番茄采摘机器人7自由度机械臂与升降关节解耦运动规划方法研究

为解决番茄采摘机器人因固定基座导致目标超出可达空间或姿态不可达的问题，苏州大学团队提出基于可达性地图的解耦运动规划方法。该方法将7-DOF机械臂与升降关节协同规划，通过改进RRT*算法实现高效路径规划。实验表明，该方法在采摘任务中成功率提升至83.3%（30/36），显著优于固定基座法（36.1%）和Reuleaux法（77.8%），为农业机器人精准作业提供新思路。

　　

在垂直农业和温室种植场景中，番茄采摘机器人面临复杂环境挑战：果实悬挂高度差异大、生长姿态多变，且种植空间狭窄限制了机械臂的操作灵活性。传统固定基座的机械臂常因目标超出可达空间或姿态不可达而失败，导致采摘成功率骤降。苏州大学团队针对这一痛点，开发了一种创新性的解耦运动规划方法，研究成果发表在《Computers and Electronics in Agriculture》上，为农业机器人精准作业提供了突破性解决方案。

研究团队采用三项核心技术：首先构建7-DOF机械臂的可达性地图（Reachability Map）作为离线数据库；其次设计包含相似性成本（Similarity Cost）和重力成本（Gravity Cost）的复合运动评价体系；最后改进RRT*算法实现机械臂在最优升降高度下的实时路径规划。实验样本来自苏州尼惠农业温室提供的36组番茄植株。

Composite robotic manipulator system for harvesting robots
团队设计8-DOF复合机器人系统，通过升降关节扩展垂直工作范围。机械臂侧向安装的独特结构使其在狭窄空间保持灵活性，Arm-Lift控制系统实现升降关节与机械臂的协同规划。

Experiments and results
实地测试显示，解耦法在观察任务中成功率达97.2%（35/36），规划耗时仅3.09 ms；采摘任务成功率提升至83.3%，耗时5.95 ms。相比固定基座法（36.1%）和Reuleaux法（77.8%），新方法显著提高效率。改进RRT*算法有效解决多路径点规划难题，使机械臂能顺利从观察位姿经预抓取位姿到达最终采摘位姿。

Conclusion
该研究通过机械臂与升降关节的解耦规划，突破传统方法的可达空间限制。可达性地图的预计算策略将规划时间控制在毫秒级，满足实时作业需求。实验证实该方法能适应番茄植株的高度差异和复杂姿态，为农业机器人设计提供新范式。未来可通过优化成本函数和引入深度学习进一步提升性能。

这项研究的意义在于：首次将工业机器人领域的可达性分析应用于农业场景，提出的Arm-Lift协同控制框架为高自由度农业机器人设计树立标杆。成果已获江苏市监局科技项目（KJ2024079）和苏州科技计划（SNG2022055）支持，有望推动精准农业技术升级。