理、微凉的温度、坚硬的质地。它将感知数据与虚拟训练中建立的立方体模型进行了匹配，确定了物体的位置和姿态，然后向机械臂发出了抓取指令。机械臂按照指令移动到立方体上方，夹爪张开，下降，闭合——但夹爪闭合的位置比立方体的实际位置偏高了约三厘米，夹了一个空。
问题出在哪里？陆迪峰检查了所有的数据链路。珠四号的感知数据是准确的，棋手模型的坐标计算是正确的，机械臂的运动控制指令也是精确的。但最终的执行结果却出现了三厘米的偏差。
他花了整整一个下午来排查问题，最终找到了原因：坐标系的不一致。虚拟训练场中使用的是一个理想化的笛卡尔坐标系，原点位于虚拟空间的中心，三个轴的方向严格正交。而现实世界中，珠四号的触觉感知坐标系与机械臂的运动坐标系之间存在一个微小的旋转偏移——大约两度——这个偏移在近距离操作中被放大为了三厘米的位置误差。
他在实验日志中写道：“迁移的第一个障碍不是智能问题，而是校准问题。虚拟世界中的坐标系是完美的，现实世界中的坐标系是有误差的。要让棋手模型在现实世界中有效操作，必须建立一套精确的多传感器联合校准流程。”
他用了三天时间，设计并实施了一套校准流程。流程的核心是让机械臂夹持着一根校准探针，依次触碰珠四号柔性表面上的若干个已知位置点，通过对比机械臂的指令位置和珠四号的感知位置，计算出两个坐标系之间的转换矩阵。校准完成后，转换矩阵被固化在了接口层中，所有的坐标数据在传递之前都会自动进行转换。
校准后的第二次尝试，成功了。机械臂的夹爪准确地定位到了立方体的位置，稳稳地夹住了它，然后按照棋手模型的指令，将立方体移动到了托盘上的指定位置，松开夹爪，精准释放。
陆迪峰看着屏幕上那个被成功移动的立方体，和虚拟训练中无数次见过的场景一模一样，只是这一次，屏幕上的图像不再是虚拟引擎渲染出来的，而是由一台高
本章未完，请点击"下一页"继续阅读！ 第2页 / 共5页