随着中国制造2025的推进,能够与人协同工作的协作机器人发展迅猛。然而,针对协作机器人末端夹具的研究却相对较少。一方面,对于机械本体的研究热点偏向更具挑战性的仿人灵巧手,缺少工业用途的末端夹具的研究;另一方面,对于抓取规划的研究更多侧重于机械臂的运动规划方面,而较少有针对末端夹具的抓取策略的研究。本文设计了一款新型欠驱动灵巧抓手,并针对其抓取特点提出抓取规划。主要工作及创新点如下:(1)提出一种全新的欠驱动灵巧抓手结构。该欠驱动灵巧抓手以4驱动10自由度,实现多种抓取模式;单驱动多自由度的欠驱动指爪为灵巧抓手的关键部分,双段的驱动连杆利用弹性元件为指节附加权重,实现“最小能耗”效果;末端指节与掌面保持垂直、完全被动回拢,提供“指尖夹取”模式;对于不同接触模式下的指爪状态,对抓取指节位置、速度进行分析,优化抓取空间;对抓取力进行分析,优化弹性元件参数,使其不同指节运动规律合理合度、灵活而稳健。使用Adams进行抓取仿真实验,验证指爪回拢的运动特征与抓取的稳定性,确定机构后,完成欠驱动灵巧手整体的结构设计,并完成样机的制作。(2)基于力封闭性与最大稳定性进行平面多边形的抓取位置规划研究。建立抓取分析的数学模型,研究了稳定性指标的物理意义,并基于稳定性指标提出抓取位置优化算法。对不同平面多边形进行抓取位置规划,均能得到抓取性能较佳的抓取位置,验证了算法的有效性。(3)针对曲线轮廓物体的抓取,提出基于深度强化学习的抓取规划。比较了DQN与DDPG在抓取问题中的效果,针对图像状态维度较大,淹没抓手姿态状态的问题,提出针对状态分类的非全连接网络结构,验证了其可行性与在本文问题中的优势。(4)V-REP仿真平台下的抓取规划研究与实验验证。搭建Tensorflow深度强化学习实验平台与V-REP机器人仿真平台并进行联合仿真;对于抓取物图像状态输入层,分别使用Actor-Critic网络前各自增加一个卷积神经网络、单一卷积核提取边缘特征、Actor-Critic网络共享同一个卷积神经网络三种图像处理方法进行实验,比较不同网络结构对抓取仿真实验成功率的影响,验证了Actor-Critic网络共享同一个卷积神经网络的方式拥有更好的训练效果。