摘要
由于严重的遮挡和几何不确定性，尤其是在单视图感知条件下，如何精确操控那些小型且密集堆叠的物体仍然是一个难题。当使用单个RGB-D传感器进行观测时，诸如积木之类的无特征长方体物体的相邻表面在深度测量上往往会重叠，这使得可靠地分离个体物体并估算其姿态变得十分困难。本文提出了一种基于策略的感知与操控框架，用于在单个RGB-D传感器限制下对随机堆叠的积木进行重新排列。该框架采用基于高度图的感知流程，结合颜色过滤与几何推理来识别各个积木，并估算出适合操控的姿态。除了感知功能外，该系统还通过一种结构化的操控策略来确定机器人的动作，这一策略包括按区域搜索可直接执行的抓取动作、根据可及性和碰撞风险评估抓取候选项、为重新配置工作空间而进行选择性局部重抓取，以及在选择直接插入还是辅助滑动放置之间的模式选择。在该框架中，只有当当前扫描区域内没有可直接执行的抓取候选项且能找到合适的恢复目标时，才会执行受控的抓取与释放动作，从而无需额外的感知方式就能将杂乱的局部排列转化为更易于操作的状态。在与竞赛条件相当的实验环境中，实验结果显示任务成功率为99.02%，充分证明了所提框架的稳健性与可靠性。实验结果表明，基于策略的操控方法能够有效弥补单RGB-D传感器环境中的感知缺陷，从而在密集杂乱的环境中实现稳定高效的拾放操作。
