当前位置: 首页 > news >正文

清华大学顶刊发表|破解无人机抓取与投递难题

在城市配送、应急物资投放和仓储拣选等场景,人们期待无人机能够独立完成“取-运-投”全流程。然而主流多旋翼通常采用下挂式夹爪或机械臂,包裹悬在机体下方,带来重心下移、转动惯量增加等问题。为突破这一结构瓶颈,清华大学机械工程系赵慧婵副教授团队(Soft Robotics Lab),于今年5月在机器人顶刊The International Journal of Robotics Research 发表论文 “A Center-less Quadrotor Design with a Soft Enveloping Grasper for Aerial Grasping and Delivery Tasks”。论文提出 “中空四旋翼 + 柔性包覆抓手” 架构,通过将机身中央镂空为货仓并在内壁嵌入可充气硅胶抓手,使质心保持在螺旋桨平面,兼顾稳定飞行与高效抓取,为末端物流提供了一种紧凑、稳健的新方案。

视频来源:https://www.youtube.com/watch?v=qKxT7bOusKE

01 研究背景

目前,主流的空中抓取系统多采用以下两种思路:
1. 悬挂式机械臂/夹爪:
常见于空中操作研究,夹爪安装于无人机底部,抓取动作会导致重心偏移,飞控稳定性下降,且操控复杂。
2. 特种抓取机构
磁吸、吸盘、柔性夹爪等方案在特定目标上成功率高,但对包裹材质和尺寸依赖强,通用性与载重受限。

同时,传统多旋翼中央舱被飞控、电池等设备占据,货物只能悬挂,进一步放大质心变化并依赖人工或固定基站装卸。

  • 质心与惯量剧变,削弱姿态稳定性

  • 抓取机构-飞控耦合复杂,控制难度高

  • 高度依赖人工/基站,难以真正实现端到端自主投递

02 技术亮点

本研究围绕无人机空中抓取与投递过程中的质心控制、抓取适应性降落容差三大核心难点,提出了一种集中心载荷布局、柔性包覆夹爪与被动载荷引导于一体的高性能飞行平台,显著提升了多旋翼在载荷控制、任务适应性与作业效率方面的综合能力。

中空四旋翼设计

研究团队提出的Center-less Quadrotor打破传统“中心-轴臂”布局,采用四旋翼框架围绕中空载荷舱设计,将载荷直接置于无人机中心。

图片来源:Yu Herng Tan等,《The International Journal of Robotics Research》(2025),论文“A Center-less Quadrotor Design with a Soft Enveloping Grasper for Aerial Grasping and Delivery Tasks”。

优势:
1. 保证载荷始终位于无人机重心附近;
2. 减少飞行时的姿态干扰,提升控制一致性;
3. 载荷通过上下通道可自如进出,支持多种作业模式;
4. 动力电池、飞控和电调分别固定在四角梁内,避免了传统中心舱堆叠造成的散热、布线与结构冲突。

柔性包覆夹爪

为兼容不同尺寸与材质的包裹,研究团队在90mm中空货仓内壁铺设单腔体硅胶软套,利用机载气泵充气驱动实现全包覆抓取。测试表明,夹爪最大可夹持500g物体,可靠承载高达自重60%的负载。具有如下特点:1. 环形硅胶夹持层,内置气腔,通气后向内膨胀包覆目标平均9.8s充满、5.8s泄气复位;2. 高适应性:可适应多种尺寸与形状的物体;3. 高安全性:软材料减小对物体的挤压力,适合抓取易碎物。

图片来源:Yu Herng Tan等,《The International Journal of Robotics Research》(2025),论文“A Center-less Quadrotor Design with a Soft Enveloping Grasper for Aerial Grasping and Delivery Tasks”。

被动载荷引导系统(PPP)

针对抓取时无人机定位误差的问题,团队创新性地设计了被动载荷引导系统,在机体下方集成了一个PTFE伸缩环

  • 飞行阶段环直径保持约210mm,形成远大于抓手的捕获窗口;触地瞬间导向环受压沿滑轨回缩,直径约为80mm,将包裹顺势推入位于机身中心的柔性抓手;
  • 无需电机或传感器,结构轻量,使有效捕获面积扩大约6.9 倍,显著放宽无人机降落定位精度要求并提升自主抓取成功率。

图片来源:Yu Herng Tan等,《The International Journal of Robotics Research》(2025),论文“A Center-less Quadrotor Design with a Soft Enveloping Grasper for Aerial Grasping and Delivery Tasks”。

03 实验测试

多物体“抓-运-投”演示

无人机搭载柔性夹爪,完成了多种典型物体的抓取飞行测试,目标包括:饮料罐、玻璃杯、软包装盒、异形玩具。此外,系统还支持空中倒挂抓取、垂直柱体停靠等扩展功能,具备良好的实用性与拓展潜力。

  • 抓取-起飞成功率100%

  • 运输过程中滚/俯仰姿态均方误差保持 ≤ 0.6 °

  • 释放点水平误差<5 cm

图片来源:Yu Herng Tan等,《The International Journal of Robotics Research》(2025),论文“A Center-less Quadrotor Design with a Soft Enveloping Grasper for Aerial Grasping and Delivery Tasks”。

被动载荷引导测试

团队测试了被动载荷引导系统(PPP)在自主降落过程中的引导效果。

测试场景

  • 无人机降落至目标物体上方,PPP展开后引导物体进入夹爪区域。

  • 通过地面反作用力,环形引导器自动收缩,将物体准确送入抓取范围。

测试结果

  • 导向环将捕获面积扩大约6.9倍,显著放宽降落定位误差。

  • 无需电机或传感器,可在一定程度上减轻对高精度环境感知与控制的依赖。

图片来源:Yu Herng Tan等,《The International Journal of Robotics Research》(2025),论文“A Center-less Quadrotor Design with a Soft Enveloping Grasper for Aerial Grasping and Delivery Tasks”。

资源速递
论文链接:https://journals.sagepub.com/doi/10.1177/02783649251339772
文章内容仅用于学术交流与技术分享,图文资料版权归原作者及期刊所有,如有侵权请联系删除。

如果您有感兴趣的技术话题,请在留言区告诉我们!关注阿木实验室,更多技术干货不断更新!
开发遇到棘手难题可以上阿木官方论坛:bbs.amovlab.com
有工程师亲自解答10000+无人机开发者和你共同进步!

http://www.lryc.cn/news/596027.html

相关文章:

  • 第三章 Freertos物联网实战esp8266模块
  • LIMO:仅需817样本激活大模型数学推理能力,挑战“数据规模至上”传统范式
  • 从零构建智能对话助手:LangGraph + ReAct 实现具备记忆功能的 AI 智能体
  • MatterPort3D 数据集 | 简介 | 多途径下载
  • 低成本、高泛化能力的无人机自主飞行!VLM-Nav:基于单目视觉与视觉语言模型的无地图无人机导航
  • 基于模拟的流程为灵巧机器人定制训练数据
  • 动漫短剧系统开发全流程解析:从创意到上线的技术实践
  • CSS中的transform
  • 力扣面试150题--寻找峰值
  • Numpy的应用-2
  • 2025年远程桌面软件深度评测:ToDesk、向日葵、TeamViewer全方位对比分析
  • oracle查询数据结构滤涉及的sql语句
  • 开发者的AI认知指南:用大模型重新理解人工智能(下)
  • 疯狂星期四文案网第15天运营日记
  • PCIe Base Specification解析(三)
  • TDengine时序数据库 详解
  • Kotlin介绍
  • Python机器学习:从零基础到项目实战
  • 时序数据库 TDengine × Ontop:三步构建你的时序知识图谱
  • 如何编译RustDesk(Unbuntu 和Android版本)
  • LeetCode 658.找到K个最接近的元素
  • Linux下的EtherCAT主站环境搭建和通信测试
  • ZooKeeper学习专栏(五):Java客户端开发(原生API)详解
  • 小米视觉算法面试30问全景精解
  • Linux--指令初识
  • RxSwift 核心解析
  • 鸿蒙ArkTS多环境API管理与安全签名方案实践
  • 【React-Three-Fiber实践】放弃Shader!用顶点颜色实现高性能3D可视化
  • 学习做精准、自动化、高效的 GEO优化系统
  • 水电站自动化升级:Modbus TCP与DeviceNet的跨协议协同应用