面的应用。我们报告了抓取机制的新进展，并讨论了它们在不同用途中的行为。最后，我们介绍了机械手在灵活性和性能方面的未来趋势，以及它们在机器人手术、工业装配、太空探索和微操作等新兴领域的重要应用。这些进步将为机器人抓手的新趋势提供一个未来展望。