郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！
IEEE ROBOTICS AND AUTOMATION LETTERS, no. 2 (2021): 2894-2901
Abstract
进化赋予了人类先进的抓取能力，将自适应手与有效控制相结合。如果物体移动或变形，可以快速调整抓取动作。用拟人化的手软抓握是机器人与为人类塑造的物体交互的强大能力。然而，大多数机器人应用程序使用真空、2指或定制的抓手。我们提出了一种受生物启发的脉冲神经网络(SNN)，用于软抓取来控制机器人手。两个控制回路组合在一起，一个来自电机原语，一个来自由反射激活的顺应控制器。手指基元代表关节之间的协同作用，而手基元代表不同的可供性。使用基于脊髓中神经元间回路的机制检测接触以触发反射。Schunk SVH 5指手用于抓取不同形状、硬度和大小的物体。SNN在不知道对象的确切属性的情况下适应了抓取动作。具有在线学习功能的兼容控制器被证明是敏感的，甚至可以抓住气球。与深度学习方法相比，我们的SNN需要每个抓取动作的一个示例来训练基元。不需要计算逆运动学或复杂的接触点规划。这种方法简化了控制，并可用于提供与人手相似的自适应特征的不同机器人。完全使用SNN和机械手实现的生物系统的物理模拟可以为抓取机制提供新的见解。