英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
机器人制造技能:从概念到工业部署
摘要
由于制造业的总体转变模式由大规模生产向大规模定制,可重构的自动化技术,如机器人,是很必需的。然而,当前的工业机器人解决方案是很难以完美解决,一般需要在高转换的时候引入新产品制造商。为了在全球市场竞争,未来的工厂需要完整的生产线,包括自动化技术,即在需要的时候可以轻松地重新配置或转化。在本文中,我们目前通用的概念,self-asserting机器人制造技能。我们展示了来自当前工人相对较少的一组指令,从而让机械手完成这些指令。机器人技能不仅可以实现使用简单的任务级别的编程方法,还可以直观地连接到程序执行各种任务。我们将演示各种方法，并让几个对机器人毫无经验的人来进行测试，我们将在一个工业合作伙伴处通过一些部署完整的机器人系统的生产运行设施来验证结果，实验将可以看出,机器人的使用技能,和相关的任务级别的编程框架,是一个可行的解决方案，引入机器人可以直观地、动态地由工厂工人控制程序执行任务。
关键字
工业机器人,机器人能力;人机交互;自动化生产;大规模定制
1 介绍
在全球化的竞争环境下, 为了保持竞争力,制造企业需要不断发展他们的生产系统和适应不断变化的市场需求。目前,生产正在经历一个范式转换,即从大规模生产到大规模定制的产品。这一趋势对生产系统的影响是他们应该适应处理更多的产品变异,更小的生命周期,和小批量到大批量生产。今天,机器人生产是工业制造业支柱的重要组成部分。然而,工业机器人静态的概念就如一个细胞,不断重复一个精心预定义的序列行动，几十年来几乎保持不变。显然,典型的工业机器人是不灵活的,因此这种程度的可变形的生产[1]、[2]和[3]是超出当前系统的功能。
一个简化的例子是图1所示的情况。传统制造系统的自动化在很大程度上已经实现,但是重新配置有极大的困难。另一方面,传统的体力劳动非常灵活,但不适合经济可行的大规模生产,在高收入国家尤其如此。在未来,大规模定制将有必要把高重构性与一个大型的自动化程度。这个目标可以实现在两个不同的方面:员工可以配备更好的自动化工具,如直观动态编程的机器人,从而提高他们的生产力,或传统的重构性可以提高自动化生产线,例如通过使用多用途机器人。
机器人将是可变形的未来工厂的主要推动者之一。若达到要求，则需要机器人,或一般的移动机械手,能够自主移动,来应对在具有不确定性的与人类互动和部分已知的环境中,处理各种不同的任务,并能够被non-robot专家在工厂快速重新编程，从而产生一个新的任务。
那么，问题出现了:我们应该设计一个框架,允许机器人的特点是灵活地处理不确定性和变化的生产任务,还是使用不够直观和re-programmed non-robot专家?我们认为答案在于传感和行动的紧密集成在一套小型模块化和parametrizable“机器人技能”。与传统机器人相比,我们的技能具有一般性,即在他们可以处理各种各样的对象,和self-asserting它们包含前置和后置条件检查。最后,这个技能还需要对于一个给定的行业可以从仔细分析自然提取的工业标准操作程序(SOP)。
在这个工作中我们现在的“技能”的概念模型和如何实现这个概念,将成功地应用于实际工业场景。进行的实验表明,一个小的技能可以直观地参数化通过动觉教学、指向手势,或自动任务规划者解决不同的工业任务,如部分喂养、运输、质量控制,装配,和机器管理。
本文的主要贡献包括：
- 我们提出一个概念模型的机器人技术和展示这有别于传统的概念。
- 我们展示这种方法可以使非专家利用先进的机器人系统通过将先进的封装功能, 在每个单独的技能实现了一个先天的专家。
- 提出了方法的具体应用,先进的机器人系统可在多个实际工业应用场景。
本文的其余部分组织如下:在2.1节中我们将讨论如何技巧的列表,可以提炼出对于一个给定的行业,如何形式化的概念技能。在第三节我们提出一系列的实验机器人由技能软件架构被部署在现实工业设置。在第四节和第五节我们讨论我们工作的结果和可能的未来发展方向，最后我们得出结论。
1.1 相关工作
非专家实现机器人简单快速重组的目标是一贯追求使用任务级别的编程范式。任务级别编程构成抽象级别高于传统机器人编程。它指定给定动作序列的任务,但避免需要详细描述每一个行动。动作序列将使这个任务通过计划实行或由操作员指定实现。这种方法类似于沙基机器人表示任务符号，这种符号被斯坦福研究院问题解决系统策划师用来思考可能导致实现目标的行动 [4],或使认知机器人基于功能目标识别可行动的Object-Action复合体概念(OACs)[5]。
任务级别编程是基于低层实体,通常被称为机器人实例化操作技术。机器人的不同表现的技巧,是在过去几十年一直追求的任务级别编程[6],[7],[8],[9],[10],[11],[12],[13]和[14]。上述大多数观点的共同点相反,他们认为机器人技术是由原始的机器人运动组合而成的,这些原始的机器人运动称为动作或运动原语。这些技能原语简单,通过原子机器人运动可以组合成更复杂的行为[15],[16],[17],[18],[19],[20]和[21]。丰富的相关文献的系统的调查揭示了支离破碎的概念技能,缺乏广泛接受,严格定义。
相比之下自己的技能,技能原语[13],[10]和[11]是相当不错对的机器人社区,尽管存在几种不同的描述,其中大部分是遵循梅森的兼容控制器[22],使用由Bruyninckx和De Schutter [23] and [24]引入的铺设地面任务框架形式主义(TFF)。最近的研究已经扩展这个想法, 例如在相同的任务框架中使用任何传感器和控制器 (如：视觉随动系统控制的相结合) ,在动态的任务和操作框架[25],[26]和[27]使任何传感器和控制器的使用。
技能的定义结合了先决条件和后置条件的检查,这使得互连的技能任务是直观的和可控制流程的。在这个意义上,我们的方法与操作原语网中方法具有可比性,描述最合适的是[26]。然而,这种方法需要低级参数化的操作原语,使它只能由机器人专家操作。另一个概念,类似于我们的概念技能,是由RoboEarth项目[28]和[29]定义的行动配方。不同于我们的技能,行动配方使传感和机器人之间的分离和行动主要集中在知识共享具有类似的功能。所有上述方法都需要一个机器人专家来操作和使用这个系统。与我们相比,这也是为什么这些作品从未在实际工业环境中部署的一个原因。
容易编程的工业机器人要求,除了底层概念，还有直观的人机交互(HRI)机制。HRI工业设置关注离线编程利用CAD模型[30],[31]和[32]或在线编程使用增强现实(AR)[33],[34]和[35]。显然这种方法的局限性在于,他们认为存在的重编程的专家,这使得它们不适合设想可变形的工厂。相比大多数出版作品,类似于我们的方法,[36]的作者结合技能原语和语音识别编程把握任务的演讲,与其他工作在[37]和[38]。然而,这项工作包含任务级别编程的编程是一种结合原语,这些任务层之间没有更高级的技能。一般来说,文献HRI工业设置是相当有限的。一个可能的原因是,传统工业机器人应用程序集中在精度和速度而不需要外部传感器。然而,最近这种趋势是让位给更直观和用户友好的界面,在很大程度上依赖于传感[39]。此外,鉴于未来工厂的性质,只有半结构化,需要准确、高外部传感器以及直观HRI。
除了HRI允许人类指令定义任务,另一种可能是考虑使用自动task-planers。开始于斯坦福研究院问题解决系统师[4],工业机器人已经被赋予任务计划功能, 基于相同的想法,许多其他的算法都选择这种方式,它们按照这一行为执行,从而改变了当前的世界状态[40]和[41]。这包括装配任务分解到机器人可以解释某种形式的操作原语 [42]。简单机器人场景最接近成功的是更先进的那些[44], ,如GOLEX[43]，就类似于我们工作的一些功能提出了手头的论文。
2发现和确定机器人的能力
2.1发现机器人的能力
如前所述,移动机械手是在机器人技术的推动者之一,以适应未来的工业生产对灵活性的需求就越高。我们认为,机器人的使用技能是实现这个目标的关键。我们将开始通过展示机器人技术已确定从当前的工作程序。
作为一个起点,我们调查了适用为移动机械手的应用任务域。一系列的适合应用移动机械手的一般性工业已通过一个广泛的研究在实际生产环境下确定[45]。工作人员实施研究课题范围包括566个工业的分析任务,这些任务都太复杂或低容量证明自动化解决方案[45]和[46]。我们有这些任务分组为三个不同的任务域,每个域不同的任务类别,如图2所示。
在物流和辅助任务域,我们分析了解决大多数这些任务所需要的一系列行动。这个分析是基于工作流的工厂工人,为了再次检测,基本动作,可能实现的一个机器人,所以他们仍然是直观的工厂工人使用的构建更高级的任务。我们分析基于一组标准操作程序(sop),正式以书面形式指定工厂工人的任务描述,并伴随着图像。每一步的操作映射到相应的技能。例如,机器管理任务中的一个步骤被描述为“接轴,插入装配机,机器上,按下开始按钮,”并导致的结论是,这个步骤包括三个动作。分析导致一共只有13这些一般的行为在两个分析任务域[47]。
分析的一个重要方面是它是基于自然语言,在生产、工作的人之间的通信和使用的语言安抚。这技能的概念有着特殊的作用,可以使直接操作技能工厂的工人指导机器人执行一个特定的技能。
根据调查结果的分析标准作业程式,现在我们将继续形式化究竟机器人技能,以及他们如何可以用于任务级别的编程。
2.2技能规范化
在本节中,我们将解释我们的概念研究机器人技术。本节将彻底向读者介绍机器人的概念技能,这些作者设想的三层体系结构的技能、任务和原语。我们将最后总结使用技能制造的优点。
2.2.1一种技巧的概念模型
简而言之,我们看到机器人技术当做一个完整的机器人程序的高层建筑块, 或可以让机器人完成的任务进行组合。换句话说,技能是直观object-centered机器人的能力,这可以很容易地由非专业参数化。这里“object-centered”一词并不意味着暗示技能对象特定,而是应用于物理实体,如3 d坐标。
我们尤其关注改善人机交互和可重用性的技能领域内的任务，这恰好是制造业经常所需的。
在这个上下文使用技能的核心属性和一个主要理由是它们的object-centeredness,即技能包含传感和执行操作的对象。这意味着这个技能并不应用于3 d位置,而是车间工人可以涉及到的物理实体,这些具体对象是指被研发机器人在工厂所体现的对象,不像三维坐标,表示通过更自然的接口,如指向手势。
我们定义了一个完全实例化序列的技能的任务, 使用指定参数,它的特点是为解决一个特定的目标部署研发机器人的环境中,,如加载必要的装配机部件创建一个特定产品或组件。
为了对任务级别编程有用的技能,他们必须改变世界的机器人的状态通过传感或行动,是自我维持的,所以他们可以用在任何任务。自我维生意味着每个技能都应该做到以下几点：
-
-
- 在其执行参数,所以它将执行相同的基本操作,不管输入参数
- 能够估计如果技能可以执行基于输入参数和世界的状态
- 能够验证是否成功执行
-
我们的概念模型的机器人技术,包含上述所有的点,图3所示。
定义的能力依赖于行动和感知序列,但运动本身适应特定的任务的一组参数,从而使通用在一定范围内的技能。每个技能都有一个或多个直观的参数作为输入,这是所有的工厂工人必须涉及到的。这些参数的对象相关的技能,和执行的技能是仅基于该参数。
在执行阶段,机器人执行完成的预定程序的感知和行动操作技能,是根据输入参数。这些操作是指定的技能集成器,理想情况下应以这样一种方式实现技能可以在工厂处理所有相关的参数。此外,重要的是要注意,内部的操作技能并不是盲目地执行,而依赖于传感器的反馈以确保稳定,例如运动期间规划避碰运动。操作员从不会暴露个人操作技能,他只有不得不涉及到完整的技巧和其直观的参数。
每个技能都在现实世界中有相关的一系列前提条件和预测其执行的结果,这是用于检查程序之前,期间和之后执行。根据不同的条件,这些可以从相关的世界模型验证或通过特殊感应操作。此外, 随着技能符合STRIPS-like制定[4]，先决条件和预测上启用任务规划技术领域。在这种情况下,只有任务规范所需的目标状态,鉴于机器人都有一个关联的世界模型,从中可以提取当前状态的规划问题。
预测指定正式执行能力的预期效果是什么？在执行期间,连续评价的表现技巧,而预期的指标——即预测验证技能是按预期执行。当执行完成,最后一个后置条件决定这是否为当前世界状态预测。
世界状态建模:从技能需要到访问对象的先验知识在工厂中,这个世界需要的状态的概念建模。
技能是指完成一组状态变量的变化,描述了机器人周围环境的知识。状态变量可以是测量不确定性消失的专用传感器,e.g,通过那些内置的制造系统,或由机器人上的传感器,如视觉、扭矩或触觉传感器。
工作技能的方法,世界模型必须包含的信息直接相关的技能。因此,在最基
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[146448]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
