Chulalongkorn University Theses and Dissertations (Chula ETD)

Other Title (Parallel Title in Other Language of ETD)

แผนการจับวัตถุที่เสถียรและมีประสิทธิภาพ โดยใช้บริเวณสัมผัสอิสระและการกักขังวัตถุ

Year (A.D.)


Document Type


First Advisor

Attawith Sudsang


Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Department (if any)

Department of Computer Engineering (ภาควิชาวิศวกรรมคอมพิวเตอร์)

Degree Name

Doctor of Philosophy

Degree Level

Doctoral Degree

Degree Discipline

Computer Engineering




A conventional way to find a proper grasp to grab and hold any object is to measure its stability which usually is based on physical constraint called force-closure. This execution works well from the theoretical point of view but often fails on an actual robot due to many reasons such as intrinsic errors in robot's system and a disparity between real and simulated physics. Several research works introduced methods to alleviate those issues and increase the success rate of grasping for a real robot. Caging and Independent Contact Region are ones of them. In this work, we investigate a method to find a grasp that is more stable and robust by combining those two techniques which result in a learning-based approach that utilizes an artificial neural network to find a proper grasp based on those techniques and some heuristic methods.

Other Abstract (Other language abstract of ETD)

งานวิจัยส่วนใหญ่คำนวณหาท่าจับที่เหมาะสำหรับการจับวัตถุใดๆ ด้วยการวัดความมั่นคงของท่าจับนั้น ซึ่งมักจะใช้คุณสมบัติทางฟิสิกส์ที่เรียกว่า คุณสมบัติแรงแบบปิด (force-closure) วิธีการหาท่าจับวัตถุแบบนี้มักจะทำงานได้ดีในทางทฤษฎี แต่มักเกิดข้อผิดพลาดเวลาใช้งานบนหุ่นยนต์จริง ซึ่งเกิดอาจเกิดจากหลายปัจจัยประกอบกัน เช่น สัญญาณรบกวนในระบบเซนเซอร์ ความไม่แม่นยำของตัวหุ่นยนต์ และความคลาดเคลื่อนระหว่างสิ่งที่เกิดขึ้นจริงและสิ่งที่คำนวณได้จากทฤษฎีทางด้านฟิสิกส์ นักวิจัยจึงนำเสนอวิธีการบรรเทาผลกระทบที่เกิดจากปัจจัยเหล่านี้ เพื่อให้ท่าจับที่คำนวณได้มีโอกาสสำเร็จมากขึ้น หนึ่งในนั้นก็คือ การกักขังวัตถุ (caging) และบริเวณสัมผัสอิสระ (independent contact regions) งานวิจัยนี้จึงศึกษาถึงความเป็นไปได้ที่จะนำเทคนิคทั้งสองมารวมกัน เพื่อหาท่าจับที่ดีขึ้นกว่าเดิม ผลการวิจัยที่ได้คือวิธีการเรียนรู้หาท่าจับวัตถุด้วยเครือข่ายประสาทเทียม (artificial neural network) ให้รู้จำท่าจับที่เหมาะสำหรับการจับวัตถุใดๆ โดยใช้เทคนิคที่เราสนใจทั้งสองและวิธีการแบบศึกษาสำนึก



To view the content in your browser, please download Adobe Reader or, alternately,
you may Download the file to your hard drive.

NOTE: The latest versions of Adobe Reader do not support viewing PDF files within Firefox on Mac OS and if you are using a modern (Intel) Mac, there is no official plugin for viewing PDF files within the browser window.