论文部分内容阅读
针对机器人多指手自身的特点，通过分析人手的抓取特性，对其可能具有的抓取模式进行分类。考虑被抓取物体的几何特征和任务要求，采用基函数为高斯核函数的RBF神经网络来表示被抓物体的样本特征和抓取模式之间的复杂非线性映射。将抓取模式分为10类，对于新的被抓物体，利用训练好的神经网络自动生成抓取模式，并利用VC＋＋／OpenGL建立了可视化仿真平台，进行了抓取模式分类仿真实验，结果表明对于新的物体，机器人可以选择适当的抓取模式进行抓取。