机器人手部物品姿态估计新解法：六维力/力矩传感器+本体感知
　　2023年7月，RSS会议上刊登了机器人感知手部物品姿态解决方案的论文。手部物品姿态估计不准确是人形机器人领域面临的重要问题，目前使用视觉反馈来识别场景中物体并估计其形态是常用方法，但在视觉被阻碍的环境中（在狭窄的空间中进行精细装配或操作），该方法估计结果可靠性较差。密歇根大学机器人系的Andrea Sipos和Nima Fazeli利用机器人本体感知（自身关节处扭矩传感器的感知反馈）以及手腕上六维力/力矩传感器的触觉反馈来定位接触位置并估计物体姿态，简称SCOPE，该方法可精确的完成接触位置的确定和物体姿态的估计，有望推动人形机器人的发展。
　　SCOPE：精准确定接触位置，快速迭代估计物体姿态
　　SCOPE方法是在接收到六维力矩传感器和关节扭矩传感器的信号数据后，使用接触粒子滤波器方法处理完成物体姿态识别。论文中选用来源于德国宇航局的Franka Emika Panda机器人，其是一款高性能七轴协作机器人，每个关节都配有扭矩传感器，力控性能在同类型机器人里面处于领先地位，手腕的六维力/力矩传感器则是美国企业ATI生产。在估计过程中虽然初始分布有较大的误差和高方差，但SCOPE可以在短短几次迭代中以低方差估计物体姿态。并且实验发现，即使对于较小的，非凸形状的工具，SCOPE方法依然可以给出较为精确的姿态估计结果。
　　MultiSCOPE：实现多个接触跨物体姿态估计，助力机器人使用人类工具
　　Sipos和Fazeli进一步于2023年6月提出MultiSCOPE，该方法使用本体感知和手腕处六维力/力矩传感同时估计两个物体在未知配置情况下被两个协同手臂抓取的姿态。该方法由单个物体的感知扩展到多接触的交互，实现了跨动作的物体姿态估计。在该实验中机器人手持扳手可以拧动一个螺钉，即机器人既可以感受到直接接触的扳手形态，又可以通过扳手和另一只手臂上的力传感器感受到螺钉的状态变化，估计两个抓取物体的姿态，从而完成多任务。该实验的成功使机器人具备多物体的感知能力，有助于机器人操作人类工具完成多项任务，提高人形机器人多场景下的通用性。
　　六维力矩传感器+本体感知技术使姿态估计向多模态+高效连续性发展
　　基于六维力/力矩传感器和本体感知的物体姿态估计技术为机器人感知并抓取物体提供了新解法。该方法可与其他方法完成多模态互补，在无遮挡场景中，视觉感知方法可以与SCOPE共同使用以提高性能：比如机器人可以使用视觉反馈来初始化作用域和初步识别，提高感知效率。SCOPE技术未来的发展方向也会集中于减少收敛到准确的物体姿态估计所需的动作数量和连续的下一步动作选择算法，以提高机器人抓取物体的连续性和高效性。SCOPE与六维力/力矩传感器的结合有望加快人形机器人实际应用。
　　风险提示：算法技术不完善，实际场景应用困难，新技术出现。