传统的手工采摘过程仍然劳动密集，导致农业运营成本增加。与此同时，全自动机器人在复杂环境中导航时面临着精度方面的挑战。中国的研究人员正在通过开发一种专注于"人机协作"的新型采摘机器人模型来解决这些问题。
西南大学王培副教授领导的研究团队推出了一种手势控制的人机协作采摘机器人，该机器人通过创新方法提高了水果采摘的效率。这项技术旨在提高小型果园向智能系统转型的生产力。
该核心技术充分利用了人类和机器的优势：人类擅长识别水果位置和选择采摘路径，而机械臂则擅长重复性任务和力控制。该团队的运动感应交互系统利用来自Leap Motion传感器的实时输入来捕捉手部运动，从而引导机械臂到达正确位置。该系统将人类的视觉技能与机器人的机械精度相结合。
他们克服了技术难题，确保机械臂能够精确操作。值得注意的是，团队解决了与逆运动学计算相关的问题，该问题可能产生多种解，导致运动不稳定。他们开发了一种四步筛选方法，包括检查机械干扰、验证准确性、评估运动合理性以及优化轨迹平滑度。
与依赖摄像头的传统机器人不同，这款新型机器人采用 Leap Motion 控制器的运动感应技术，能够以 0.01 毫米的分辨率捕捉手部运动。即使在光线不足或树叶遮挡的情况下，它也能保持稳定的性能。智能滤波算法可以减轻手部震颤或环境因素造成的"抖动数据"，从而实现平滑的手臂运动。
团队有效地将 Leap Motion 的交互空间映射到机械臂的工作区域，使操作员能够在虚拟"盒子"内轻松控制机械臂。该界面直观易用，类似于玩运动感应视频游戏，即使在复杂环境下，也有望提高小型果园的效率。
测试表明，系统平均响应时间为 74.4 毫秒，手势识别准确率高达 96.7%。训练后，操作员采摘单个水果的时间从 8.3 秒缩短至 6.5 秒，证明了系统对复杂地形和果园条件的适应性。