Grijpplanning is de manier waarop een robot bepaalt waar en hoe hij een object moet vastgrijpen. Hierbij wordt rekening gehouden met de vorm, het gewicht, de wrijvingsweerstand van het object en de taak. Een grijper die geschikt is voor het optillen van een doos, is mogelijk niet geschikt voor het insteken van een plug. De planner kiest contactpunten en vingerposities die het object stabiel houden.

Bij de eerste modellen voor het plannen van grijpbewegingen werden geometrische regels gebruikt. Zoek parallelle vlakken en plaats je vingers daarop. Dat werkt voor eenvoudige vormen, maar niet voor complexe objecten. Moderne planningssystemen maken gebruik van machine learning en simulatie. Ze genereren duizenden mogelijke grijpbewegingen, testen deze in een natuurkundige simulatie en kiezen de grijpbeweging met de hoogste slagingskans. Sommige systemen leren van demonstraties door mensen.

Wat houdt planning in?

• Objectgeometrie en zwaartepunt.
• Wrijving tussen vingers en object.
• Grijperkinematica en krachtlimieten.
• Taakvereisten: tillen, inbrengen, gieten, overhandigen.
• Obstakels rondom het object.

Vastpakken is lastig omdat de werkelijkheid onvoorspelbaar is. Het object kan zwaarder zijn dan verwacht. Het oppervlak kan glad zijn. De vingers kunnen wegglijden. Goede grijpplanning omvat krachtcontrole en tactiele feedback om na contact bij te sturen. Er wordt ook rekening gehouden met mogelijke mislukkingen: als het object wegglijdt, grijpt de robot opnieuw vast. In magazijnen stelt grijpplanning robots in staat om miljoenen verschillende objecten op te pakken zonder elk object afzonderlijk te hoeven trainen. In huizen stelt het robots in staat om een ​​vaatwasser in te laden. Het is een van de belangrijkste knelpunten op weg naar echt bruikbare robots voor algemeen gebruik.