CN107921626A - 用于控制机器人操纵的系统和方法 - Google Patents
用于控制机器人操纵的系统和方法 Download PDFInfo
- Publication number
- CN107921626A CN107921626A CN201680038872.4A CN201680038872A CN107921626A CN 107921626 A CN107921626 A CN 107921626A CN 201680038872 A CN201680038872 A CN 201680038872A CN 107921626 A CN107921626 A CN 107921626A
- Authority
- CN
- China
- Prior art keywords
- arm
- control
- information
- perception
- rate
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J5/00—Manipulators mounted on wheels or on carriages
- B25J5/007—Manipulators mounted on wheels or on carriages mounted on wheels
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
- B25J13/081—Touching devices, e.g. pressure-sensitive
- B25J13/084—Tactile sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/023—Optical sensing devices including video camera means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/06—Programme-controlled manipulators characterised by multi-articulated arms
-
- 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
- G05B2219/39391—Visual servoing, track end effector with camera image feedback
-
- 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
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42263—Different sample rates, multiple sample rates for the different loops
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S901/00—Robots
- Y10S901/02—Arm motion controller
- Y10S901/09—Closed loop, sensor feedback controls arm movement
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Manipulator (AREA)
Abstract
提供了相对于目标对象移动可铰接臂的机器人系统和方法。以某个采集率采集对应于相对于目标对象的臂的位置的感知信息。以比采集率更快或与其不同步中的至少之一的控制率来控制臂的移动。使用感知信息,提供表示臂的预测定位的预测位置信息。使用感知信息和预测位置信息来控制臂。
Description
背景技术
在站场内的一个或多个轨道车辆系统上可在铁路站场中执行多个任务。例如,在由轨道车辆执行的任务之间,可检查和/或测试轨道车辆的单元的诸如制动系统的各种系统。作为一个示例,可在轨道车辆系统的一个或多个单元上执行制动器放气任务。在铁路站场中,在相对有限区域中可存在大量的轨道车厢,导致大量的检查和/或维护任务。困难、危险和/或日常或重复的任务可由机器人执行。
在一些应用中,例如在检测机器人要与其相互作用的对象的错误大(例如,3-5厘米)的情况下,可实现闭环控制。然而,例如连续伺服控制的应用可在其中与连续伺服控制一起使用的信息采集的频率比控制器的频率慢的应用中生成过度控制问题。
发明内容
在一个实施例中,提供了包含可铰接(articulable)臂、感知采集单元和至少一个处理器的机器人系统(例如,配置成操纵目标对象的机器人系统)。可铰接臂配置成相对于目标对象移动。感知采集单元配置成安装到臂,并且以某个采集率采集对应于臂相对于目标对象的位置的感知信息。至少一个处理器可操作耦合到臂和感知采集单元。至少一个处理器配置成以比感知采集单元的采集率快或与其不同步中的至少之一的控制率来控制臂的移动,使用感知信息和控制信号信息来提供表示臂的预测定位的预测位置信息,以及使用感知信息和预测位置信息来控制臂。
在另一实施例中,提供了用于控制机器人系统的方法。方法包含确定朝向其机器人臂将以某个控制率被引导的目标对象。方法也包含(经由安装到臂的感知采集单元)以比控制率慢或与其不同步中的至少之一的采集率来采集对应于臂相对于目标对象的位置的感知信息。而且,方法包含通过可操作耦合到感知采集单元和臂的至少一个处理器来使用感知信息和控制信号信息来生成表示臂的预测定位的预测位置信息。此外,方法包含通过至少一个处理器来使用感知信息和预测位置信息来控制臂朝向目标对象移动。
在另一实施例中,提供了有形和非暂态计算机可读媒介。有形和非暂态计算机可读媒介包含一个或多个计算机软件模块。一个或多个计算机软件模块配置成引导一个或多个处理器确定朝向其机器人臂将以某个控制率被引导的目标对象,经由安装到臂的感知采集单元,以比控制率慢或与其不同步中的至少之一的采集率来采集对应于臂相对于目标对象的位置的感知信息,使用感知信息和控制信号信息来提供表示臂的预测定位的预测位置信息,以及使用感知信息和预测位置信息来控制臂朝向目标对象移动。
附图说明
图1是根据各种实施例的机器人系统的示意框图。
图2是描绘根据各种实施例的控制操作的图表。
图3是根据各种实施例的机器人控制系统的示意框图。
图4是根据各种实施例的用于控制机器人的方法的流程图。
具体实施方式
在结合附图阅读时,将更好地理解各种实施例。就图形图示各种实施例的功能块的简图而言,功能块不一定指示硬件电路系统之间的分割。因此,例如,一个或多个功能块(例如,处理器、控制器或存储器)可在单件硬件(例如,通用信号处理器或随机存取存储器块、硬盘或诸如此类)或多件硬件中实现。类似地,任何程序可以是独立程序,可以作为子例程包含在操作系统中,可以是安装的软件包的功能及诸如此类。应理解的是,各种实施例不限于图形中所示的布置和手段。
如本文中所使用,术语“系统”、“单元”或“模块”可包含操作以执行一个或多个功能的硬件和/或软件系统。例如,模块、单元或系统可包含基于在诸如计算机存储器的有形且非暂态计算机可读存储媒介上存储的指令来执行操作的计算机处理器、控制器或其它基于逻辑的装置。备选地,模块、单元或系统可包含基于装置的硬连线逻辑来执行操作的硬连线装置。附图中示出的模块或单元可表示基于软件或硬连线的指令进行操作的硬件、引导硬件执行操作的软件或其组合。硬件可包含电子电路,电子电路包含和/或连接到诸如微处理器、处理器、控制器或诸如此类的一个或多个基于逻辑的装置。这些装置可以是经适当编程或指示以从上述指令执行本文中描述的操作的现成装置。另外地或备选地,一个或多个这些装置可与逻辑电路硬连线以执行这些操作。
如本文所使用,以单数形式叙述或以单词“一”或“一个”的元素或步骤应理解为不排除多个所述元素或步骤,除非这种排除被明确规定。此外,对“一个实施例”的引用没有意图解释为排除也包含所述特征的附加实施例的存在。此外,除非相反地明确规定,否则,“包括”或“具有”含特定性质的元素或多个元素的实施例可包含不具有那个性质的附加的此类元件。
通常,各种实施例提供用于机器人系统的控制的方法和系统。例如,各种实施例提供用于机器人的控制以接近目标对象和/或与其交互。在一些实施例中,控制机器人系统以抓握控制杆(lever),例如执行制动器放气操作的控制杆。在各种实施例中,以慢于控制率的速率获得对应于目标对象的位置的感知信息,并且预测运动模型用来估计在感知信息的采集之间目标对象的位置,其中估计结果在步进式闭环控制机制中用来同步感知和运动控制,并且增大系统精度。
各种实施例的至少一个技术效果包含改进用于机器人系统的控制(例如,连续伺服控制)可靠性、准确度和/或精度。各种实施例的至少一个技术效果是对于具有与采集率(例如,用于来自相机或三维(3D)传感器的感知信息的采集率)相比更高的控制率的系统的机器人控制的改进。各种实施例的至少一个技术效果是对于具有与采集率不同步的控制率的系统的机器人控制的改进。各种实施例的至少一个技术效果是消除或降低了与机器人系统的过度控制有关的问题。各种实施例的至少一个技术效果包含保持系统的最高可用响应率(例如,控制系统的主要模块的最高速率,例如致动模块的速率)。
图1是根据各种实施例的机器人系统100的示意图。机器人系统100配置成操纵(例如,抓握、接触、致动或以其它方式接合的一个或多个)目标对象102。例如,目标对象102可以是控制杆,机器人系统100配置成抓握控制杆并使其致动。在一些实施例中,目标对象102可以是轨道车厢的制动器放气控制杆。如图1中所看到的,描绘的机器人系统100包含可铰接臂110、操纵器单元120、感知采集单元130和处理单元140。通常,处理单元140(例如,处理单元140的控制部分)进行动作以控制机器人系统100的操作,包含臂110的移动。
在图示的实施例中,臂110是可铰接的,并且配置成朝向目标对象102移动(例如,基于来自处理单元140的指令或控制信号)。描绘的操纵器单元120安装成接近臂110的末端,并且配置成抓握目标对象102。如在图1中所看到的,图示实施例的感知采集单元130安装到臂(例如,接近臂110的末端,其中操纵器单元120附接于此)。感知采集单元130配置成以某个采集率采集感知信息。在图示的实施例中,感知信息对应于臂110相对于目标对象102的位置。例如,感知信息可定义,描绘或以其它方式对应于在操纵器单元120(或其一部分)或操纵器单元120安装到的臂的末端和目标对象102(或其一部分)的位置中的差别。例如,在操纵器单元120的抓握部分与要抓握的目标对象102的部分之间的距离可通过感知信息描述。
处理单元140可操作耦合到臂110(例如,以控制臂10的移动)和感知采集单元130(例如,以接收来自感知采集系统130的感知信息)。处理单元140配置成以比感知采集单元130的采集率快或与其不同步中的至少之一的控制率来控制臂110的移动。例如,控制率可在10-100 Hz之间,并且采集率可以为1 Hz。处理单元140也配置成使用感知信息和控制信号信息(例如,在对应于感知信息的采集或臂110的以前位置的其它确定的时间后,描述,描绘或对应于向臂提供的控制指令的方向和/或速度的信息)来预测臂110的定位以提供预测位置信息。在图示实施例中的处理单元140也配置成使用感知信息和预测位置信息来控制臂。预测位置信息可以以控制率来确定,并且用于修改随后的控制指令。在图示实施例中,处理单元140利用预测位置信息以用于在感知信息的采集之间臂110的反馈和控制,由此在当前感知信息不可用时利用预测位置信息,并且在当前感知信息可用时利用感知信息以用于可靠性和准确度。如本文中所使用,在自感知信息的采集后尚未实现随后的控制动作时感知信息可被理解为是当前的。如在图1中所看到的,机器人系统100包含臂110从其延伸的底座(base)或主体104。在各种实施例中,机器人系统100(例如,主体104)可具有轮、轨迹或诸如此类连同用于移动性的推进系统(例如,马达)。
描绘的臂110包含第一部分112和通过关节116结合的第二部分114。第一部分112从主体104延伸,并且相对于主体104是可铰接的,以及第一部分112和第二部分114相对于彼此是可铰接的。臂110(例如,第一部分112和第二部分114)的运动可经由接收由处理单元140提供的控制信号的关联马达来致动。可注意到的是,为便于说明,在图示实施例中只示出两个部分;然而,在各种实施例中可利用具有更多部分和关节的臂。描绘的臂110也包含配置成感测或检测在关节处臂110(或其部分)的位置和/或运动的传感器以向处理单元140提供反馈。
在图示实施例中,操纵器单元120配置成抓握目标对象102。操纵器单元120可包含一个或多个传感器以用于检测与目标对象102的接触和/或用于在目标对象102的抓握期间提供反馈。如在图1中所看到的,描绘的操纵器单元120安装在臂110的末端。虽然描绘的操纵器单元120配置成抓握某个项,但在各种实施例中可由操纵器单元120执行附加或备选任务。例如,在图示实施例中,臂110和操纵器单元120配置成抓握和致动控制杆(例如,来自轨道车厢的制动器放气的控制杆);然而,在其它实施例中,臂110和操纵器单元120可另外地或备选地配置成执行其它任务,例如检查或维护任务。在各种实施例中,操纵器单元120可包含一个或多个臂、铰链、联动装置或其它机构以控制一个或多个夹具、保持器、相机或其它装置的位置。在各种实施例中,操纵器单元120可包含一个或多个马达、齿轮、汽缸或诸如此类以基于由处理单元140提供的控制信号或命令致动机构。可以水压、电或以其它方式致动操纵器单元120。例如,操纵器单元120可配置成抓握和操纵某个项,例如以便释放制动器,致动开关,紧固(或释放)闩锁或扣件,定位和保持某个零件或工具以供在轨道车厢的维护和检查中使用,将要运输的某个零件或工具加载到机器人系统100上(或者从机器人系统100卸载工具或零件)或诸如此类。备选地或另外地,操纵器单元120可用来定位用来收集信息的装置。例如,操纵器单元120可在难以到达的区域(例如,轨道车厢下方)定位检查相机,其中来自相机的信息用于检查或诊断目的。
感知采集单元130安装到臂110并且配置在以某个采集率采集对应于臂110对于目标对象102的位置的感知信息。采集率可被理解为可采集成像信息(例如,图像,帧)的不同集的速率。例如,感知采集单元130可以以每秒1帧或1 Hz的速率采集图像或成像信息。在图示实施例中,感知采集单元130安装到臂110在操纵器单元120结合到的臂110的末端附近(例如,在“腕部”位置处)。描绘的感知采集单元130采集关于目标对象102相对于臂110的位置的位置(例如,从要抓握的目标对象102的部分到在臂110上安装的操纵器单元120的距离)的感知信息。在各种实施例中,感知采集单元110可包含相机、立体相机或激光传感器的一个或多个。
描绘的处理单元140可操作耦合到臂110和感知采集单元130。例如,处理单元140可提供控制信号到臂110和接收来自其的反馈信号,并且可接收来自感知采集单元130的感知信息。在图示实施例中,处理单元140在机器人系统100上机载设置(例如,底座或主体140上机载设置);然而,在一些实施例中,处理单元140或其一部分可非机载定位。例如,机器人系统100的所有或一部分可通过远程控制器以无线方式控制。处理单元140也可操作耦合到输入单元(未示出),输入单元配置成允许操作员向机器人系统100提供信息,例如以识别或描述要执行的任务。如本文中所使用,控制率可例如被理解为可确定,提供和运行不同控制信号或命令的速率。
描绘的处理单元140也配置成预测或估计臂110的定位以使用感知信息和控制信号信息来提供预测位置信息。在一些实施例中,可基于在初始时间臂的以前位置、对应于在初始时间与当前时间之间臂的速度的速度信息和在初始时间与当前时间之间流逝的时间量,来确定在给定(例如,当前)时间臂110的预测或估计位置。例如,在初始时间,臂110(和/或操纵器单元120)可以是在相对于目标对象102的已知位置处(例如,基于已知开始位置或者经由使用经由感知采集单元130获得的感知信息)。可为臂110提供控制信号,促使臂110移动。控制信号可指定速度信息,例如速度量和速度的方向(例如,为臂的一个部分指定在指定方向上以指定速度移动的命令)。在一些实施例中,速度信息也可包含用于要执行的移动的加速(或随时间的过去的速度的变化率)。
基于速度信息和流逝的时间量,处理单元140可通过基于速度信息而修改最初确定的位置来预测臂110的位置。例如,在一维运动的一个说明性情形中,操纵器单元120在0的初始时间在x=0的位置处开始(其中x表示沿单个方向或轴的位置)。控制信号被提供到臂110以便以每秒一英寸在正x方向上致动操纵器单元。在1秒的随后时间,处理单元140可确定估计或预测的位置是在x=1英寸或大约2.5厘米处(或0的初始位置加上速度(每秒1英寸)或(每秒大约2.5厘米)乘以流逝的时间(1秒))。实际上,可使用其它增量和速度,可利用和计及加速,并且移动可以是在一个或多个附加的维度中。描绘的处理单元140也配置成使用感知信息和预测位置信息来控制臂110。例如,可在任务的执行期间在各种点处使用感知信息来控制臂110,同时在任务的执行期间在其它点(例如,在预测位置信息可用,但当前或可靠感知信息不可用的点)处使用预测位置信息来控制臂110。相应地,各种实施例在避免或最小化过度控制问题的同时,提供用于比在其它情况下可用于给定采集率更快的控制或调整的速率。
在各种实施例中,处理单元140配置成在对应于控制率的第一间隔内使用预测位置信息来控制臂,以及在对应于采集率的第二间隔内使用感知信息来控制臂。例如,给定间隔可以是对应速率的倒数。可注意到的是,在某个间隔内使用某个类型的信息的控制不一定意味着在整个间隔内使用该类型的信息。例如,间隔可被理解为可改变在其内基于特定类型的信息的控制动作的流逝的时间。例如,可在其中当前感知信息不可用的采集间隔的一部分期间使用预测位置信息。在各种实施例中,感知信息的使用可被赋予高于预测信息的使用的优先权。在一些实施例中,处理单元140可仅在当前感知信息不可用时才确定预测或估计位置信息。
图2图示描绘随时间的过去臂(例如,其一部分)的位置的图表200。为便于说明,图表200只用于单个位置维度。可注意到的是,在各种实施例中可采用、感知或检测和预测在2或3维中的移动。图表200描绘每个与前一(immediately preceding)位置(感知或预测)以控制间隔210隔开的预测位置212、214、216和218及以感知间隔220隔开的感知位置222和224。在控制率比感知率快的情况下,控制间隔210比感知间隔220短。对于图2中描绘的示例情形,臂受控制以朝向预期位置202移动。预期位置由正方形指示,由感知信息识别的位置由圆形指示,并且使用控制信号信息估计或预测的位置由X指示。
在示例情形中,在初始时间T1,臂开始在使用来自感知采集单元的信息来确定的位置222。由于位置222在预期位置202下方,因此,向臂提供控制信号以在正方向上并且朝向预期位置202致动臂。一旦臂开始移动,以前感知的位置222便不再是当前的。由于控制率比采集率快,因此,在更新的采集信息可用前,可提供或修改控制指令。
相应地,在示例情形中,在时间T2确定预测位置212。预测位置212基于由根据控制信号所要求的速度修改的位置222,而控制信号是在T1与T2之间流逝的时间内基于位置222提供的。由于位置212在预期位置202下方,因此,接下来向臂提供控制信号以在正方向上并且朝向预期位置202致动臂。
在时间T3,当前采集信息仍不可用,因此,预测位置214在时间T3被确定并且用来在时间T3与T4之间控制臂。预测位置214基于根据由控制信号所要求的速度修改的位置212,而控制信号是在T2与T3之间流逝的时间内基于位置212提供的。由于位置214仍在预期位置202下方,因此,接下来向臂提供另一控制信号以在正方向上并且朝向预期位置202致动臂。
而且,在示例情形的时间T4,当前采集信息不可用。相应地,预测位置216在时间T4被确定,并且用来在时间T4与T5之间控制臂。预测位置216基于根据由控制信号所要求的速度(在T3)修改的位置214,而控制信号是在T3与T4之间流逝的时间内基于位置214提供的。由于位置216仍在预期位置202下方,因此,接下来向臂提供另一控制信号以在正方向上并且朝向预期位置202致动臂。
在时间T5,当前采集信息再一次可用,并且用来确定位置224。由于位置224仍在预期位置202下方,因此,再次向臂提供控制信号以在时间T5与T6之间在正方向上并且朝向预期位置202致动臂。一旦臂开始移动,以前感知的位置224便不再是当前的。相应地,在时间T6确定预测位置218。预测位置218基于根据由控制信号所要求的速度修改的位置224,而控制信号是在T5与T6之间流逝的时间内基于位置224提供的。由于位置218在预期位置202下方,因此,接下来向臂提供另一控制信号以在正方向上并且朝向预期位置202致动臂。该过程可继续,直至臂处在预期位置202。
应注意的是,为说明目的,通过示例的方式提供了上面讨论的图2的示例。在各种实施例中,在采集周期之间可发生不同数量的预测周期(例如,在图示实施例中,控制率是感知或采集率的4倍;然而,在其它实施例中,控制率可以是感知或采集率的2倍、5倍或10倍等等)。此外,可注意到的是,虽然图2的示例是随着时间的过去根据单个位置维度描绘,但其它实施例可在附加的维度(例如,三个维度)控制移动。如通过上面的讨论所示,各种实施例在当前或可靠的感知信息不可用时采用预测位置作为位置的估计,并且在感知信息可用时受益于感知信息的准确度和/或可靠性。
因此,在各种实施例中,处理单元140配置成在至少一个第二间隔(例如,感知间隔220)期间在一系列的多个第一间隔(例如,控制间隔210)内控制臂。在图2描绘的实施例中,控制率(或预测率)是感知率(或采集率)的4倍,因此,3个预测位置被确定或估计,并且在新的、更新的或当前感知位置可用前用来控制臂。再一次,可注意到的是,在各种实施例中可采用其它速率或间隔的相对持续时间。
返回到图1,描绘的处理单元140包含控制模块142、感知模块144、预测模块146和存储器148。可注意到的是,图1中示出的特定单元或模块意味着作为示例,并且在各种实施例中可采用处理单元140的单元或子单元的其它布置,并且在备选实施例中可采用模块的其它类型、数量或组合,和/或另外地或备选,结合不同模块,可利用本文中描述的模块的各种方面。通常,处理单元140的各种方面个别或与其它方面协作,以执行本文中讨论的方法、步骤或过程的一个或多个方面。处理单元140可包含配置成执行本文中讨论的一个或多个任务、功能或步骤的处理电路系统。可注意到的是,如本文中所使用的“处理单元”不意图一定限于单个处理器或计算机。例如,处理单元140可包含多个处理器和/或计算机,它们可集成在共同的壳体或单元中,或者可分布在各种单元或壳体之中。
描绘的控制模块142使用来自感知模块144和预测模块146的输入,以便基于相对于臂110目标对象102的位置(例如,在感知信息可用时基于在臂110与目标对象102之间感知距离之间的差,和在感知信息不可用时基于预测差),控制臂110的移动。控制模块142配置成向臂110(例如,向与臂110的一个或多个部分关联的一个或多个马达或其它致动器)提供控制信号,并且一旦由操纵器单元130已到达目标对象102,便也控制操纵器单元120。另外,描绘的控制模块142也向预测模块146提供描述或者对应于向臂110提供的控制信号的控制信号信息,以供在感知信息不可用时由预测模块146在估计位置中使用。
描绘的感知模块144配置成采集来自感知采集单元130的采集信息,并且确定臂110的位置(例如,臂110的一部分或与其关联的组件例如操纵器单元120相对于目标对象102的位置)。在图示实施例中的感知模块144向控制模块提供对应于由感知模块144使用来自感知采集单元130的信息确定的臂110的位置的信息。
描绘的预测模块146配置成预测臂110的定位,以使用来自感知模块144(和/或感知采集单元130)的感知信息和来自控制模块142的控制信号信息,提供预测位置信息。通常,在各种实施例中,预测模块146使用以前的位置和对应控制信号信息(例如,在自控制信号的实现后流逝的时间内由控制信号产生的臂的速度和方向)以预测后续位置。例如,预测模块146可将以前确定的位置(使用感知信息或从先前预测确定)修改对应于臂110(或其部分)的速度的某个量,速度对应于在该先前确定的位置后提供的控制信号(例如,速度量和速度的方向)。在各种实施例中,可存在和计及加速或速度的变化。
存储器148可包含一个或多个有形和非暂态计算机可读存储媒体。存储器148例如可用来存储对应于要执行的任务的信息、目标对象、用来预测位置的控制信息(例如,当前和/或最近使用的控制信号和对应于其的移动)或诸如此类。此外,本文中讨论的过程流程和/或流程图(或其方面)可表示在存储器148中存储以用于引导机器人系统100的操作的一个或多个指令集。
可注意到的是,机器人系统100可包含图1中未明确描绘的附加方面。例如,机器人系统100也可包含配置成在不同位置之间移动机器人系统100的推进单元和/或配置成允许机器人系统100与远程用户、中央调度或分派系统或其它机器人系统等等通信的通信单元。
图3是根据各种实施例的机器人控制系统300的示意框图。如图3中所看到的,描绘的机器人控制系统300配置供与环境350一起使用。环境350例如可包含对应于要通过由机器人控制系统300控制的机器人系统执行的一个或多个任务的一个或多个目标对象或位置。图示实施例的机器人控制系统300包含用户接口302、任务计划块304、通信块306、运动计划块308、目标位置估计块310、位置控制器312、速度控制器314、机器人传感器316、动态计划块318、致动块319、机器人操纵器320、感知器块322及环境建模块324。机器人控制系统300的方面可通过图1中描绘的机器人系统100被采用(例如,控制系统300的各种块可用作处理单元140的一部分或与其结合被采用)。通常,机器人系统300的核心组件是计划模块和控制器。给定经由用户接口302或可通信耦合机器人控制系统300和一个或多个其它系统的通信块306接收的任务,机器人控制系统300可通过调度执行指定任务的任务原语(primitives)来计划任务。
例如,每个调度的任务原语可触发运动计划块308以便生成运动轨迹,其可包含所有经由点(via-point)的位置、速度和加速值的描述,并且可并入环境建模结果。在各种实施例中,双闭环控制系统用来驱动机器人操纵器320以预期动态运动通过所有经由点。双闭环控制系统可包含位置环和速度环。图示实施例中的位置控制器312是基于闭环的,其中反馈信息从受控的机器人和环境(例如,任务空间)两者获得。描绘的速度控制器314也是基于闭环的,但不接收来自环境感知器的信息。从那个观点而言,速度控制器314可被视为“开环”系统,因为反馈信息不是从任务空间获得。计算的运动信息被发送到动态计划块318以生成关节力矩,以便驱动机器人操纵器的运动。例如,致动块319可基于来自动态计划块318的计算结果而提供用于机器人操纵器320的必需输入。环境信息被发送到计划模块以用于更高级别一次性计划。也可在任务计划块304处使用环境信息来执行任务验证。接下来将讨论与机器人控制系统300的某些块或方面有关的各种示例硬件和/或算法。
机器人操纵器320可包含一个或多个可铰接臂。例如,在一些实施例中,机器人操纵器可利用诸如Yaskawa Motoman Robotics的SIA20F的机器人。SIA20F是用于使诸如组装、检查、机器看管和处理的操作自动化的7轴单臂机器人。例如,在制动器放气应用中,通过安装在移动底座上以用于移动操纵的机器人操纵器320,可处理15公里有效负载。为执行制动器放气任务,可要求具有小于+/- 2毫米的可重复误差的至少800毫米的到达范围。SIA20F可用于此种应用,因为它具有7个自由度、20千克的指定有效负载、具有+/- 0.1毫米可重复性的910毫米最大到达范围及100千克的较轻重量。可注意到的是,在各种实施例中可采用附加或备选操纵器。
机器人传感器316可包含设置在机器人臂的某个关节(或关节)处的一个或多个编码器。在一些实施例中,旋转/线性编码器可用来将旋转/线性位置转换成模拟或数字电子信号。使用编码器值和正向运动学,可计算机器人操纵器320的当前运动学状态,包含位置、速度和加速。在一些实施例中,为帮助降低累积漂移或关联误差,可利用绝对编码器。
在一些实施例中,可利用力感测电阻器以用于检测力和力矩。力感测电阻器可包含在施加力或压力并且生成对应电信号时其电阻变化的材料。在一些实施例中,可采用再一个ATI伽玛F/T传感器。ATI伽玛F/T传感器是具有高精度的6轴传感器,其具有满足对制动器放气应用的要求的测量力和力矩范围。例如,ATI伽玛F/T传感器可具有在X和Y方向上具有1/40牛顿(N)分辨率的130 N的最大力、在Z方向上具有1/20 N分辨率的400 N的最大力和具有1/800 N-米分辨率的在X、Y和Z方向上10 N-米的最大力矩。
感知器块322可通常在某些方面中类似于本文中讨论的感知采集单元120。感知器块322可包含例如三维范围传感器,其返回测量在传感器与在环境350中检测到的一个或多个点(例如,一个或多个目标对象或其部分)之间距离的范围值。备选地或另外地,感知器块322可包含检测在环境350中的目标对象(例如,制动器控制杆),并且估计目标对象的6维姿势的立体相机。
在各种实施例中,可采用末端执行器以用于误差容忍。例如,可从运动控制和/或对象检测中生成误差。在一些实施例中,末端执行器可配置成容忍在所有轴上5厘米或更大的误差。
描绘的任务计划块304配置成接收作为输入的任务(例如,从用户接口302和/或通信块306),并且提供作为输出的任务原语。如本文中所使用,任务计划可指调度机器人要执行的任务的序列或多个平行序列。任务计划块304可利用现代控制架构,例如基于任务的反应控制(TBRC),可用来将控制问题公式化为任务误差的约束最小化,并且可有效地利用在各种实施例中提供的平台的冗余性。可注意到的是,可利用逆TBRC和成本优化来计划任务,以便如果考虑任务的目标,则实现某些任务目标,以实现控制算法的最终状态。在一些实施例中,用于典型制动器放气任务的计划是具有若干要求的基于典型单任务的计划问题。
环境建模块324可采用基于点云的技术。如本文中所使用,环境建模可指描述机器人的工作空间。取决于不同任务的各种要求,可采用不同建模方法。通常,执行环境建模以帮助机器人以与要执行的任务有关的方式理解环境。在各种实施例中的环境建模块324接收作为输入的感知信息和提供作为输出的目标位置。由于环境限制,在各种实施例的感知方面的高精度通常是期望的。基于点云的方法可用来查找目标点的位置,而其它方法可被采用以将目标对象分段。
在各种实施例中的运动轨迹计划(例如,由运动计划块308执行)可利用人工势场。运动轨迹计划可用来确定在工作空间中平滑和无冲突的运动轨迹,以用于机器人执行一个或多个任务。生成的运动轨迹例如可表示为具有时间信息和运动信息的经由点(包含位置、速度和加速)的序列。运动计划块308可接收作为输入的目标位置和阻碍位置和提供作为输出的下一定时步骤的预期位置。在一些实施例中,机器人的配置可被视为在人工势场中组合吸引目标和排斥障碍的点(appoint)。所得到的轨迹是作为路径被输出。此方案的优点在于可通过很少的计算产生轨迹。然而,可注意到的是,轨迹可能潜在地变得受困于势场的局部极小中,并且未能找到路径。可注意到的是,在闭环方案中,持续更新目标位置和障碍。
在各种实施例中的目标位置估计块310可利用扩展卡尔曼滤波器。可注意到的是,由于在各种实施例中感知信息采集的频率比控制频率低得多,因此,可使用运动模型在各种实施例中估计相对于机器人框架的目标位置。随后,在每个环中,估计的目标位置可用作用于控制算法的预期参考输入。目标位置估计块310可接收作为输入的操纵器的运动和来自感知器块322的最后检测结果的估计的目标位置,和输出估计目标位置。卡尔曼滤波使用随着时间的过去观察的一系列测量,含有噪声(随机变化)和其它不准确性,并且产生趋向于比只基于单个测量的那些估计更精确的未知变量的估计。卡尔曼滤波器可在有噪输入数据流上递归操作,以产生基础系统状态的统计上最佳估计。
在生成预期运动轨迹后,描绘的位置控制器312使用控制算法最小化在经由点的预期位置与实际位置之间的误差。位置控制器312接收作为输入的在下一定时步骤的预期位置和提供作为输出的驱动步骤。在各种实施例中,可采用比例积分微分(PID)控制器。PID控制器是在工业控制系统中广泛使用的控制环反馈机构。PID控制器将误差值计算为在测量的过程变量与预期设定点之间的差。控制器尝试经由通过受操纵变量的使用来调整过程而最小化误差。
描绘的速度控制器314可在一些实施例中包含两个部分。第一部分是可由用户开发的外环,并且第二部分是机载速度控制器。用户开发的速度控制器将实际位置和更新的目标位置视为用来计算误差的输入,并且随后生成用于机载速度控制器的补偿信号,这使得机器人能够控制其速度以降低计算的误差。到第一部分的输入可以是预期速度,并且来自第一部分的输出可以是速度补偿信号。到第二部分的输入可以是速度补偿信号,并且来自第二部分的输出可以是速度驱动信号。
在图示实施例中,动态计划块318可利用混合运动和力计划。通常,动态计划涉及使用机器人学动态模型的运动到关节上力矩的转换。动态计划的使用提供了对机器人操纵器的更鲁棒、精确和灵活的控制。目前,许多商用机器人已经具有动态控制。描绘的动态计划块318可接收作为输入的具有位置、速度和加速的预期经由点,和提供作出输出的要在机器人臂的关节上提供的力矩。在混合运动和力计划组件中,在关节空间和任务空间中单独定义和处理力。此方案通过将在任务空间和关节空间两者中的预期运动和力均考虑在内来同时计划运动和力。计划的成果有助于在任务和关节空间中均提供最佳结果。
通常,通信块306配置成接收来自其它组件的信息和通过一个或多个通信平台和/或协议向其它组件发出状态信息。在一些实施例中,可实现基于传送控制协议(TCP)的无线通信以实现移动操纵和帮助确保鲁棒和稳定的数据传送。
在各种实施例中,用户接口302可提供图形用户接口,其提供给一个或多个用户。通常,用户接口可用来提供使用户观察机器人的状态信息和/或使用各种控制或命令来控制机器人的方法。例如,在制动器放气任务中,图形用户接口(GUI)可用来提供使人类用户观察机器人状态和使用按钮(或其它输入特征)来控制机器人的视觉方式。
图4提供用于控制机器人(例如供在制动器放气任务中使用的机器人)的方法400的流程图。在各种实施例中,方法400例如可采用本文中讨论的各种实施例(例如,系统和/或方法)的结构或方面。在各种实施例中,可忽略或添加某些步骤,可组合某些步骤,可同时执行某些步骤,可并发执行某些步骤,可将某些步骤拆分成多个步骤,可以以不同顺序执行某些步骤,或者可以以迭代方式重新执行某些步骤或步骤系列。在各种实施例中,方法400的部分、方面和/或变化可以能够用作引导硬件执行本文中描述的操作的一个或多个算法。
在402处,确定任务。例如,可在用户接口处输入或者以其它方式通过用于控制机器人(例如,具有可铰接臂的机器人)的系统获得任务。例如,任务可以是制动器放气任务,其中机器将抓握和致动控制杆。作为任务确定的一部分或者在其之后,确定一个或多个目标对象(例如,要致动的控制杆或其部分)。在图示实施例中,在404处,确定朝向其机器人臂将被引导的目标对象。在将机器人臂朝向目标对象引导时以控制率控制它。目标对象例如可以是作为制动器放气任务的一部分要抓握和致动的控制杆。
在406处,计划任务。例如,计划运动和/或力(例如,在任务执行期间在各种点处的位置、速度、加速和/或在一个或多个关节上的力矩)以实现任务。如本文所讨论的,在各种实施例中,可采用混合运动和力计划,基于具有位置、速度和加速的预期经由点而提供在机器人臂的关节上的力矩。
在408处,采集感知信息。而且,可基于采集的感知信息来确定位置。在各种实施例中,感知信息对应于臂相对于目标对象的位置。可经由安装到臂的感知采集单元来采集感知信息。感知采集单元例如可包含相机、立体相机和/或三维传感器的一个或多个。在图示实施例中,以低于控制机器人臂的控制率的某个采集率采集感知信息。
在410处,基于感知信息(例如,基于使用在408处采集的感知信息确定的位置),控制机器人系统。例如,在图示实施例中,控制臂移动成更靠近目标对象。基于在如使用来自感知采集单元的感知信息确定的臂的位置与对应于目标对象的预期位置之间的差,可控制臂。
在412处,确定是否已实现目标位置。如果目标位置已实现,则方法400前进到414。在414处,执行任务(例如,控制杆被抓握和致动)。如果目标位置尚未实现,则方法400前进到416。
在416处,预测臂的定位以提供预测位置信息。例如,可使用感知信息(例如,在408处获得的信息)和控制信号信息,预测或估计在图示实施例中臂的定位。可根据由在410处提供以控制臂的控制信号所要求的运动来修改在408处感知的位置,以确定估计位置。例如,可使用在初始时间臂的以前位置、对应于在初始时间与当前时间之间臂的速度的速度信息(以及如下所指示的加速信息,如果速度不恒定的话)和在初始时间与当前时间之间流逝的时间量,在当前时间确定臂的预测位置。可注意到提,如本文中所使用,速度信息也可包含对应于随着时间的过去速度的变化的信息或加速信息。可注意到的是,在图示实施例中,由于控制率比采集率快,因此,在再次使用感知信息前可采用使用感知信息的至少一个周期,因为在当前感知信息再次可用前控制事件将发生至少一次。此外,如果与可用感知信息相比,最新近的以前预测位置是最新近的,则也可使用最新近的以前预测位置来确定或估计当前预测位置。在一些实施例中,可在对应于控制率的第一间隔内使用预测位置信息,以及在对应于采集率的第二间隔内使用感知信息来控制臂朝向目标对象移动。例如,可在至少一个第二间隔(例如,在感知信息的可用性之间流逝的时间)期间在一系列的第一间隔内(使用感知信息)控制臂。
在418处,基于预测位置信息(例如,基于在416处确定或估计的位置),控制机器人系统。例如,在图示实施例中,控制臂移动成更靠近目标对象。基于在如估计或预测的臂的位置与对应于目标对象的预期位置之间的差,可控制臂。
在420处,确定是否已实现目标位置。如果目标位置已实现,则方法400前进到422。在422处,执行任务(例如,控制杆被抓握和致动)。如果目标位置尚未实现,则方法400前进到424。在424处,确定当前或最新感知信息是否可用或者在下一控制事件前将可用。如果是,则方法400前进到408,以用于使用感知信息来确定当前位置。如果不是,则方法期间到416,以用于确定当前预测或估计位置。
应注意的是,在各种备选实施例中可修改图示实施例的组件的特定布置(例如,数量、类型、放置或诸如此类)。例如,在各种实施例中,可采用不同数量的给定模块或单元,可采用不同类型的给定模块或单元,可组合多个模块或单元(或其方面),可将给定模块或单元分割成多个模块(或子模块)或单元(或子单元),可在模块之间共享一个或多个模块的一个或多个方面,可添加给定模块或单元,或者可忽略给定模块或单元。
如本文中所使用,“配置成”执行任务或操作的结构、限制或元件以对应于任务或操作的方式特别地在结构上形成,构建或适应。为清晰和避免疑问的目的,只能够经修改以执行任务或操作的对象未如本文中使用的那样“配置成”执行任务或操作。相反,如本文中所使用的“配置成”的使用表示结构性适应或特性,并且表示被描述为“配置成”执行任务或操作的任何结构、限制或元件的结构性要求。例如,可将“配置成”执行任务或操作的处理单元、处理器或计算机理解为特别构建成执行任务或操作(例如,具有定制或意图执行任务或操作的、存储在其上或与其结合使用的一个或多个程序或指令,和/或具有定制或意图执行任务或操作的处理电路系统的布置)。为清晰和避免疑问目的,通用计算机(如果适当编程的话,则其可变得“配置成”执行任务或操作)未“配置成”执行任务或操作,除非或直至经特殊编程或结构修改以执行任务或操作。
应注意的是,各种实施例可在硬件、软件或其组合中实现。各种实施例和/或例如模块或在其中的组件和控制器的组件也可实现为一个或多个计算机或处理器的一部分。计算机或处理器可包含计算装置、输入装置、显示器单元及例如用于访问因特网的接口。计算机或处理器可包含微处理器。微处理器可连接到通信总线。计算机或处理器也可包含存储器。存储器可包含随机存取存储器(RAM)和只读存储器(ROM)。计算机或处理器可还包含存储装置,其可以是硬盘驱动或可移式存储驱动,例如固态驱动、光盘驱动及诸如此类。存储装置也可以是用于将计算机程序或其它指令装载到计算机或处理器中的其它类似的部件。
如本文中所使用,术语“计算机”、“控制器”或“模块”可每个包含任何基于处理器或基于微处理器的系统,包含使用微控制器、精简指令集计算机(RISC)、专用集成电路(ASIC)、逻辑电路、GPU、FPGA及能够运行本文中描述的功能的任何其它电路或处理器的系统。上述示例只是示范的,并且因此不意图以任何方式限制术语“模块”或“计算机”的定义和/或含义。
计算机、模块或处理器运行在一个或多个存储元件中存储的指令集以便处理输入数据。存储元件也可根据希望或需要存储数据或其它信息。存储元件可以采取处理机器内的物理存储器元件或信息源的形式。
指令集可包含各种命令,其指示作为处理机器的计算机、模块或处理器执行诸如本文中描述和/或图示的各种实施例的方法和过程的特定操作。指令集可以采取软件程序的形式。软件可以采取各种形式,例如系统软件或应用软件并且其可体现为有形且非暂态计算机可读媒体。此外,软件可以采取单独程序或模块的集合、在更大程序内的程序模块或程序模块的一部分的形式。软件也可包含采取面向对象的编程形式的模块化编程。由处理机器对输入数据的处理可以是响应于操作员命令,或者响应于以前处理的结果,或者响应于另一处理机器发出的请求。
如本文中所使用,术语“软件”和“固件”是可互换的,并且包含在存储器中存储以供由计算机运行的任何计算机程序,存储器包含RAM存储器、ROM存储器、EPROM存储器、EEPROM存储器及非易失性RAM(NVRAM)存储器。上述存储器类型只是示范的,并且因此关于可用于存储计算机程序的存储器的类型不是限制的。各种实施例的各个组件可以通过云类型计算环境被虚拟化和托管,例如以允许计算能力的动态分配,而不要求用户关心计算机系统的位置、配置和/或特定硬件。
要理解,上面描述意图是说明性的而不是限制性的。例如,上述实施例(和/或其方面)可彼此结合使用。另外,可进行许多修改以使特定情形或材料适合各种实施例的教导,而没有背离其范围。本文所述材料的尺寸和类型意图、各种组件的取向和各种组件的数量和位置意图定义某些实施例的参数,并且其决不是限制性的,而是示范性的实施例。在审查上面描述时,权利要求的精神和范围内的许多其它实施例和修改对于本领域的技术人员将是显而易见的。因此,应参考所附权利要求书连同这类权利要求书所被赋予的等同物的全部范围来确定本发明的范围。在所附权利要求书中,术语“包含”和“其中”用作相应术语“包括”和“其中”的易懂英语等同物。此外,在下面权利要求书中,术语“第一”、“第二”和“第三”等只用作标记,而不是意图对其对象强加数字要求。此外,下面的权利要求书的限制没有以方法加功能形式来书写并且不意图基于35 U.S.C.§ 112(f),除非并且直到这类权利要求限制确切地使用后面是缺乏进一步结构的功能陈述的短语“用于…的部件”。
本书面描述使用包含最佳模式的示例来公开各种实施例,并且还使本领域的任何技术人员能够实施各种实施例,包含制作和使用任何装置或系统以及执行任何包含的方法。各种实施例的可取得专利的范围由权利要求书限定,并且可包含本领域的技术人员想到的其他示例。如果这类其他示例具有没有不同于权利要求书的文字语言的结构元件,或者如果它们包含具有与权利要求书的文字语言的无实质差异的等效结构元件,则它们意图处于权利要求书的范围之内。
Claims (20)
1.一种配置成操纵目标对象的机器人系统,所述机器人系统包括:
可铰接臂,配置成相对于所述目标对象移动;
感知采集单元,配置成安装到所述臂,并且以某个采集率采集对应于所述臂相对于所述目标对象的位置的感知信息;
至少一个处理器,配置成可操作耦合到所述臂和所述感知采集单元,所述至少一个处理器配置成:
以比所述感知采集单元的所述采集率快或与其不同步中的至少之一的控制率来控制所述臂的移动,
使用所述感知信息来提供表示所述臂的预测定位的预测位置信息,以及
使用所述感知信息和所述预测位置信息来控制所述臂。
2.如权利要求1所述的机器人系统,其中所述至少一个处理器配置成在对应于所述控制率的第一间隔内使用所述预测位置信息来控制所述臂,以及在对应于所述采集率的第二间隔内使用所述感知信息来控制所述臂。
3.如权利要求2所述的机器人系统,其中所述至少一个处理器配置成在至少一个第二间隔期间的一系列复数个第一间隔内控制所述臂。
4.如权利要求1所述的机器人系统,其中所述控制率是所述采集率的至少10倍。
5. 如权利要求1所述的机器人系统,其中所述控制率是在10与100 Hz之间。
6.如权利要求1所述的机器人系统,其中所述至少一个处理器配置成使用在初始时间所述臂的以前位置、对应于在所述初始时间与当前时间之间所述臂的速度的速度信息和在所述初始时间与所述当前时间之间流逝的时间量,确定在所述当前时间所述臂的预测位置。
7.如权利要求1所述的机器人系统,其中所述感知采集单元包括相机、立体相机或激光传感器中的至少之一。
8.一种用于控制机器人系统的方法,所述方法包括:
确定朝向其机器人臂将以控制率被引导的目标对象;
经由安装到所述臂的感知采集单元,以比所述控制率慢或与其不同步中的至少之一的采集率来采集对应于所述臂相对于所述目标对象的位置的感知信息;
通过可操作耦合到所述感知采集单元和所述臂的至少一个处理器,使用所述感知信息生成表示所述臂的预测定位的预测位置信息;以及
通过所述至少一个处理器,使用所述感知信息和所述预测位置信息,控制所述臂朝向所述目标对象移动。
9.如权利要求8所述的方法,其中控制所述臂朝向所述目标对象移动包括在对应于所述控制率的第一间隔内使用的所述预测位置信息,以及在对应于所述采集率的第二间隔内使用所述感知信息。
10.如权利要求9所述的方法,还包括在至少一个第二间隔期间的一系列复数个第一间隔内控制所述臂。
11.如权利要求8所述的方法,其中所述控制率是所述采集率的至少10倍。
12. 如权利要求8所述的方法,其中所述控制率是在10与100 Hz之间。
13.如权利要求8所述的方法,其中预测所述臂的定位包括使用在初始时间所述臂的以前位置、对应于在所述初始时间与当前时间之间所述臂的速度的速度信息和在所述初始时间与所述当前时间之间流逝的时间量,确定在所述当前时间所述臂的预测位置。
14.如权利要求8所述的方法,其中使用相机、立体相机或激光传感器中的至少之一,采集所述感知信息。
15.一种有形和非暂态计算机可读媒介,包括配置成引导一个或多个处理器执行以下操作的一个或多个计算机软件模块:
确定朝向其机器人臂将以控制率引导的目标对象;
经由安装到所述臂的感知采集单元,以比所述控制率慢或与其不同步中的至少之一的采集率来采集对应于所述臂相对于所述目标对象的位置的感知信息;
使用所述感知信息,提供表示所述臂的预测定位的预测位置信息,以及
使用所述感知信息和所述预测位置信息,控制所述臂朝向所述目标对象移动。
16.如权利要求15所述的计算机可读媒介,其中所述计算机可读媒介还配置成在对应于所述控制率的第一间隔捏使用所述预测位置信息,以及在对应于所述采集率的第二间隔内使用所述感知信息,引导所述一个或多个处理器控制所述臂朝向所述目标对象移动。
17.如权利要求16所述的计算机可读媒介,其中所述计算机可读媒介还配置成引导所述一个或多个处理器在至少一个第二间隔期间的一系列复数个第一间隔内控制所述臂。
18.如权利要求15所述的计算机可读媒介,其中所述控制率是所述采集率的至少10倍。
19.如权利要求15所述的计算机可读媒介,其中所述计算机可读媒介还配置成引导所述一个或多个处理器使用在初始时间所述臂的以前位置、对应于在所述初始时间与当前时间之间所述臂的速度的速度信息和在所述初始时间与所述当前时间之间流逝的时间量,确定在所述当前时间所述臂的预测位置。
20. 如权利要求15所述的计算机可读媒介,其中所述控制率是在10与100 Hz之间。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/702,014 US9889566B2 (en) | 2015-05-01 | 2015-05-01 | Systems and methods for control of robotic manipulation |
US14/702014 | 2015-05-01 | ||
PCT/US2016/030230 WO2016179029A1 (en) | 2015-05-01 | 2016-04-29 | Systems and methods for control of robotic manipulation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107921626A true CN107921626A (zh) | 2018-04-17 |
CN107921626B CN107921626B (zh) | 2023-02-03 |
Family
ID=56069228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680038872.4A Active CN107921626B (zh) | 2015-05-01 | 2016-04-29 | 用于控制机器人操纵的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US9889566B2 (zh) |
JP (1) | JP2018514403A (zh) |
CN (1) | CN107921626B (zh) |
DE (1) | DE112016002013T5 (zh) |
WO (1) | WO2016179029A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112428248A (zh) * | 2019-08-26 | 2021-03-02 | 精工爱普生株式会社 | 机器人系统及控制方法 |
CN113001547A (zh) * | 2021-03-10 | 2021-06-22 | 西北工业大学 | 一种基于混合现实的机器人遥操作控制方法 |
CN113365788A (zh) * | 2019-02-01 | 2021-09-07 | 三菱电机株式会社 | 作业判别装置及作业判别方法 |
CN115453916A (zh) * | 2022-08-24 | 2022-12-09 | 三一重机有限公司 | 作业机械的控制方法、装置、设备及作业机械 |
CN113365788B (zh) * | 2019-02-01 | 2024-06-21 | 三菱电机株式会社 | 作业判别装置及作业判别方法 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10272573B2 (en) | 2015-12-18 | 2019-04-30 | Ge Global Sourcing Llc | Control system and method for applying force to grasp a brake lever |
DE102015212171B3 (de) * | 2015-06-30 | 2016-06-30 | Kuka Roboter Gmbh | Verfahren zum Steuern eines Manipulatorsystems |
KR101703587B1 (ko) * | 2015-08-03 | 2017-02-07 | 현대자동차 주식회사 | 차량 전장품 동작 검사 장치 및 방법 |
US11645444B2 (en) * | 2016-05-10 | 2023-05-09 | Trustees Of Tufts College | Systems and methods enabling online one-shot learning and generalization by intelligent systems of task-relevant features and transfer to a cohort of intelligent systems |
AU2017294796B2 (en) | 2016-07-15 | 2019-05-30 | Fastbrick Ip Pty Ltd | Brick/block laying machine incorporated in a vehicle |
US10427305B2 (en) * | 2016-07-21 | 2019-10-01 | Autodesk, Inc. | Robotic camera control via motion capture |
EP3282327A1 (en) * | 2016-08-12 | 2018-02-14 | KUBO Robotics ApS | Programmable robot for educational purposes |
GB2554363B (en) | 2016-09-21 | 2021-12-08 | Cmr Surgical Ltd | User interface device |
US10955838B2 (en) * | 2016-09-26 | 2021-03-23 | Dji Technology, Inc. | System and method for movable object control |
DE102017005194C5 (de) * | 2017-05-31 | 2022-05-19 | Kuka Deutschland Gmbh | Steuern einer Roboteranordnung |
JP7003454B2 (ja) * | 2017-06-15 | 2022-01-20 | オムロン株式会社 | 制御装置、位置制御システム、位置制御方法、および、位置制御プログラム |
US11441899B2 (en) | 2017-07-05 | 2022-09-13 | Fastbrick Ip Pty Ltd | Real time position and orientation tracker |
WO2019033170A1 (en) | 2017-08-17 | 2019-02-21 | Fastbrick Ip Pty Ltd | LASER TRACKING DEVICE WITH ENHANCED ROLL ANGLE MEASUREMENT |
EP3668689A4 (en) * | 2017-08-17 | 2021-04-28 | Fastbrick IP Pty Ltd | INTERACTION SYSTEM CONFIGURATION |
US11847841B2 (en) | 2017-10-18 | 2023-12-19 | Brown University | Probabilistic object models for robust, repeatable pick-and-place |
JP6669713B2 (ja) * | 2017-11-28 | 2020-03-18 | ファナック株式会社 | ロボットおよびロボットシステム |
JP7059968B2 (ja) * | 2019-03-01 | 2022-04-26 | オムロン株式会社 | 制御装置および位置合わせ装置 |
CN109947119B (zh) * | 2019-04-23 | 2021-06-29 | 东北大学 | 一种基于多传感器融合的移动机器人自主跟随方法 |
US11389957B2 (en) | 2019-09-30 | 2022-07-19 | Mitsubishi Electric Research Laboratories, Inc. | System and design of derivative-free model learning for robotic systems |
CN111203849A (zh) * | 2020-01-08 | 2020-05-29 | 浙江大学 | 一种移动机器人抓取作业系统及控制方法 |
US11795637B2 (en) * | 2020-03-04 | 2023-10-24 | Pioneer Industrial Systems, Llc | Robotic maintenance vehicle and modules |
CN113352314A (zh) * | 2020-03-06 | 2021-09-07 | 思特威(上海)电子科技股份有限公司 | 基于闭环反馈的机器人运动控制系统及方法 |
CN116507456A (zh) * | 2020-10-12 | 2023-07-28 | 约翰霍普金斯大学 | 机器人看门狗 |
DE102020129743A1 (de) | 2020-11-11 | 2022-05-12 | Carl Zeiss Ag | Vorrichtung und verfahren zur vermessung, inspektion oder bearbeitung von objekten |
CN112549009B (zh) * | 2020-11-27 | 2022-02-08 | 合肥艾创微电子科技有限公司 | 一种基于可编程智能材料的仿生波形软体机器人 |
CN114061603A (zh) * | 2021-09-30 | 2022-02-18 | 浙江大华技术股份有限公司 | 路径规划方法、装置、电子设备和存储介质 |
CN117901124B (zh) * | 2024-03-20 | 2024-05-31 | 沈阳奇辉机器人应用技术有限公司 | 基于摘钩机器人的翻车机智能识别车钩方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1812868A (zh) * | 2003-04-28 | 2006-08-02 | 斯蒂芬·詹姆斯·克兰普顿 | 带有外骨骼的cmm臂 |
JP2007011978A (ja) * | 2005-07-04 | 2007-01-18 | Toyota Motor Corp | ロボットの運動制御装置 |
US20090276105A1 (en) * | 2008-03-05 | 2009-11-05 | Robotic Research Llc | Robotic vehicle remote control system having a virtual operator environment |
CN101587329A (zh) * | 2009-06-18 | 2009-11-25 | 北京理工大学 | 机器人预测的方法和系统 |
US20100256814A1 (en) * | 2009-04-07 | 2010-10-07 | Smith Joshua R | System and methods for robotic manipulation |
US20120158179A1 (en) * | 2010-12-20 | 2012-06-21 | Kabushiki Kaisha Toshiba | Robot control apparatus |
US20130041508A1 (en) * | 2011-08-12 | 2013-02-14 | Georgia Tech Research Corporation | Systems and methods for operating robots using visual servoing |
CN103020952A (zh) * | 2011-07-08 | 2013-04-03 | 佳能株式会社 | 信息处理设备和信息处理方法 |
CN103501969A (zh) * | 2011-11-30 | 2014-01-08 | 松下电器产业株式会社 | 机器人的示教装置、机器人装置、机器人的示教装置的控制方法以及机器人的示教装置的控制程序 |
CN103517789A (zh) * | 2011-05-12 | 2014-01-15 | 株式会社Ihi | 运动预测控制装置和方法 |
CN104552291A (zh) * | 2013-10-10 | 2015-04-29 | 精工爱普生株式会社 | 机器人控制装置、机器人系统、机器人以及机器人控制方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0113627D0 (en) | 2001-06-05 | 2001-07-25 | Univ Stirling | Controller and method of controlling an apparatus |
JP4504228B2 (ja) * | 2005-03-01 | 2010-07-14 | 川崎重工業株式会社 | ロボットの制御装置および制御方法 |
CN101726296B (zh) | 2009-12-22 | 2013-10-09 | 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 |
JP5679121B2 (ja) * | 2011-05-25 | 2015-03-04 | 株式会社Ihi | ロボットの運動予測制御方法と装置 |
JP5733518B2 (ja) * | 2011-05-25 | 2015-06-10 | 株式会社Ihi | 運動予測制御装置と方法 |
US9085080B2 (en) | 2012-12-06 | 2015-07-21 | International Business Machines Corp. | Human augmentation of robotic work |
DE102012112466B4 (de) | 2012-12-18 | 2023-07-06 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Vorrichtung zur Kompensation von Aufbaubewegungen |
JP2014140941A (ja) * | 2013-01-25 | 2014-08-07 | Seiko Epson Corp | ロボット制御システム、ロボット、ロボット制御方法及びプログラム |
-
2015
- 2015-05-01 US US14/702,014 patent/US9889566B2/en active Active
-
2016
- 2016-04-29 JP JP2017555760A patent/JP2018514403A/ja active Pending
- 2016-04-29 WO PCT/US2016/030230 patent/WO2016179029A1/en active Application Filing
- 2016-04-29 CN CN201680038872.4A patent/CN107921626B/zh active Active
- 2016-04-29 DE DE112016002013.9T patent/DE112016002013T5/de active Pending
-
2018
- 2018-01-31 US US15/885,289 patent/US10252424B2/en active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1812868A (zh) * | 2003-04-28 | 2006-08-02 | 斯蒂芬·詹姆斯·克兰普顿 | 带有外骨骼的cmm臂 |
JP2007011978A (ja) * | 2005-07-04 | 2007-01-18 | Toyota Motor Corp | ロボットの運動制御装置 |
US20090276105A1 (en) * | 2008-03-05 | 2009-11-05 | Robotic Research Llc | Robotic vehicle remote control system having a virtual operator environment |
US20100256814A1 (en) * | 2009-04-07 | 2010-10-07 | Smith Joshua R | System and methods for robotic manipulation |
CN101587329A (zh) * | 2009-06-18 | 2009-11-25 | 北京理工大学 | 机器人预测的方法和系统 |
US20120158179A1 (en) * | 2010-12-20 | 2012-06-21 | Kabushiki Kaisha Toshiba | Robot control apparatus |
CN103517789A (zh) * | 2011-05-12 | 2014-01-15 | 株式会社Ihi | 运动预测控制装置和方法 |
CN103020952A (zh) * | 2011-07-08 | 2013-04-03 | 佳能株式会社 | 信息处理设备和信息处理方法 |
US20130041508A1 (en) * | 2011-08-12 | 2013-02-14 | Georgia Tech Research Corporation | Systems and methods for operating robots using visual servoing |
CN103501969A (zh) * | 2011-11-30 | 2014-01-08 | 松下电器产业株式会社 | 机器人的示教装置、机器人装置、机器人的示教装置的控制方法以及机器人的示教装置的控制程序 |
CN104552291A (zh) * | 2013-10-10 | 2015-04-29 | 精工爱普生株式会社 | 机器人控制装置、机器人系统、机器人以及机器人控制方法 |
Non-Patent Citations (3)
Title |
---|
HUI XIE等: "《Visual Servoing with Modified Smith Predictor for Micromanipulation Tasks》", 《PROCEEDING OF THE IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS & AUTOMATION》 * |
JIUNDE WU,YOICHI HORI: "《An Intersample Predictor Control Scheme Based on Multirate GPC for High-speed Tracking Tasks》", 《THE 29TH ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY》 * |
K. HASHIMOTO;H. KIMURA: "《Visual servoing with nonlinear observer》", 《PROCEEDINGS OF 1995 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113365788A (zh) * | 2019-02-01 | 2021-09-07 | 三菱电机株式会社 | 作业判别装置及作业判别方法 |
US11865721B2 (en) | 2019-02-01 | 2024-01-09 | Mitsubishi Electric Corporation | Work determination apparatus and work determination method |
CN113365788B (zh) * | 2019-02-01 | 2024-06-21 | 三菱电机株式会社 | 作业判别装置及作业判别方法 |
CN112428248A (zh) * | 2019-08-26 | 2021-03-02 | 精工爱普生株式会社 | 机器人系统及控制方法 |
CN112428248B (zh) * | 2019-08-26 | 2024-01-05 | 精工爱普生株式会社 | 机器人系统及控制方法 |
CN113001547A (zh) * | 2021-03-10 | 2021-06-22 | 西北工业大学 | 一种基于混合现实的机器人遥操作控制方法 |
CN113001547B (zh) * | 2021-03-10 | 2022-07-26 | 西北工业大学 | 一种基于混合现实的机器人遥操作控制方法 |
CN115453916A (zh) * | 2022-08-24 | 2022-12-09 | 三一重机有限公司 | 作业机械的控制方法、装置、设备及作业机械 |
Also Published As
Publication number | Publication date |
---|---|
WO2016179029A1 (en) | 2016-11-10 |
US10252424B2 (en) | 2019-04-09 |
US20180154525A1 (en) | 2018-06-07 |
US9889566B2 (en) | 2018-02-13 |
JP2018514403A (ja) | 2018-06-07 |
US20160318187A1 (en) | 2016-11-03 |
DE112016002013T5 (de) | 2018-01-18 |
CN107921626B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107921626A (zh) | 用于控制机器人操纵的系统和方法 | |
US11865732B2 (en) | Integrated robotic system and method for autonomous vehicle maintenance | |
US10675765B2 (en) | Control system and method for applying force to grasp a target object | |
US10471595B2 (en) | Systems and methods for control of robotic manipulation | |
Gautier et al. | On the identification of the inertial parameters of robots | |
JP6781183B2 (ja) | 制御装置及び機械学習装置 | |
EP3067162B1 (en) | Master-slave system | |
KR102003216B1 (ko) | 로봇을 위한 모터 제어 및/또는 조정 | |
US20210086374A1 (en) | Robot comprising safety system ensuring stopping time and distance | |
CN109397265A (zh) | 一种基于动力学模型的关节型工业机器人拖拽示教方法 | |
CN103517789A (zh) | 运动预测控制装置和方法 | |
Liu et al. | Sensorless haptic control for human-robot collaborative assembly | |
Vick et al. | Safe physical human-robot interaction with industrial dual-arm robots | |
Weitschat et al. | Safe and efficient human-robot collaboration part I: Estimation of human arm motions | |
CN111015649A (zh) | 一种驱控一体化控制系统 | |
Ruiz-Hidalgo et al. | Design and control of a novel 3-DOF parallel robot | |
JP5904445B2 (ja) | ロボット用制御装置 | |
Lange et al. | Trajectory generation for immediate path-accurate jerk-limited stopping of industrial robots | |
CN104564913A (zh) | 并联六自由度转台液压控制系统 | |
Mohammad et al. | Towards human-robot collaboration with parallel robots by kinetostatic analysis, impedance control and contact detection | |
Ismail et al. | Collision-free and dynamically feasible trajectory of a hybrid cable–serial robot with two passive links | |
Weitschat | Industrial human-robot collaboration: maximizing performance while maintaining safety | |
Qi et al. | A lead-through robot programming approach using a 6-DOF wire-based motion tracking device | |
Pajak et al. | Planning of a point to point collision-free trajectory for mobile manipulators | |
US20240091953A1 (en) | Integrated robotic system and method for autonomous vehicle maintenance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |