CN105710888B - 机器人系统中的动态避障 - Google Patents

机器人系统中的动态避障 Download PDF

Info

Publication number
CN105710888B
CN105710888B CN201410730055.8A CN201410730055A CN105710888B CN 105710888 B CN105710888 B CN 105710888B CN 201410730055 A CN201410730055 A CN 201410730055A CN 105710888 B CN105710888 B CN 105710888B
Authority
CN
China
Prior art keywords
end effector
speed
controller
dynamic barrier
dynamic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410730055.8A
Other languages
English (en)
Other versions
CN105710888A (zh
Inventor
H.霍夫曼
D.米切尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN105710888A publication Critical patent/CN105710888A/zh
Application granted granted Critical
Publication of CN105710888B publication Critical patent/CN105710888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B25J9/1676—Avoiding collision or forbidden zones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B25J9/1666—Avoiding collision or forbidden zones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39082—Collision, real time collision avoidance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39091—Avoid collision with moving obstacles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40475—In presence of moving obstacles, dynamic environment
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40476—Collision, planning for collision free path
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40519—Motion, trajectory planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了机器人系统中的动态避障。机器人系统包括末端执行器、输入装置和控制器。输入装置可操作为用于收集限定末端执行器环境中的动态障碍物的位置和速度的数据。动态障碍物具有任意的形状。控制器与末端执行器通信且被编程为执行一方法，且由此经由输入装置接收一组输入，包括动态障碍物的位置和速度。控制器使用Gilbert‑Johnson Keerthi算法计算轮廓函数，轮廓函数限定了末端执行器和动态障碍物之间的最近允许距离和方向，且控制器经由输出命令控制末端执行器，由此避免末端执行器和动态障碍物之间的接触。

Description

机器人系统中的动态避障
技术领域
本发明涉及机器人系统中的动态避障。
背景技术
机器人通常包括一系列联动装置，其经由马达驱动的机器人关节互连。每一个机器人关节代表一个或多个独立的控制变量或自由度。例如机器人手臂、抓持器等的末端执行器是具体的末端联动装置，其在执行命令的工作任务中作用在物体上，例如抓持和移动物体。复杂的编程和运动控制逻辑被以各种方式使用，以获得所需水平的机器人可动性、灵活性和与工作任务有关的功能性。末端执行器通常根据限定的路径或轨迹接近和离开特定目标位置。这种路径是使用各种技术预先规划的。然而，在工作环境中遇到动态障碍物时常规的末端执行器路径规划技术可能并不十分鲁棒。
发明内容
本文所述的机器人控制器适用于在动态障碍物存在的情况下控制末端执行器。不同于现有方法，控制器使用Gilbert-Johnson-Keerthi(GJK)算法计算轮廓函数，且由此允许控制器处理具有任意(即不是预定的)形状的动态障碍物。本发明的方法还使用调和势，以调制用于末端执行器的运动规划，由此在机器人工作环境中的这样的动态障碍物周围操纵末端执行器。
具体说，控制器考虑动态障碍物的速度以作为输入，且计算代表障碍物的任意的几何形状之间的距离。该方法利用GJK算法计算距离。由此，轮廓函数通过控制器限定，用于避开遇到的动态障碍物，这与使用预定轮廓函数和限定/非任意的障碍物形状的方法不同相反。该方法还允许控制器使用点云形状的性能，且允许给定控制点表示为具有限定形状的体积。以这种方式，调和势的概念被扩展到这样的情况，其中动态障碍物被表示为点的集合，例如来自3D点云摄像头，其输出障碍物的点云或光探测测距(Light Detection andRanging：LIDAR)扫描结果。另外，本发明的设计预期了调制函数的自动调整，从而障碍物速度被考虑，由此允许控制器更好地避开动态障碍物。
在下文结合附图进行的对实施本发明的较佳模式做出的详尽描述中能容易地理解上述的本发明的特征和以及其他的特征。
附图说明
图1是具有机器人和控制器的示例性机器人系统的示意图，该机器人系统为了避开任意形状的动态障碍物，将利用流场的动态系统与调和势(harmonic potential)相组合。
图2是描述了在图1的机器人系统中可用的示例性调和势调制方法的示意性逻辑流程图。
图3A是示意性向量场。
图3B是图3A所示的向量场的示意性流线变化。
具体实施方式
参考附图，其中几幅图中相同的附图标记指示相同或相似的部件，机器人系统10在图1中被示意性地显示为具有控制器50。机器人系统10包括机器人12。机器人12被图示为图1的示例性灵巧人形机器人，但是机器人12可以替换地以任何多轴线机器人实施。机器人12在存在动态障碍物30的情况下运行，动态障碍物30例如是运动的操作者、其他机器人等。控制器50被编程为经由方法100的执行而避开动态障碍物30，方法100的示例性实施例显示在图2中。示例性动态障碍物30和相关的流场(flow fields)在图3A和3B中示意性地显示。
机器人12包括末端执行器14，例如设置在机器人臂16远端的抓持器或多手指的手。机器人12的运动(尤其是末端执行器14和机器人臂16的运动)经由机器人控制器50而被自动地控制，所述机器人控制器50具有动态系统模块(DSM)52、调和势(harmonicpotential)调制器(HPM)53和阻抗控制模块(ICM)54，它们的具体编程功能在下文详细描述。例如3D点云摄像头、LIDAR传感器阵列等的摄像头15收集描述动态障碍物30的位置和近似几何形态的一组3D点云信息，且将该信息转送到控制器50，作为方法100一部分的点云数据(箭头19)。
机器人12在软件中编程且以硬件配备，以通过多个控制自由度执行一个或多个自动任务，例如以变化的位置和速度抓持和移动物体25，且执行其他交互任务或控制其他整合的系统部件，例如夹具、继电器、任务照明装置等。在图1所示的实施例中，机器人12包括多个独立地且可互相依赖地运动的机器人关节，以控制机器人臂16和末端执行器14的运动。虽然为了说明简单而从图1省略，但是每一个机器人关节包括一个或多个关节促动器和/或被一个或多个关节促动器驱动，所述关节促动器为例如关节马达、直线促动器、旋转促动器等。
图1的控制器50提供机器人12的精确的运动控制，包括对用于操纵被末端执行器14作用在上面的物体(未示出)所需的精细和粗大运动的控制。另外，控制器50提供用于机器人12的在线运动生成和马达控制。DSM 52可被编程为提供本领域已知的动态运动基元(DMP)，由此使用微分方程实时地生成运动轨迹。
具体地，控制器50目的是改进避开例如图1所示的示例性运动/动态障碍物30等的障碍物的现有方法。具体说，控制器50利用HPM 53来调制末端执行器14的运动且由此在动态障碍物30周围操控末端执行器14，例如经由图3B的流线134示意性地示出的。应用在机器人控制领域的调和势由于具有类似于势场避障的能力但是不需要局部最小值的处理而受到了重视。例如，一些常规的方法限定用于每一个静态障碍物的连续轮廓函数，以便调制这种障碍物附近的控制点速度。
如本文配置的图1的控制器50利用Gilbert-Johnson-Keerthi(GJK)算法来限定轮廓函数，与现有技术的方法不同，现有技术的方法经由预定的轮廓函数应对限定形状的障碍物。GJK算法最终被控制器50使用，以体现流场的形状，用于控制如下所述的末端执行器14。该函数提供使用来自摄像头15的点云形状的能力，并且允许任何具体控制点表示为具有限定形状的体积。以此方式，调和势方法可容易地扩展来处置其中图1、3A和3B的动态障碍物30被表示为摄像头15所收集的点集合的情况。
另外，图1的控制器50被编程为经由HPM 53调整调制函数，其方式是考虑在机器人12附近的动态障碍物30的速度。这种方法允许控制器50更好地避开动态障碍物30，即使障碍物30以很大速度运动且控制体积不具有固有速度时也可以。
控制器50可以结构上实施为被编程为规划和生成机器人臂16和末端执行器14的机器人运动的计算机装置或多个这样的装置。控制系统50可以包括一个或多个处理器(P)和存储器(M)，其包括足够量的有形非瞬时存储器。存储器类型可以包括光学或磁性只读存储器(ROM)、随机访问存储器(RAM)、可擦除电可编程只读存储器(EEPROM)等。控制系统50也可以包括高速时钟，模拟数字(A/D)电路，数字模拟D/A电路、和任何所需的输入/输出(I/O)电路和装置以及信号调节和缓冲器电子器件。驻留在控制器50中或由此易于访问的各控制算法(例如实施图2的方法100的指令)可以存储在存储器(M)中且经由处理器(P)在一个或多个不同控制水平自动执行，以提供相应控制功能。
动态运动基元(DMP)(如机器人控制领域熟知的)可用于以给定的速度v(t)产生特定机器人运动轨迹x(t)。用于DMP的运动方程通过附接到目标位置g且通过非线性加速度扰动的阻尼弹簧的动力学促成:
其中x0是给定运动的开始点，K是弹簧常数，D是阻尼常数，且f是参数化的非线性函数。
通常，图1示意性地显示的控制器50接收相似的期望目标(gd)，即末端执行器14的给定运动的限定目标位置(经由编程或经由通过示范学习提供的具体参考路径)，且经由DSM 52执行这样一组微分方程。DSM 52将期望关节速度(vd*)输出到HPM 53且与HPM 53相互作用，HPM 53最终将改变的关节速度(vd)传送到ICM 54。ICM 54又计算和经由阻抗体系(impedance framework)传送命令的马达扭矩命令(τCC)到机器人12(这在本领域是熟知)，且HPM 53从机器人12接收或确定实际的关节位置(P14)和实际的速度(V14)。如本领域已知的，位置可以经由位置传感器(未示出)测量且实际的速度可以通过控制器50从一系列随时间的这种测量关节位置进行计算。
图2描述了方法100的示例性的一般的实施例。各种步骤的进一步细节在下文给出。在步骤102，图1的控制器50上载末端执行器14和动态障碍物30的位置和几何形状(GEO)。动态障碍物30可以使用摄像头15而被如上所述地检测为点云，即通过处理从摄像头15流到控制器50的点云数据(箭头19)。作为方法100的一部分，控制器50扩展调和势避障的概念，从而其可应用于动态障碍物30，每一个动态障碍物具有任意的形状。
简要地参见图3A和3B，动态障碍物30图示为任意形状的多边形。在图3A中，动态障碍物30最初位于恒定流的流场34中，流场34表示为末端执行器14相对于动态障碍物30的所有可能运动的向量。图3B图示了在方法100执行之后图3A所示的流场34的经调制模式的流线134。控制器50形成在动态障碍物30周围的人造边界36，以用于避开动态障碍物30，作为下文所述的方法100的一部分。
再次参见图2，步骤102的输出是图3A和3B所示的边界36的形状。使用边界36的形状，控制器50接下来在机器人12运动的同时在步骤104实时地执行GJK算法，且计算末端执行器14和动态障碍物30之间的距离(d)和方向()。S代表边界36的形状，控制器50确定机器人臂16或末端执行器14和障碍物30之间的距离(d)和方向():
在上述等式中Scontrol是图1的末端执行器14和/或臂16的预定或已知形状，例如末端执行器14周围的多边形凸面外壳，且Sobstacle是障碍物30的形状。GJK算法的输出(具体是距离(d))被馈送到步骤106中。
在步骤106，控制器50使用步骤104的结果限定轮廓函数，Γk(ξk)。轮廓函数最终称为Γ(d)＝(m(d-η)+1)ρ。为了说明清楚，轮廓函数在图2的步骤106中表示为CF。上面的参数影响障碍物30周围任何排斥力的强度，m限定了距离度量尺度，即有效地调节轮廓函数Γk(ξk)作为距离(d)的函数如何快速增大，η代表安全包络(safety envelope)，其限定距给定障碍物30的距离(在该距离处垂直于障碍物30的表面的速度为零)，且ρ是障碍物30周围势场的活性，其也影响轮廓函数Γk(ξk)如何随距离(d)快速增大。
由此，图1的控制器50接下来在步骤108计算调和势，即末端执行器14的速度随后经由DSM 52使用该动态系统调制，f(t,ξ)为从DSM 52的动态系统函数输出的速度，即Vd*，如图1所示。
调和势在步骤110被控制器50使用，以经由DSM 52修改动态障碍物30附近获得的速度Vd*。在常规的方法中，通过如下将该调制表示为矩阵且考虑因式分解形式针对单个障碍物30执行该修改:
M(ξ)＝E(ξ)D(ξ)E(ξ)-1
其中D为以下形式的特征值的对角矩阵:
且E为以下形式的一组基本向量:
对于上方方程，ξ代表距离维数d的状态变量，Γ为标量函数，其在形状轮廓处等于1且随距该形状的距离增加而单调地增加，标示沿第i维数的Γ(ξ)的梯度，且f(t,ξ)再次为来自DSM 52的速度输出，即vd*。该速度表达式可以由另一控制速度更换，以将调和势避障应用于其他控制形式。
以上方法随后通过控制器50修改，以考虑多个动态障碍物30的速度。对于多个动态障碍物30，如上所述的调节矩阵(M)经由控制器50在图1的每一个动态障碍物30的参考框架内被评估且随后组合为加权积。该修改可以通过调整特征值来执行，从而全局调制矩阵(M)表示为各分量的和，而不是上述表达式中的积。该近似过程失去了通过将不同障碍物30的调制矩阵相乘在一起得到的耦合项。该耦合项限定了彼此非常接近的两个障碍物30之间的区域中的势，但是其贡献很小且由此可被忽略。以上修改的结果被数学表达为:
Mk(ξk)＝Ek(ξk)Dk(ξk)Ek(ξk)-1
这里，加权项ωk通过针对每一个动态障碍物30来评估轮廓函数Γk(ξk)而限定:
这允许在将加权贡献组合到全局参考框架中之前图1的控制器50评估动态障碍物30的每一个参考框架中动态障碍物30的速度。
为了正确使用图2的方法100，控制器50限定轮廓函数Γk(ξk)和其用于每一个动态障碍物30的梯度。对于基本形状，轮廓函数和梯度不重要。例如，具有半径为a的球体被表示为
该例子中的轮廓函数作为ξ的函数而单调增大且在Γ(ξ)＝1时限定圆形轮廓。
但是，对于更复杂的形状，轮廓函数Γk(ξk)影响GJK算法，如上针对图2的步骤104所述的，以限定两个形状之间的最近距离(d)和方向
该等式从GJK算法的标准应用得来，如本领域已知的。输入是限定了正被讨论的控制体积和具体的动态障碍物30的形状表示。输出d和代表描述两个障碍物30的两个点云之间的相应最近距离和方向向量。这些输出可在步骤106直接输入到轮廓函数和其梯度中:
轮廓函数不应该遇到小于η的距离值。在Γ(d)＝1时，调和避障用于防止轮廓函数进一步减小。可能的是，离散的时间步骤可以使得控制体积穿透该边界，但是势场在Γ(d)>0时仍然是可行的。在该阶段，控制体积被向外引导，直到其达到障碍物表面，使得轮廓函数不应达到零或负值。
本方法的优点是其扩展到所有形式的凸面形状。在步骤104和106应用的GJK算法仅需要针对使用的形状类型限定支持函数。术语“支持函数”在该情况下是指沿给定方向限定最远点的函数。对于球体，其仅为投影到给定方向上的半径。对于点云，其是沿该方向的最远点。只要这些函数被提供，则本方法可扩展到任何形状。如果给定凹形形状，则支持函数的使用将确保仅凸面壳体被考虑。
尽管已经对执行本发明的较佳模式进行了详尽的描述，但是本领域技术人员可得知在所附的权利要求的范围内的许多替换设计和实施例。

Claims (8)

1.一种机器人系统，包括:
末端执行器；
输入装置，可操作为收集限定末端执行器环境中动态障碍物的位置和速度的数据，其中动态障碍物具有任意的形状；和
控制器，与末端执行器通信，其中控制器被编程为经由输入装置接收一组输入，包括动态障碍物的位置和速度，以使用Gilbert-Johnson-Keerthi(GJK)算法计算限定末端执行器和动态障碍物之间的最近允许距离和方向的轮廓函数，且经由输出命令控制末端执行器，以由此避免末端执行器和动态障碍物之间的接触；
其中，所述控制器包括动态系统模块(DSM)，其将期望控制速度命令输出到末端执行器，作为命令的运动轨迹，并且，所述一组输入进一步包括末端执行器的实际位置和速度以及末端执行器的期望目标位置,并且其中，所述控制器进一步包括调和势调制器(HPM)，其与DSM通信，所述调和势调制器接收作为输入的末端执行器的实际速度、动态障碍物的位置和速度、和期望控制速度命令，且生成经调制的期望速度命令作为输出命令的部分。
2.如权利要求1所述的机器人系统，其中输入装置是3D点云摄像头且数据是3D点云数据。
3.如权利要求1所述的机器人系统，其中输入装置是LIDAR摄像头且数据是LIDAR数据。
4.如权利要求1所述的机器人系统，其中控制器进一步包括调和势调制器阻抗控制模块(ICM)，与HPM通信，其中ICM被编程为从HPM接收经调制的期望速度和将扭矩命令作为输出命令的部分输出到末端执行器，以避免接触。
5.一种用于避免环境中的机器人系统的末端执行器和动态障碍物之间接触的方法，该方法包括:
经由输入装置收集数据，所述数据限定了末端执行器环境中的动态障碍物的位置和速度，其中动态障碍物具有任意的形状；和
经由控制器从输入装置接收一组输入，包括动态障碍物的位置和速度；
使用Gilbert-Johnson-Keerthi(GJK)算法计算轮廓函数，该轮廓函数限定末端执行器和动态障碍物之间的最近允许距离和方向；
使用控制器的动态系统模块(DSM)将期望控制速度命令输出到末端执行器作为命令运动轨迹，其中，所述一组输入进一步包括末端执行器的实际位置和速度以及末端执行器的期望目标位置，并且其中，所述控制器进一步包括与DSM通信的调和势调制器(HPM)；
经由HPM接收末端执行器的实际速度、动态障碍物的位置和速度以及期望控制速度命令；
经由HPM生成经调制的期望速度命令；和
经由来自控制器的输出命令控制末端执行器，所述输出命令包括经调制的期望速度命令，以由此避免末端执行器和动态障碍物之间的接触。
6.如权利要求5所述的方法，其中收集数据包括经由3D点云摄像头收集3D点云数据。
7.如权利要求5所述的方法，其中收集数据包括经由LIDAR摄像头收集LIDAR数据。
8.如权利要求5所述的方法，其中控制器进一步包括调和势调制器与HPM通信的阻抗控制模块(ICM)，该方法进一步包括:
经由ICM从HPM接收经调制的期望速度；和
将扭矩命令经由ICM作为输出命令输出到末端执行器，以由此避免接触。
CN201410730055.8A 2014-10-17 2014-12-04 机器人系统中的动态避障 Active CN105710888B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/517,245 US9403275B2 (en) 2014-10-17 2014-10-17 Dynamic obstacle avoidance in a robotic system
US14/517,245 2014-10-17

Publications (2)

Publication Number Publication Date
CN105710888A CN105710888A (zh) 2016-06-29
CN105710888B true CN105710888B (zh) 2018-04-24

Family

ID=54250164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410730055.8A Active CN105710888B (zh) 2014-10-17 2014-12-04 机器人系统中的动态避障

Country Status (3)

Country Link
US (1) US9403275B2 (zh)
CN (1) CN105710888B (zh)
DE (1) DE102014115774B3 (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107206592B (zh) 2015-01-26 2021-03-26 杜克大学 专用机器人运动规划硬件及其制造和使用方法
CN109477723B (zh) 2016-06-10 2023-02-21 杜克大学 自动驾驶车辆运动规划和可重新配置的运动规划处理器
DE102016007519A1 (de) * 2016-06-20 2017-12-21 Kuka Roboter Gmbh Überwachung einer Anlage mit wenigstens einem Roboter
DE102016007520A1 (de) * 2016-06-20 2017-12-21 Kuka Roboter Gmbh Überwachung einer Roboteranordnung
US10001780B2 (en) * 2016-11-02 2018-06-19 Brain Corporation Systems and methods for dynamic route planning in autonomous navigation
WO2019139815A1 (en) 2018-01-12 2019-07-18 Duke University Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects
TWI822729B (zh) 2018-02-06 2023-11-21 美商即時機器人股份有限公司 用於儲存一離散環境於一或多個處理器之一機器人之運動規劃及其改良操作之方法及設備
WO2019183141A1 (en) 2018-03-21 2019-09-26 Realtime Robotics, Inc. Motion planning of a robot for various environments and tasks and improved operation of same
US20210178591A1 (en) * 2018-08-23 2021-06-17 Realtime Robotics, Inc. Collision detection useful in motion planning for robotics
DE102018215124A1 (de) * 2018-09-06 2020-03-12 Robert Bosch Gmbh Steuervorrichtung für eine Roboteranordnung, Roboteranordnung, Verfahren, Computerprogramm und maschinenlesbares Speichermedium
CN109062032B (zh) * 2018-10-19 2021-08-31 江苏省（扬州）数控机床研究院 一种基于近似动态逆的机器人pid变阻抗控制方法
CN113905855B (zh) 2019-04-17 2023-08-25 实时机器人有限公司 运动规划图生成用户界面、系统、方法和规则
JP7479064B2 (ja) 2019-06-03 2024-05-08 リアルタイム ロボティクス， インコーポレーテッド 動的障害物を有する環境における動作計画を容易にする装置、方法及び物品
KR20200144363A (ko) * 2019-06-18 2020-12-29 엘지전자 주식회사 로봇 및 그의 구동 방법
WO2021041223A1 (en) 2019-08-23 2021-03-04 Realtime Robotics, Inc. Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk
WO2021120202A1 (en) * 2019-12-20 2021-06-24 Baidu.Com Times Technology (Beijing) Co., Ltd. Implementation of dynamic cost function of self-driving vehicles
CN113119098B (zh) * 2019-12-30 2022-12-02 深圳市优必选科技股份有限公司 机械臂控制方法、机械臂控制装置及终端设备
TW202146189A (zh) 2020-01-22 2021-12-16 美商即時機器人股份有限公司 於多機器人操作環境中之機器人之建置
JP6815571B1 (ja) 2020-02-27 2021-01-20 三菱電機株式会社 ロボット制御装置、ロボット制御方法及び学習モデル生成装置
CN111331608A (zh) * 2020-04-15 2020-06-26 武汉海默机器人有限公司 一种基于立体视觉的机器人主动避障规划方法
CN111633646B (zh) * 2020-05-22 2021-08-27 北京理工大学 基于DMPs和修正避障算法的机器人运动规划方法
WO2022025893A1 (en) * 2020-07-30 2022-02-03 Abb Schweiz Ag Visual-tactile sensing device for use in robotic gripper
TWI741943B (zh) * 2021-02-03 2021-10-01 國立陽明交通大學 機器人控制方法、動作計算裝置及機器人系統
US11953908B2 (en) 2021-10-12 2024-04-09 Google Llc Deployable safety fence for mobile robots
TWI806237B (zh) * 2021-11-11 2023-06-21 國立虎尾科技大學 機器人系統及機器人控制方法
CN116039264B (zh) * 2022-10-31 2023-09-22 季华实验室 多轴运动平台的控制方法、装置、终端设备以及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726296A (zh) * 2009-12-22 2010-06-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN101770235A (zh) * 2009-01-01 2010-07-07 索尼株式会社 路径计划装置、路径计划方法和计算机程序
CN102830644A (zh) * 2012-09-26 2012-12-19 苏州工业园区职业技术学院 五轴高速点胶机器人伺服控制系统
CN103412565A (zh) * 2013-05-17 2013-11-27 浙江中控研究院有限公司 一种具有全局位置快速估计能力的机器人及其定位方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6054997A (en) * 1997-08-29 2000-04-25 Mitsubishi Electric Information Technology Center America, Inc. System and method for determining distances between polyhedrons by clipping polyhedron edge features against voronoi regions
DE60332227D1 (de) * 2002-04-26 2010-06-02 Honda Motor Co Ltd System zur selbst abschätzung der lage des mobilen roboters mit beinen
US6678582B2 (en) * 2002-05-30 2004-01-13 Kuka Roboter Gmbh Method and control device for avoiding collisions between cooperating robots
US20040073414A1 (en) * 2002-06-04 2004-04-15 Brown University Research Foundation Method and system for inferring hand motion from multi-cell recordings in the motor cortex using a kalman filter or a bayesian model
US7255747B2 (en) * 2004-12-22 2007-08-14 Sokudo Co., Ltd. Coat/develop module with independent stations
JP4311391B2 (ja) 2005-10-03 2009-08-12 ソニー株式会社 接触形状算出装置及び接触形状算出方法、並びにコンピュータ・プログラム
ATE459030T1 (de) 2006-09-14 2010-03-15 Abb Research Ltd Verfahren und vorrichtung zur vermeidung von kollisionen zwischen einem industrieroboter und einem objekt
DE602006003435D1 (de) 2006-09-14 2008-12-11 Abb Research Ltd Verfahren und Vorrichtung zur Vermeidung von Kollisionen zwischen einem Industrieroboter und einem Objekt
JP5109573B2 (ja) * 2007-10-19 2012-12-26 ソニー株式会社 制御システム及び制御方法、並びにロボット装置
NL1036673A1 (nl) * 2008-04-09 2009-10-12 Asml Holding Nv Robot Position Calibration Tool (RPCT).
DE102009006256B4 (de) 2009-01-27 2019-01-03 Deutsches Forschungszentrum für künstliche Intelligenz GmbH Verfahren zur Vermeidung von Kollisionen gesteuert beweglicher Teile einer Anlage
US9439556B2 (en) * 2010-12-10 2016-09-13 Wayne State University Intelligent autonomous camera control for robotics with medical, military, and space applications
JP2013111726A (ja) * 2011-11-30 2013-06-10 Sony Corp ロボット装置及びその制御方法、並びにコンピューター・プログラム
US8738271B2 (en) * 2011-12-16 2014-05-27 Toyota Motor Engineering & Manufacturing North America, Inc. Asymmetric wavelet kernel in support vector learning
US8958911B2 (en) * 2012-02-29 2015-02-17 Irobot Corporation Mobile robot
US9434072B2 (en) * 2012-06-21 2016-09-06 Rethink Robotics, Inc. Vision-guided robots and methods of training them
US9280827B2 (en) * 2013-07-03 2016-03-08 Mitsubishi Electric Research Laboratories, Inc. Method for determining object poses using weighted features
JP5945968B2 (ja) * 2013-09-03 2016-07-05 株式会社安川電機 ロボットハンド、ロボットシステム、及び物品のデパレタイズ方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770235A (zh) * 2009-01-01 2010-07-07 索尼株式会社 路径计划装置、路径计划方法和计算机程序
CN101726296A (zh) * 2009-12-22 2010-06-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN102830644A (zh) * 2012-09-26 2012-12-19 苏州工业园区职业技术学院 五轴高速点胶机器人伺服控制系统
CN103412565A (zh) * 2013-05-17 2013-11-27 浙江中控研究院有限公司 一种具有全局位置快速估计能力的机器人及其定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Biologically-inspired dynamical systems for movement generation : automatic real-time goal adaptation and obstacle avoidance;Heiko Hoffmann,etc;《IEEE International Conference on Robotics & Automation》;20090630;全文 *

Also Published As

Publication number Publication date
CN105710888A (zh) 2016-06-29
DE102014115774B3 (de) 2015-10-22
US20160107313A1 (en) 2016-04-21
US9403275B2 (en) 2016-08-02

Similar Documents

Publication Publication Date Title
CN105710888B (zh) 机器人系统中的动态避障
US20210205986A1 (en) Teleoperating Of Robots With Tasks By Mapping To Human Operator Pose
Hajiloo et al. Robust online model predictive control for a constrained image-based visual servoing
Bagnell et al. An integrated system for autonomous robotics manipulation
Bosscher et al. Real‐time collision avoidance algorithm for robotic manipulators
Neto et al. High‐level robot programming based on CAD: dealing with unpredictable environments
Taryudi et al. Eye to hand calibration using ANFIS for stereo vision-based object manipulation system
Pambudi et al. Simulation design of trajectory planning robot manipulator
Dagioglou et al. Smoothing of human movements recorded by a single rgb-d camera for robot demonstrations
Nakhaeinia et al. A mode-switching motion control system for reactive interaction and surface following using industrial robots
Kim et al. Digital twin for autonomous collaborative robot by using synthetic data and reinforcement learning
Gäbert et al. Generation of human-like arm motions using sampling-based motion planning
Kargin et al. A reinforcement learning approach for continuum robot control
Lakshminarayanan et al. Robots in manufacturing: Programming, control, and safety standards
Hafez et al. Path planning for visual servoing and navigation using convex optimization
Miądlicki et al. LiDAR based system for tracking loader crane operator
Shukla et al. Robotized grasp: grasp manipulation using evolutionary computing
Al-Junaid ANN based robotic arm visual servoing nonlinear system
Mateo et al. A manipulation control strategy for granular materials based on a Gaussian mixture model
Pupa et al. An optimal human-based control approach for mobile human-robot collaboration
Belousov et al. Architectural assembly with tactile skills: Simulation and optimization
Mattamala et al. A dynamic and efficient active vision system for humanoid soccer robots
Castellanos et al. Robots coordinated control for service tasks in virtual reality environments
Borangiu et al. Heuristic solution for constrained 7-DOF motion planning in 3D scanning application
Wei et al. Shared control with flexible obstacle avoidance for manipulator

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant