CN108025438B - 联网的机器人操纵器 - Google Patents
联网的机器人操纵器 Download PDFInfo
- Publication number
- CN108025438B CN108025438B CN201680054972.6A CN201680054972A CN108025438B CN 108025438 B CN108025438 B CN 108025438B CN 201680054972 A CN201680054972 A CN 201680054972A CN 108025438 B CN108025438 B CN 108025438B
- Authority
- CN
- China
- Prior art keywords
- manipulation
- robotic manipulator
- configuration file
- instruction
- data
- 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
Links
- 230000006855 networking Effects 0.000 title description 3
- 230000033001 locomotion Effects 0.000 claims description 47
- 239000012636 effector Substances 0.000 claims description 44
- 238000003860 storage Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000001052 transient effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 20
- 238000007726 management method Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 17
- 230000015654 memory Effects 0.000 description 16
- 230000004044 response Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 11
- 230000006399 behavior Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 230000005291 magnetic effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 239000000047 product Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000003032 molecular docking Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001141 propulsive effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 229920001746 electroactive polymer Polymers 0.000 description 1
- 239000011554 ferrofluid Substances 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000003302 ferromagnetic material Substances 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
- B25J9/1679—Programme controls characterised by the tasks executed
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1682—Dual arm manipulator; Coordination of several manipulators
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G05B2219/39106—Conveyor, pick up article, object from conveyor, bring to test unit, place it
-
- 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
- G05B2219/39107—Pick up article, object, measure, test it during motion path, place it
-
- 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
- G05B2219/40053—Pick 3-D object from pile of objects
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- 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
-
- 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
- Y10S901/46—Sensing device
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Manufacturing & Machinery (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Manipulator (AREA)
Abstract
机器人操纵器可用于操纵对象。可生成并访问关于在对象上执行的操纵的操纵数据。可分析这个数据以生成指示可如何操纵对象的配置文件。所述配置文件的一部分可被传输到具体的机器人操纵器。例如,所述部分可以基于所述机器人操纵器的操纵能力。继而,所述机器人操纵器可使用所述配置文件的所述部分来操纵所述对象。
Description
背景
系统的机器人站可自动操作并为系统自主提供不同的功能。例如,库存系统可使用一组不同类型的机器人站。可向一些机器人站分派带入(pack-in)从源接收到的物品的任务。可向其他机器人站分派带出(pack-out)物品以递送到目的地的任务。机器人站执行相应任务的效率可能会影响库存系统的总效率。机器人站的效率越高,吞吐量可越高,响应时间可越短,并且/或者库存系统的资源使用状况可越好。
一般来讲,系统的机器人站可被编程为以特定方式执行任务。同一系统的另一个机器人站可执行相同或相关的任务。在某些情况下,可能对可如何执行任务进行改变以提高机器人站的效率。然而,该变化(如果真会发生的话)可能并不会容易或有效地传播到另一个机器人站。因此,可能无法充分利用进一步提高系统总效率的机会。
附图简述
将参考附图描述根据本公开的各种实施方案,在附图中:
图1示出根据具体实施方案的包括机器人站和中心站的库存系统的示例;
图2示出根据具体实施方案的机器人站和中心站的示例性部件;
图3示出根据具体实施方案的库存系统的示例性部件;
图4更详细地示出根据具体实施方案的中心站的示例性部件;
图5示出根据具体实施方案的用于在机器人站之间共享数据的示例性流程;
图6示出根据具体实施方案的用于定制操纵配置文件的示例性流程;
图7示出根据具体实施方案的用于更新操纵配置文件的示例性流程;
图8示出根据具体实施方案的用于收集关于操纵的数据的示例性流程;
图9示出根据具体实施方案的用于使用操纵配置文件的示例性流程;以及
图10更详细地示出根据具体实施方案的用于在机器人站之间共享数据的示例性流程。
详细描述
在以下描述中,将描述各种实施方案。出于解释的目的,将阐述特定的配置和细节,以便提供对实施方案的透彻理解。然而,对本领域的技术人员将显而易见的是,在没有特定细节的情况下也可实践实施方案。此外,为了不使所描述的实施方案晦涩,可省略或简化众所周知的特征。
本文的实施方案涉及可使用多个机器人站的系统。具体地,机器人站可被配置来执行各种任务,其中一些可涉及操纵对象。机器人站外部的源可向机器人站提供对象。机器人站可通过操纵对象来执行任务。另一个机器人站同样可接收并进一步操纵该对象。这个其他机器人站可执行相同的、类似的或不同的任务。无论如何,关于操纵的知识可在两个机器人站之间共享。例如,两个机器人站可通过网络连接到中心站。中心站可从机器人站收集关于可能已经如何操纵物品和操纵的结果的数据。基于这个数据,中心站可生成描述如何操纵对象的配置文件。配置文件或其适用部分可在随后的操纵中传输到机器人站并由机器人站使用。随时间推移,中心站可通过收集和分析来自机器人站的操纵数据来识别对操纵的改变。配置文件可相应地更新并且更新可传输到机器人站。这样,可开发并在机器人站之间传播关于如何操纵对象的集体知识。以这种方式,可将从一个机器人站习得的经验传播到其他机器人站。从而,可提高机器人站的效率和/或系统的总效率。
为了说明,考虑使用通过数据网络互连的中心站、一组带入机器人站和一组带出机器人站的库存系统的示例。带入机器人站可被配置来接收、包装物品并将物品存储在库存保持器中。带出机器人站可被配置来从库存保持器取回物品并准备物品以供递送。这样,两个机器人站都可抓取物品,连同执行其他操纵。带入机器人站可包括用于检测物品表面的光学传感器和用于施加具体抓取机构的端部执行器。通过使用图像传感器和端部执行器,带入机器人站可通过例如沿不同方向旋转物品,对物品成像并施加不同的抓取力来尝试不同的抓取机构。因此,带入机器人站可获悉,物品可能具有平坦表面以及向该平坦表面施加抽吸力可提供期望的抓取。关于平坦表面和抽吸力的数据可传输到中心站。继而,中心站可生成用于操纵物品的配置文件。配置文件可识别平坦表面并指定抽吸力。中心站可将配置文件传输到其他带入机器人站和带出机器人站。任何或所有这些其他机器人站可使用配置文件来抓取物品。因此,源自带入机器人站的知识可传播到库存系统的其他机器人站。继而,这些机器人站不需要开发他们自己的抓取机构,这可以使机器人站空出来执行其他任务。由此,可以改进库存系统的整体吞吐量、资源使用状况和响应时间。
为了解释清楚,可在本文中结合库存系统、库存物品(例如,与库存相关联的物品)以及与库存相关的操纵来描述实施方案。然而,实施方案并未受限于此。相反,实施方案可类似地应用于任何对象(无论是否被盘点),并且应用于任何系统(无论是否与盘点对象相关)。例如,实施方案可类似地应用于制造系统、供应链配送中心、机场行李系统或使用机器人站的其他系统以执行各种自动化且(在一些情况下)自主的操作。
转到图1,所述附图示出被配置来实现上述技术的示例性库存系统。具体地,示例性库存系统可包括通过网络170与中心站180通信的多个机器人站110。中心站180可从机器人站110收集关于可如何操纵物品120的数据并且可生成关于操纵的集体知识并将该知识传播到机器人站110。
尽管图1示出三个机器人站110,但是库存管理系统内可存在更少或更多数量的机器人站(例如,以数百或甚至数千计)。一些或所有机器人站110可在特定位置处静止。然而一些其他机器人站110可以是移动的并且可在位置之间移动。机器人站110可被配置来执行与盘点物品120相关的不同任务。这些任务可包括操纵物品120。为了操纵物品,机器人站可包括适当的机器人操纵器,诸如包括用于期望的操纵的机器人臂和/或端部执行器的一个机器人操纵器。物品的操纵可表示施加到物品的与库存任务相关联的一组动作。例如,可从库存系统外部的源150(诸如从制造设施或配送设施)接收物品。所述物品可到达库存系统并且可通过传送带130或一些其他递送机构递送到机器人站。机器人站可通过例如将物品抓取、移动和释放到容器中来带入物品。容器可位于库存保持器140中。另外或可替代地,机器人站或另一个机器人站可将容器抓取并移动到库存保持器140。抓取、移动和释放物品可表示施加到物品的操纵的示例。类似地,抓取和移动容器可表示施加到容器的操纵的示例。相反地,相同或不同的机器人站可从库存保持器140带出物品以准备将物品递送到目的地。相应的机器人站可取回容器,从容器抓取和移动物品,包装物品,并将包装放置在传送带130上。取回、包装和放置可表示其他操纵示例。当再次处于传送带130上时,包装可移动到递送车辆160。
机器人站110的一些或所有任务可由中心站180管理。在一个示例中,中心站180可表示被配置来提供不同库存管理功能的计算机系统。计算系统可包括物理计算资源,诸如计算机服务器。另外或可替代地,计算机系统可包括虚拟计算资源(例如,基于云计算的计算资源)。尽管图1将中心站180示出为与机器人站110分开的部件,但是中心站180或其功能可与一组机器人站110集成或者分布在机器人站110之间。此外,并且尽管图1示出中心站180支持单个库存系统,但中心站180可支持更多数量的库存系统。相反地,单个库存系统可预定多个中心站并由多个中心站支持。
不管计算机系统的基础结构如何,中心站180都可托管操纵管理模块190。操纵管理模块190可被配置来从机器人站110收集操纵数据,基于操纵数据生成操纵配置文件,将操纵配置文件(在适用的情况下)传输到机器人站110,基于附加操纵数据随时间推移更新操纵配置文件并在适用的情况下将更新传输到机器人站110。继而,每一个或一些机器人站110可接收并使用可适用的操纵配置文件来操纵物品120。
操纵数据可表示与可能已经如何操纵物品相关联的数据。例如,数据可描述物品(例如,包括物品的二维或更高维度图像、物品的二维或更高维度模型等)、物品的属性(例如,尺寸、重量、重心等)或与物品表面相关联的特征(例如,添加到表面的标签、一个表面上的柄部、表面特性、材料特性、包装等)。数据还可描述所施加的操纵(例如,包括抓取、移动、取回等的一系列动作)、相关操纵参数(例如,力的类型和量、压力、电压和/或施加的电流、物品的取向等)以及所施加的操纵的成功和失败(例如,抓取物品是否成功,挖出物品是否不成功,由于使用具体的操纵、端部执行器或力而造成的损害等)。数据还可描述机器人站110的属性,诸如可能已经使用了什么机器人臂和端部执行器、所施加的力的量等。
操纵配置文件可表示描述可如何操纵物品的配置文件或数据集合。在示例中,操纵配置文件可识别物品或物品的类型并且可包括关于适用于该物品的操纵的指令。例如,指令可指定物品的某一取向和位置、施加力的表面、力的类型和量、使用什么端部执行器、使用什么机器人臂、使用的移动的类型和量和/或其他与操纵相关的指令。
操纵数据和操纵配置文件可通过网络170交换。网络170可包括无线或有线的公共数据网络(例如,互联网)或专用数据网络(例如,内联网或虚拟专用网络(VPN)),并且实现不同的通信协议(例如,TCP/IP)。在示例中,网络170不仅可连接中心站180和机器人站110,还可使机器人站110本身互连。这样,机器人站110可以能够彼此交换操纵数据和操纵配置文件。这可能在例如中心站180的功能(例如,操纵管理模块190的功能)可分布在一些或所有机器人站110之间时是这样的情形。
因此,机器人站110和中心站180可通过网络170联网。关于操纵物品120的知识可随着时间推移而生成、传播和更新。这样,机器人站可利用基于其他机器人站的操纵数据生成的知识。
图1的机器人站110可以是机器人操纵器的示例。一般来讲,机器人操纵器可表示可以操纵物品(或对象)的机器人系统。图2还示出作为机器人操纵器的示例的机器人站210的部件。类似于图1的机器人站110,机器人站210可通过网络240与中心站230通信。
机器人站210可包括机器人臂212和端部执行器214。尽管在此的描述主要涉及机器人臂212,但代替机器人臂或除机器人臂之外,可使用任何其他机电一体化或机器人设备。端部执行器214可连接到机器人臂212的端部并且被配置来操纵物品。可利用任何合适的端部执行器(或任何合适的数量或组合的端部执行器),包括但不限于软机器人执行器、真空执行器、电粘附执行器和机械或机电执行器。软机器人端部执行器通常可包括可以在各种取向之间进行操纵的柔性结构。该结构可包括硅体或其他柔性材料。柔性材料的操纵可通过使用柔性致动器实现,所述柔性致动器诸如空气肌肉(例如,通过相对于填充或清空气动式囊状物的加压空气运动来操作的可收缩或延伸设备)、电活性聚合物(例如,在被电场刺激时改变大小或形状的聚合物)或铁磁流体(例如,具有能够在受到磁场时改变流体体积的大小或形状的悬浮的铁磁性颗粒的流体)。真空端部执行器可使用抽吸操纵物品。电粘附端部执行器可包括沿柔性或刚性衬底布置的电极阵列,所述电极阵列能够施加电荷(类似于静电),所述电荷能够将物品粘附到与物品接触的衬底部分。机械或机电端部执行器可包括钳子、爪状物、夹具或可相对于彼此致动以操纵物品的其他刚性部件。其他端部执行器也可用于促进附加的操纵技术,诸如托盘、杓子或其他类似结构。例如,磁性或电磁端部执行器可用于操纵具有铁磁材料的物品。
在示例中,机器人站210还可包括一组传感器216。传感器216可安装在机器人站210的不同点处,包括例如在机器人臂212和/或端部执行器214处。传感器216可被配置来感测与物品操纵相关联的参数。这些参数可由机器人站210的计算机系统218处理以生成机器人臂212和/或端部执行器214的操纵数据和控制操作。
一般来讲,传感器216可包括不同类型的传感器以确定有待操纵的物品的属性。例如,可使用成像设备或光学传感器来确定物理特性,诸如大小、形状、位置、取向和/或表面特性(例如,基于表面外观,物品是如何多孔和/或光滑的)。可利用任何合适的光学技术,包括但不限于:二维照相机、深度传感器、飞行时间感测(例如,广播光源并确定每个像素的反射时间以确定每个像素距传感器的距离,以确定表示所感测到的物品和环境的虚拟模型的数据点的三维阵列)、结构化光感测(例如,从光源投射已知图像,观察由所感测到的物品的表面中的变化造成失真的图像,并且分析相对于所投射的图像的失真以确定引起失真的特征的定位)、立体感测(例如,分析从布置在已知的彼此偏移之处的多个照相机收集的图像中的差异以生成点云或数字模型)、主动立体感测(例如,投射光的图案以提高在使用立体感测时对特征的检测的精度)、观察光以生成物理对象的数字表示的任何其他基于光学的方法论或其任何组合。
另外或可替代地,其他传感器可用于其他感测数据(例如,力感测、触觉感测、压力感测、电压感测、电导感测,超声感测、x射线感测或其他感测),诸如以用于确定待抓取的检测到的物品或其周围环境的物理属性,诸如结构完整性、变形性、重量、表面特性(例如,物品可如何光滑)或检测到的物品的其他物理属性。
在示例中,传感器216可包括能够拍摄物品的图像的成像或光学传感器。光学传感器可形成二维或更高维的成像设备(例如,照相机)并且可以不同的分辨率提供彩色、灰度或黑色和白色图像。计算机系统218可实现各种图像处理技术来生成物品的多维模型220(例如,二维、二点五维和/或三维模型)。计算机系统218可使用多维模型220来对物品进行定位和/或取向,识别物品的表面和特征并且相应地激活机器人臂212和端部执行器214以操纵物品。
传感器216还可包括抓取和位置传感器。计算机系统218可使用这些传感器来还生成或更新多维模型220。例如,计算机系统218可使用传感器以沿着物品的边缘和表面移动端部执行器214并且相应地映射这些边缘和表面。计算机系统218还可使用传感器来控制施加到物品的不同的抓取和抓取的位置以及所得的操纵物品的成功或失败。因此,计算机系统218还可将关于抓取和位置的数据添加到多维模型220。
也可使用其他类型的传感器。例如,合适的传感器可安装在机器人站210处并由计算机系统218用于测量物品的重量、体积、重心和/或其他结构特性(是如何刚性的、柔性的、可弯曲的等)。这些传感器可包括例如压力、位置、力、重量、触摸和/或其他传感器。这样的信息可添加到多维模型220。
在示例中,传感器216可被配置用于二维成像。典型地,相较于更高维度的图像,使用二维成像可能更便宜(部件成本和计算资源成本)。在这种情况下,仍然可使用二点五维或更高维度的模型220。为此,计算机系统220可将二维图像映射到多维模型220。映射可依赖于物品的特征222。换句话说,多维模型220可识别物品的表面上的特征、特征的相对距离、位置和取向。因此,示出特征的物品的二维图像可允许识别相应的表面。如果二维图像(或多个二维图像)示出多个特征,则可确定这些特征的相对距离、位置和取向。这样,机器人站210可包括二维成像设备,而不是使用更高维度且更昂贵的成像设备。所生成的物品的二维图像可被映射到多维模型220,从而允许计算机系统218确定物品在三维空间中的相对位置和取向。
在这个示例中,计算机系统218可保存可用于将二维图像映射到多维模型220的一系列特征222。计算机系统218可通过将不同的图像识别技术(例如,模式识别、边缘检测等)应用于二维图像来识别特征222。计算机系统218可通过匹配图像与模型之间的特征将二维图像映射到多维模型220。此外,计算机系统218可将特征222分类到可靠特征与不可靠特征二者中任一个。可靠特征可表示在被识别时可精确地和/或一致地(例如,具有超过具体阈值的成功率,诸如百分之九十)允许映射的特征。例如,颜色明显不同于矩形盒子的表面的颜色的居中于矩形盒子的表面的标签(或一些其他示例性特征)对于将表面的二维图像映射到矩形盒子的三维模型来说可能是可靠的。
在示例中,多维模型220和/或特征222可通过机器人站210外部的源获得并生成,诸如通过中心站230,通过另一个机器人站,或通过相关联的库存系统外部的实体(例如,通过物品制造商的计算机系统)。在这个示例中,机器人站210不需要但可以包括传感器组216。如果包括,则机器人站210不需要但可以使用该传感器组来确认和/或更新多维模型220和/或特征222。
另外,计算机系统218可从中心站230接收并存储本地操纵配置文件224。本地操纵配置文件224可表示为机器人站210定制的操纵配置文件。定制可以基于操纵能力(例如,在机器人站210处安装了什么机器人臂和端部执行器)、机器人站210的使用(例如,机器人站210可执行什么任务)和/或机器人站210可操纵的物品。在示例中,本地操纵配置文件224可包括多维模型220和特征222。在另一个示例中,本地操纵配置文件224可指定可如何使用多维模型220和特征222来操纵物品。计算机系统218可访问并使用本地操纵配置文件224来控制机器人臂212、端部执行器214和/或传感器216,以便根据本地操纵配置文件224来操纵物品。
机器人站210和中心站230可通过网络240交换操纵和配置文件数据。在示例中,中心站可通过网络240从机器人站210收集操纵数据,并通过相同或不同的网络从其他机器人站收集操纵数据。操纵数据可包括例如来自实际的多维模型220和一系列特征222的数据或实际的多维模型220和一系列特征222。
中心站230可托管操纵管理模块232。操纵管理模块232可被配置来分析所收集的操纵数据,并且相应地生成全局操纵配置文件234。例如,操纵管理模块232可实现机器学习算法来分析操纵数据并生成全局操纵配置文件234。全局操纵配置文件234可表示可适用于多个机器人站的操纵配置文件。例如,全局操纵配置文件234可列出可如何操纵物品以及机器人站执行操纵所需的能力。
此外,中心站230可保存机器人站210的配置文件236。这个机器人站配置文件236可识别机器人站210的操纵能力和使用以及机器人站210可期望操纵的物品。操纵管理模块232可使用机器人站配置文件236来通过全局操纵配置文件234生成本地操纵配置文件224。例如,操纵管理模块232可通过将来自全局操纵配置文件234的操纵指令和/或所需能力与机器人站210的操纵能力和使用和/或与机器人站210可期望操纵的物品匹配来定制全局操纵配置文件234。
尽管图2示出通过网络连接到中心站的单个机器人站,但是库存系统内可存在大得多的数量的机器人站。这样,数据交换和数据处理可能较大。在某些情况下,可考虑在数据交换与数据处理之间进行平衡的折衷方案。
在示例中,可存在足够的网络带宽来交换大量的数据。为了最小化成本(例如,部件成本和计算成本),大部分数据处理可被推送到中心站230。在这个示例中,机器人站210可以不处理操纵数据以生成多维模型220、特征222和/或本地操纵配置文件224。作为替代,机器人站210可将操纵数据提供给中心站,并且作为响应,接收多维模型220、特征222和/或本地操纵配置文件224。例如,机器人站210可将三维数据传输到中心站230,而不是处理三维数据以生成三维模型或二维图像以识别特征。
在另一个示例中,可减少中心站230的网络带宽使用和处理。例如,代替每当生成操纵数据时传输该数据,机器人站可处理统计上足够量的该数据并将概要传输到中心站。为了说明,机器人站210可通过以统计上足够的次数尝试使用特征来确定特征是否可靠。然后,机器人站210可向中心站230识别特征并且指示相关联的可靠性。
在另一个示例中,可甚至进一步减少或最小化中心站230的网络带宽使用和/或处理。在这个示例中,机器人站可生成并且(在生成后)可传输多维模型220、特征222和/或本地操纵配置文件224。随时间推移,可通过网络240交换对多维模型220、特征222和本地操纵配置文件224中的任一个的更新。
通过针对物品类型而不是针对特定物品生成多维模型220、特征222、本地操纵配置文件224和/或全局操纵配置文件234,可实现附加的网络带宽和处理效率。物品类型可表示物品的类型,其中物品可共享公共属性。一般来讲,属性可与鉴于该属性可如何操纵物品相关联。例如,公共属性可指示鉴于该公共属性可施加到物品的常见操纵。属性可以是物理属性,诸如大小、形状、重量、体积、结构、易碎性等。这样,物品类型可表示可以相同或类似的方式(例如,基于常用操纵的数量)完全或部分操纵的物品的类型。例如,不同大小的图书可能属于一个广义的物品类型。然而,软封面图书和硬封面图书可能属于两种不同的物品类型。
在示例中,机器人站210可表示“侦察”机器人站。具体地,如上文所述,机器人站210可被配置来生成多维模型220、特征222和本地操纵配置文件224并将其传输到中心站。在这个示例中,机器人站210可执行与确定可如何操纵物品(或物品类型)相关联的大部分预先处理。剩余的机器人站的配置可被简化。这样的机器人站不必能够生成多维模型、特征或本地操纵配置文件。因此,相对于机器人站210,所述机器人站的传感器的数量和计算机系统的处理能力可能更少。作为替代,这些机器人站将从机器人站210和/或中心站230接收适用的数据,这继而可依赖于来自机器人站210的数据。
图3示出根据本公开的一些实施方案的库存系统310的内容。库存系统310可包括中心站315、一个或多个移动驱动单元320、一个或多个库存保持器330和一个或多个库存站350。移动驱动单元320可响应于由中心站315传达的命令而在工作空间370内的各点之间运输库存保持器330。每个库存保持器330可存储一种或多种类型的库存物品。因此,库存系统310可以能够在工作空间370内的位置之间移动库存物品以促进库存物品的进入、处理和/或从库存系统310的移除以及涉及库存物品的其他任务的完成。
中心站315可将任务分配给库存系统310的适当部件并且协调各种部件在完成任务时的操作。这些任务可不仅涉及库存物品的移动和处理,而且还涉及库存系统310的部件的管理和维护。例如,中心站315可将工作空间370的各部分分配为用于移动驱动单元320、移动驱动单元电池的预定重新充电或替换、空库存保持器330的存储或与库存系统310及其各种部件支持的功能相关联的任何其他操作的停靠空间。中心站315可选择库存系统310的部件来执行这些任务,并且将适当命令和/或数据传达到所选定的部件以促进这些操作的完成。尽管在图3中示出为单个离散部件,但是中心站315可表示多个部件并且可表示或包括移动驱动单元320或库存系统310的其他元件的部分。因此,以下描述的具体移动驱动单元320与中心站315之间的任何或所有交互在具体实施方案中可表示该移动驱动单元320与一个或多个其他移动驱动单元320之间的对等通信。以下相对于图4还论述中心站315的示例性实施方案的内容和操作。
移动驱动单元320在工作空间370内的各位置之间移动库存保持器330。移动驱动单元320可表示基于库存保持器330和/或库存系统310的其他元件的特性和配置适于在库存系统310中使用的任何设备或部件。在库存系统310的具体实施方案中,移动驱动单元320可表示被配置来在工作空间370各处自由移动的独立自供电设备。在另选的实施方案中,移动驱动单元320可表示被配置来沿穿过工作空间370的轨道、钢轨、缆索、吊车系统或其他引导或支撑元件移动库存保持器330的轨道式库存系统的元件。在这种实施方案中,移动驱动单元320可通过到引导元件(诸如供电钢轨)的连接接收功率和/或支撑。另外,在库存系统310的具体实施方案中,移动驱动单元320可被配置来利用替代性传输设备来在工作空间370内和/或在工作空间370的分开的部分之间移动。
另外,移动驱动单元320可以能够与中心站315通信以接收识别所选定的库存保持器330的信息、传输移动驱动单元320的位置或交换将要由中心站315或移动驱动单元320在操作期间使用的任何其他合适的信息。移动驱动单元320可无线地、使用移动驱动单元320与中心站315之间的有线连接和/或以任何其他适当方式与中心站315通信。作为一个示例,移动驱动单元320的具体实施方案可使用802.11、蓝牙或红外线数据协会(IrDA)标准或任何其他适当的无线通信协议与中心站315和/或彼此通信。作为另一个示例,在轨道式库存系统310中,移动驱动单元320移动所在的轨道或其他引导元件可被接线,以促进移动驱动单元320与库存系统310的其他部件之间的通信。此外,如上所述,中心站315可包括单独移动驱动单元320的部件。因此,出于这个描述和以下权利要求书的目的,中心站315与具体移动驱动单元320之间的通信可表示具体移动驱动单元320的各部件之间的通信。一般来讲,可基于库存系统310的配置和特性以适当的任何方式供电、推进并控制移动驱动单元320。
库存保持器330存储库存物品。在具体实施方案中,库存保持器330包括多个存储仓,其中每个存储仓能够保存一种或多种类型的库存物品。库存保持器330能够由移动驱动单元320携带、滚动和/或以其他方式移动。在具体实施方案中,库存保持器330可提供附加的推进力以补充由移动驱动单元320在移动库存保持器330时提供的该推进力。
另外,在具体实施方案中,库存物品还可通过库存保持器330内或库存保持器330上的挂钩或杆(未示出)进行悬挂。一般来讲,库存保持器330可以任何适当的方式将库存物品存储在库存保持器330内和/或库存保持器330的外表面上。
另外,每个库存保持器330可包括多个面,并且每个仓可通过库存保持器330的一个或多个面接近。例如,在具体实施方案中,库存保持器330包括四个面。在这种实施方案中,位于两个面的拐角处的仓可通过那两个面中的任一个接近,而其他仓中每一个可通过四个面中的一个中的开口接近。移动驱动单元320可被配置来在适当时间旋转库存保持器330以将具体的面和与该面相关联的仓位呈现给操作者或库存系统310的其他部件。
库存物品可表示适合于在自动化库存系统310中存储、取回和/或处理的任何对象。出于这个描述的目的,“库存物品”可表示存储在库存系统310中的任何一个或多个具体类型的对象。因此,如果库存保持器330当前保存具体库存物品类型的一个或多个单元,则具体库存保持器330当前“存储”具体库存物品。作为一个示例,库存系统310可表示邮购仓库设施,并且库存物品可表示存储在仓库设施中的商品。在操作期间,移动驱动单元320可取回含有在订单中请求被包装以用于递送到顾客的一个或多个库存物品的库存保持器330或携带含有用于装运的聚集的库存物品集合的货盘的库存保持器330。此外,在库存系统310的具体实施方案中,含有完成订单的盒子可自己表示库存物品。
在具体实施方案中,库存系统310也可包括一个或多个库存站350。库存站350表示指定用于涉及库存物品的具体任务的完成的位置。此类任务可包括库存物品从库存保持器330的移除、库存物品被引入库存保持器330中、库存保持器330中的库存物品的计数、库存物品的分解(例如从货盘大小或盒子大小的分组分解成单独库存物品)、库存保持器330之间的库存物品合并和/或以任何其他合适方式进行的库存物品的处理或处置。在具体实施方案中,库存站350可仅表示可在工作空间370内完成涉及库存物品的具体任务所在的物理位置。在另选的实施方案中,库存站350可表示物理位置并且还表示用于处理或处置库存物品的任何适当的设备,所述设备诸如用于监测库存物品流入和流出库存系统310的扫描器、用于与中心站315、机器人站(诸如图1和2的机器人站110和210)通信的通信接口和/或任何其他合适的部件。库存站350可完全或部分由人类操作者控制或者可以是完全自动化的。此外,库存站350的人类操作者或自动化操作者可以能够对库存物品执行某些任务(诸如包装、计数或传递库存物品)作为库存系统310的操作的一部分。
工作空间370可表示与库存系统310相关联的区域,其中移动驱动单元320可移动并且/或者库存保持器330可被存储。例如,工作空间370可表示库存系统310可进行操作所处于的邮购仓库的地面的全部或部分。出于说明的目的,虽然图3示出工作空间370包括固定的、预定的和有限的物理空间的库存系统310的实施方案,但是库存系统310的具体实施方案可包括被配置来在具有可变尺寸和/或任意几何结构的工作空间370内操作的移动驱动单元320和库存保持器330。虽然图3示出工作空间370完全封闭在建筑物中的库存系统310的具体实施方案,但是另选的实施方案可利用工作空间370中的一些或全部位于户外、位于载具(诸如货船)内或以其他方式不受任何固定结构约束的工作空间370。
操作时,中心站315可选择适当部件来完成具体任务,并且将任务分配318传输到所选定的部件以触发相关任务的完成。每个任务分配318限定有待由具体部件完成的一个或多个任务。这些任务可涉及库存物品的取回、存储、补给和计数和/或移动驱动单元320、库存保持器330、库存站350和库存系统310的其他部件的管理。根据部件和有待完成的任务,具体的任务分配318可识别与对应任务相关联的位置、部件和/或动作和/或将要由相关部件在完成所分配任务时使用的任何其他适当的信息。
在具体实施方案中,中心站315可部分基于中心站315从库存系统310的其他部件和/或从与中心站315通信的外部部件接收的库存请求来生成任务分配318。这些库存请求识别涉及存储或有待存储在库存系统310内的库存物品的有待完成的具体操作,并且可表示任何合适形式的通信。例如,在具体实施方案中,库存请求可表示指定顾客已经购买和将要从库存系统310取回以用于装运到顾客的具体库存物品的装货单。中心站315也可作为库存系统310的整体管理和维护的一部分而独立于这些库存请求生成任务分配318。例如,中心站315可响应于具体事件的出现(例如,响应于移动驱动单元320请求空间以停靠)、根据预定调度表(例如,作为每日启动例程的一部分)或在任何适当时间基于库存系统310的配置和特性来生成任务分配318。在生成一个或多个任务分配318之后,中心站315可将所生成的任务分配318传输到用于对应任务的完成的适当部件。相关部件可随后执行其所分配到的任务。
相对于移动驱动单元320,具体来说,中心站315在具体实施方案中可将任务分配318传达到所选定的移动驱动单元320,其识别所选定的移动驱动单元320的一个或多个目的地。中心站315可选择移动驱动单元320,以基于所选定的移动驱动单元320的位置或状态、所选定的移动驱动单元320已完成先前分配的任务的指示、预定的调度表和/或任何其他合适的考虑来分配相关任务。这些目的地可与中心站315正在执行的库存请求或中心站315正尝试达到的管理目标相关联。例如,任务分配可限定有待取回的库存保持器330的位置、有待访问的库存站350、移动驱动单元320应当停靠直到接收到另一个任务为止所在的存储位置,或与基于整体库存系统310或库存系统310的单独部件的配置、特性和/或状态的适当的任何其他任务相关联的位置。例如,在具体实施方案中,此类决策可以基于具体库存物品的受欢迎度、具体库存站350的人员配置、当前分配给具体移动驱动单元320的任务和/或任何其他适当的考虑。
作为完成这些任务的一部分,移动驱动单元320可与库存保持器330对接并且在工作空间370内运输库存保持器330。移动驱动单元320可通过连接到、抬升库存保持器330和/或另外以任何其他合适的方式与库存保持器330相互作用来与库存保持器330对接,使得在对接时移动驱动单元320联接到和/或支撑库存保持器330,并且可在工作空间370内移动库存保持器330。在具体的实施方案中,移动驱动单元320可表示库存保持器330的全部或一部分。在此类实施方案中,移动驱动单元320在运输库存保持器330之前可不与库存保持器330对接并且/或者移动驱动单元320可各自与具体库存保持器330保持不断的对接。
在库存系统310的适当部件完成所分配到的任务时,中心站315可与相关部件相互作用以确保空间、设备、人力和库存系统310的其他可用资源的有效使用。作为此类相互作用的一个特定示例,中心站315在具体实施方案中负责计划移动驱动单元320在于工作空间370内移动时采取的路径,并且负责将工作空间370的具体部分的使用分配给具体移动驱动单元320以用于完成所分配到的任务。在此类实施方案中,响应于被分配任务,移动驱动单元320可请求到与所述任务相关联的具体目的地的路径。此外,虽然以下描述着重于移动驱动单元320从中心站315请求路径的一个或多个实施方案,但是移动驱动单元320在另选的实施方案中可生成其自身的路径。
库存系统310的部件可将关于所述部件的当前状态、所述部件正在与之交互的库存系统310的其他部件和/或与库存系统310的操作相关的其他条件的信息提供到中心站315。这可允许中心站315利用来自相关部件的反馈来更新算法参数、调整策略或以其他方式修改所述中心站315的决策制定,以对操作条件的改变或具体事件的出现作出响应。
另外,虽然中心站315可被配置来管理库存系统310的部件的操作的各种方面,但是在具体实施方案中,部件自身也可负责与其操作的某些方面相关的决策制定,由此降低中心站315上的处理负载。
因此,基于中心站315对库存系统310的各种部件的位置、当前状态和/或其他特性的知识以及对当前正在完成的所有任务的意识,中心站315可生成任务、分派系统资源的使用并且另外以从系统范围角度优化操作的方式引导由单独部件进行的任务的完成。此外,通过依赖集中的系统范围管理和局部的部件特定的决策制定两者的组合,库存系统310的具体实施方案可以能够支持用于有效地执行库存系统310的操作的各种方面的许多技术。因此,中心站315的具体实施方案可通过实现本文所述的一种或多种技术来提高库存系统310的效率和/或提供其他操作效益。
图4更详细地示出中心站的具体实施方案的部件。具体地,中心站可包括处理器410、存储器420和通信接口模块430。处理器410、存储器420和通信接口模块430可表示计算机系统。类似的计算机系统也可用于机器人站。此外,计算机系统可表示位于库存系统内的中心位置处的单个部件、多个部件或分布在整个库存系统的多个部件。一般来讲,计算机系统可包括适合于提供所描述的功能的硬件和/或软件的任何适当组合。
处理器410可操作来执行与由中心站提供的功能相关联的指令。处理器410可包括一个或多个通用计算机、专用微处理器或能够传达电子信息的其他处理设备。处理器410的示例包括一个或多个专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)和任何其他合适的专用或通用处理器。
存储器420可存储处理器指令、库存请求、预留信息、用于库存系统的各种部件的状态信息和/或由中心站在操作期间利用的任何其他适当的值、参数或信息。例如,存储器420可存储全局操纵配置文件422和机器人站配置文件424连同操作系统。存储器420可表示适合于存储数据的易失性或非易失性本地设备或远程设备的任何集合和布置。存储器420的示例包括但不限于:随机存取存储器(RAM)设备、只读存储器(ROM)设备、磁存储设备、光存储设备或任何其他合适的数据存储设备。
通信接口模块430可促进中心站与库存系统的其他部件之间的通信,包括操纵数据和配置文件、预留请求、预留响应、路线请求、路线响应和任务分配。这些预留请求、预留响应、路线请求、路线响应和任务分配可表示基于中心站的能力的任何适当形式的通信,并且可包括任何合适的信息。根据中心站的配置,通信接口模块430可负责促进中心站与库存系统的各种部件之间的有线通信和无线通信中的任一者或两者。在具体实施方案中,中心站可使用诸如802.11、蓝牙或红外线数据协会(IrDA)标准的通信协议来进行通信。
中心站也可托管操纵管理模块450(类似于图1和图2的操纵管理模块190和232)。操纵管理模块450可表示由硬件和/或软件实现的应用。例如,操纵管理代码450可用于存储器420的操作系统并由处理器410执行。
转到图5-10,这些附图示出用于操纵物品的示例性流程。图5示出用于生成和使用操纵配置文件来操纵物品的示例性高级流程。图6示出用于将操纵配置文件传输到机器人站的示例性流程。图7示出用于随时间推移更新操纵配置文件的示例性流程。图8示出用于收集操纵数据以生成操纵配置文件的示例性流程。图9示出用于报告与操纵配置文件的偏差的示例性流程。图10示出用于生成和使用操纵配置文件来操纵两个机器人站与中心站之间的物品的示例性端到端流程。图5-10的示例性流程的一些操作可以是类似的。为了解释清楚,在此不再重复此类相似处。为了进行解释,可描述各种说明性示例并且可包括中心站和两个机器人站。然而,实施方案并未受限于此,并且可类似地应用于更多数量的中心站和/或机器人站。
此外,在说明性操作中,一些操作或功能可体现在由一个或多个处理器执行的模块中并且完全或部分地由其进行自动化。为了解释清楚,中心站和/或机器人站可被描述为执行某些操作。这个性能可能仍然包括中心站和/或机器人站的计算机系统以执行操作。可另外或可替代地使用其他计算机系统和模块或其他计算机系统和模块的组合。此外,虽然操作以具体顺序示出,但是应理解,不需要具体的顺序,并且可对一个或多个操作进行省略、跳过和/或重新排序。
转到图5,流程示出由中心站生成并更新以供机器人站使用的操纵配置文件的示例。示例性流程可在操作502处开始,其中可收集操纵数据。例如,中心站可从一组机器人站接收操纵数据。操纵数据可通过网络被提取或推送。在示例中,操纵数据可包括关于可能已经如何在机器人站处操纵物品的数据。这样,操纵数据可包括关于物品、所施加的不同操纵、操纵的成功和失败和/或所使用的机器人臂和端部执行器的数据。例如,操纵数据可描述物品的物理属性(例如,重量、结构完整性、大小、形状、尺寸等),并且可描述物品的特征,包括可靠和不可靠的特征(例如,物品的表面上的标签)。操纵数据还可描述可能已经如何操纵物品(例如,类型、量、位置、定位、所施加的力的持续时间、压力、电压、电流等)。成功和失败可列出所尝试的操纵的结果,诸如是否可能已经成功操纵物品,物品的任何损坏,滑落等。操纵数据还可标识与每次操纵相关联地使用的机器人臂和端部执行器。
在示例中,操纵数据的一部分可由机器人站生成。具体地,机器人站的计算机系统可操作机器人臂、端部执行器和各种传感器以生成操纵数据。原始操纵数据(例如,由成像设备捕获的图像)可被传输到中心站并由中心站收集。可替代地或另外,机器人站(例如,其计算机系统)可处理数据以生成多维操纵模型和一系列特征,并且可将此类数据传输到中心站。
在操作504处,可生成操纵配置文件。例如,中心站可分析该组机器人站的收集到的操纵数据以生成操纵配置文件。分析可包括将机器学习算法应用于所收集到的数据。可针对(例如,特定于)物品而生成操纵配置文件。然而,为了附加的效率,可针对物品类型生成操纵配置文件以作为替代。这样,操纵配置文件可适用于该类型的所有物品。在这种情况下,经分析的操纵数据可以是关于这些物品中的全部或一些的数据。通常,操纵配置文件可识别物品类型(或物品)、可适用的操纵(例如,抓取、移动等)以及可如何执行每个操纵(例如,使用什么机器人臂和执行器,施加什么类型和量的力,物品需要处于什么位置和取向,需要物品的什么表面以及需要进行什么类型的表面接触等)。
在示例中,操纵配置文件可包括关于机器人站可尝试操纵具体物品或物品组的方式的任何信息。例如,操纵配置文件可包括机器人臂如何接近待操纵的物品的指示、有待由机器人臂利用的一个或多个端部执行器的指示和/或机器人臂用来操作端部执行器的强度水平(例如,力的量、压力、电压、电流等)的指示。在一些实施方案中,操纵配置文件还可包括有待于同时进行操纵的多个物品。
操纵配置文件中标识的方法可包括机器人臂接近物品的方向(例如,从上方、从侧面、从某一角度)和/或机器人臂通过其来执行具体操纵操作的一系列运动(所述运动可包括到达目标物品、抓取目标物品、将目标物品移动到目标位置和/或释放目标位置中的目标物品)。
关于在操纵配置文件中识别的端部执行器,机器人站可包括一个或多个端部执行器,并且可以能够利用彼此结合或彼此替代的多个端部执行器。作为说明性示例,操纵配置文件可要求各自具有不同的端部执行器或端部执行器的组合的多个不同的机器人臂,或者操纵配置文件可涉及激活单个机器人臂上可用的端部执行器的组合。可利用任何合适的端部执行器(或任何合适的数量或组合的端部执行器),包括但不限于软机器人执行器、真空执行器、电粘附执行器和机械或机电执行器。
操纵配置文件还可包括机器人臂用来操作特定的端部执行器的强度水平的指示。例如,对于机械或机电钳,操作配置文件可包括钳子在操纵操作期间施加的力的量(例如,固定的水平或变化的曲线)。其他端部执行器的强度推论可包括真空端部执行器的抽吸量、磁性或电磁端部执行器的磁场强度、施加在电粘附端部执行器中的电流或电荷、或施加以致动软机器人端部执行器的气压水平。
在操作506处,操纵配置文件可通过网络传输到一组机器人站。在示例中,中心站可将相同的操纵配置文件传输到机器人站。在另一个示例中,中心站可根据具体的机器人站定制操纵配置文件并且将定制的操纵配置文件传输到该机器人站。定制可以基于例如由中心站针对具体的机器人站存储和/或保存的机器人站配置文件。机器人站配置文件可识别机器人站、其操纵能力(例如,机器人站可支持什么机器人臂和端部执行器等)、待执行的预期操纵、待完成的预期任务和/或有待被操纵的预期物品。中心站可将机器人站配置文件的要素与操纵配置文件的要素匹配,并相应地生成定制的操纵配置文件。
在操作508处,可更新操纵配置文件。在示例中,更新可随时间推移(基于时间间隔)而进行或者可由可能已经收集到的附加操纵数据的量触发。例如,基于操纵配置文件的操纵的失败和成功可被发送到中心站。失败可用于更新操纵配置文件。成功可用于增加操纵配置文件的置信度。在另一个示例中,更新可由来自机器人站的报告触发,所述报告关于鉴于已传输的操纵配置文件正确操纵物品的偏差。因此,中心站还可分析附加操纵数据和/或报告以生成更新。
在操作510处,可将更新传输到该组机器人站。在示例中,可传输经更新的操纵配置文件。在另一个示例中,可仅传输对操纵配置文件的更新。在又一个示例中,可仅向受影响的机器人站传输更新。例如,如果更新改变了适用于一个机器人站但不适用于另一个机器人站的操纵,则中心站可将更新传输给前者而不传输给后一个机器人站。
由中心站保存和存储的操纵配置文件可包括大量的数据。相比之下,机器人站可仅使用操纵配置文件的一部分,诸如描述机器人站可支持的操纵的部分。因此,为了改进资源使用状况,可根据机器人站生成定制的操纵配置文件并将其传输到机器人站。在这种情况下,经定制的操纵配置文件可表示机器人站的本地操纵配置文件。如结合操作506所描述的,定制可以基于由中心站针对具体的机器人站存储和/或保存的机器人站配置文件。图6示出用于根据机器人站配置文件定制操纵配置文件的一个示例性流程。
示例性流程可在操作602处开始,其中可确定机器人站的任务。例如,中心站可基于跨库存系统的不同任务的管理来确定任务。任务可导致物品或物品状态的变化。例如,任务可以是将物品从点A移到点B。为了完成这项任务,可能存在不同的潜在操纵。一组潜在的操纵可包括沿具体路径以具体方式抓取和移动物品。另一组潜在的操纵可包括沿不同的路径挖出并移动物品。然而,执行两组中的一组可能更加有效(例如,执行得更快、物品损坏的风险更低等)。因此,确定应用什么操纵来完成任务可能是有价值的。
在操作604处,可确定机器人站的能力。例如,中心站可例如在存储机器人站的特性、机器人站的配置文件的数据库中进行查找以确定能力。在操作606处,可基于能力生成机器人站的定制操纵配置文件。如果能力指示对一种类型的操纵(例如,抓取而不挖出)的支持,则可排除其他类型的操纵。否则,中心站可另外访问操纵配置文件以基于能力(例如,对于抓取,施加的力的量和位置;对于挖出,施加的摩擦力的量和表面接触的量)来确定施加什么操纵。在任何一种情况下,中心站都可通过在这种配置文件中包括关于能力可支持的操纵的数据来生成定制配置文件。因此,定制的操纵配置文件可包括关于鉴于机器人站的能力可如何执行操纵的指令。
在操作608处,定制的操纵配置文件可通过网络传输到机器人站。因为可能已经基于来自多个机器人站的集体知识生成定制的操纵配置文件中的指令,所以定制的操纵配置文件可使机器人站能够有效地执行操纵并完成任务。
传输到机器人站的操纵配置文件可随时间推移进行更新,使得机器人站可访问关于如何操纵物品的最新指令。中心站可基于时间间隔、所收集的操纵数据的量或与操纵配置文件的偏差的报告来更新操纵配置文件。图7示出基于偏差报告的示例性流程。
示例性流程可在操作702处开始,其中可接收偏差。例如,中心站可从一组机器人站接收偏差的报告。报告可描述偏差或者可触发中心站针对关于偏差的附加数据询问(例如,将请求发送到)机器人站。可存在不同类型的报告偏差。例如,偏差可表示对物品(或物品类型)的属性的改变。具体地,由于可能已经生成操纵配置文件,因此物品的属性可能已经改变,其中改变可能影响由已经存在的操纵配置文件规定的操纵的成功(或导致失败)。例如,物品的重量可能增加,使得施加具体的抽吸力来拾取物品可能不再可行、实际或适当。在另一个示例中,偏差可表示对所规定的操纵的改变。例如,机器人站可报告,与操纵配置文件指定的内容相反,以具体方式抓取物品(或物品类型)可能不成功。也可能存在其他类型的偏差。为了解释清楚,可使用物品偏差的示例来描述图7的剩余操作。然而,流程可能类似地应用于其他类型的偏差。
在操作704处,对关于偏差的报告的数量是否可能较大进行确定。例如,中心站可将报告的数量与阈值进行比较。阈值可以是预定义的(例如,机器人站的总数的百分之十)。在示例中,阈值还可以取决于偏差的类型或影响。例如,可能导致物品损坏的偏差可能比可能不会导致物品损坏的偏差更加相关。因此,前一个偏差的阈值可能低于后一个偏差的阈值,使得更少数量的报告可触发中心站调查前一个偏差的原因并确定解决方案。
如果报告的数量不大(例如,不超过阈值),则中心站可确定该偏差可能对于机器人站的子集是本地的。因此,可执行操作706来询问机器人站的这个子集。否则,中心站可确定偏差可能是更加全局的并且可执行操作714以进一步调查。
在操作706处,可询问来自子集的机器人站(或整个子集)。例如,中心站可请求机器人站发送操作信息。中心站可相应地确定机器人站的操作状态,诸如是否可能存在故障部件(例如,传感器、功率驱动器等)或是否可能发生操作故障。
在操作708处,中心站可确定机器人站的操作状态。例如,中心站可响应于请求从机器人站接收操作信息。如果操作状态指示异常操作(例如,故障或失败),则中心站可确定偏差可能已经由这个异常操作引起。因此,中心站可不更新机器人站本地的操纵配置文件。作为替代,可遵照操作710。在操作710处,中心站可发起纠正动作。例如,可发送纠正动作的通知以在操作者的计算设备处显示。纠正动作可包括对机器人站进行故障诊断,从而确定异常操作的原因。然而,在操作状态指示正常操作(例如,没有故障或失败)的情况下,中心站可确定偏差可能是由于物品或机器人站的能力造成的。因此,中心站可确定可能需要更新机器人站的本地操纵配置文件来纠正偏差。在操作712处,中心站可基于偏差来更新本地操纵配置文件。例如,中心站可通过偏差报告来确定对物品属性的改变或对机器人站能力的改变。中心站可然后查找全局操纵配置文件,其可识别对应于所述改变的操纵并且可利用这些识别的操纵来更新本地操纵配置文件。
在操作714处,中心站可能已经确定偏差可能是潜在全局的。因此,中心站可进一步调查偏差以确定是否可更新全局操纵配置文件。例如,中心站可确定偏差报告是否可在一段时间内持续。类似于阈值,该时间段可以是预定义的并且可以基于偏差的类型和影响(例如,影响越大,时间段可能越短)来进行调整。如果报告不是持续性的(例如,在一段时间后消失),则中心站可确定偏差是瞬时的(例如,库存管理系统仅可能在短时间段内接收到物品的偏离单元)。因此,中心站可能不更新全局操纵配置文件。作为替代,可遵照操作716。在操作716处,中心站可发起调查动作。例如,可发送调查动作的通知以在操作者的计算设备处显示。调查动作可包括分析接收到的物品的历史记录(诸如购买订单和关于物品的其他可用数据)以确定瞬时偏差的原因。然而,在运行状态指示偏差持续存在的情况下,中心站可确认应进一步调查偏差。因此,可遵照操作718。
在操作718处,中心站可确定偏离属性是否可能与非偏离属性一起存在。如本文以上所述,偏差可能是对物品属性进行改变的结果。经改变的属性可表示偏离属性。因此,中心站可确定一些正在被操纵的物品是否可在一些其他物品可表现出非偏离属性的同时表现出偏离属性。两个属性的共存可指示,随时间推移,机器人站可能需要基于可表现出什么属性(偏离或非偏离)来对物品进行不同的操纵。这样,物品应重新分类为两个不同的组(或物品类型),并且可以针对每个组指定相应的操纵。因此,中心站可遵照操作720,通过所述操作720可为表现出偏离属性的物品生成第二全局操纵配置文件,而已经存在的全局操纵配置文件可继续适用于表现出非偏离属性的物品。为了生成第二全局操纵配置文件,中心站可收集和分析特定于偏离物品的操纵数据。然而,如果两个属性不共存,则那将意味着偏离属性将取代非偏离属性。这样,物品不需要重新分类。作为替代,可假定物品不再表现出非偏离属性,而是相反表现出偏离属性。因此,中心站可遵照操作722,通过所述操作722可更新现有的全局操纵配置文件。中心站可收集和分析关于物品的附加操纵数据以更新现有的全局操纵配置文件。
可生成、收集和分析各种类型的操纵数据以生成操纵配置文件。图8示出机器人站可实现以生成操纵数据的示例性流程。如图所示,操纵数据可包括与多维模型、抓取和位置以及物品的特征相关联的数据。
图8的示例性流程可在操作802处开始,其中机器人站可收集多维图像数据。例如,机器人站可操作机器人臂和端部执行器来抓住处于某一位置和取向的物品。机器人站也可操作一个或多个2D和/或3D成像设备以生成处于某一位置和取向的物品的图像。机器人站可重复地对物品进行重新定位和/或重新取向并生成附加图像。
在操作804处,中心站可收集握取和位置数据。例如,机器人站可操作机器人臂和端部执行器来沿着物品的边缘和表面移动,并沿着物品上的各个位置尝试各种抓取操作。所得的数据可表示抓取和位置数据。
在操作806处,机器人站可收集特征数据。例如,机器人站可操作机器人臂和端部执行器来将物品定位在某一取向上,并且可激活2D成像设备以生成物品的图像。图像处理技术可应用于图像以辨识例如物品表面上的特征。
在操作808处,可对关于是否可能已经收集统计上足够量的数据进行确定。操作808可在每个操作802-806之后执行。如果所收集的数据(例如,多维图像数据、抓取和位置数据以及特征数据中的任何一个)在统计上不足,则可重复对应的操作(例如,操作802-806中的任何一个)。否则,可进一步处理所收集的数据以生成操纵配置文件。如图8所示,两种或更多种潜在的处理类型是可能的:一种对于机器人站是本地的,一种对于机器人站是远程的或其各种组合。有待遵照的具体处理类型可取决于网络带宽使用状况与计算处理之间的平衡。
在操作810处,机器人站可生成本地操纵配置文件。例如,机器人站可以基于三种类型的所收集的数据来生成多维操纵模型。基于该模型,机器人站可限定用于操纵物品的指令。指令和模型可形成本地操纵配置文件的一部分。在操作812处,机器人站可通过网络将本地操纵配置文件传输到中心站。继而,中心站可使用本地操纵配置文件或其数据来生成全局操纵配置文件。
在操作814处,机器人站可将收集到的数据传输到中心站。在示例中,所传输的数据可表示原始的收集到的数据(例如,未通过机器人站对收集到的数据进行任何处理或通过机器人站对收集到的数据进行最小处理)。在另一个示例中,机器人站可能已经处理了一些但不是全部的收集到的数据。例如,所传输的数据可包括某些抓取和位置的成功和失败的指示。
在操作816处,机器人站可接收本地操纵档案。例如,中心站可处理所传输的数据连同从其他机器人站收集的其他操纵数据,以生成全局操纵配置文件。中心站可针对机器人站定制全局操纵配置文件并且将定制的操纵配置文件传输到该机器人站。这个定制的操纵配置文件可表示所接收的本地操纵配置文件。
在机器人站从例如中心站接收到操纵配置文件后,机器人站可使用操纵配置文件来操纵物品。图9示出这样做的示例性流程。图9的示例性流程可在操作902处开始,其中机器人站可从中心站接收操纵配置文件。所接收的操纵配置文件可以是针对机器人站定制的。
在操作904处,机器人站可以基于操纵配置文件来操纵物品。例如,机器人站可操作机器人臂、端部执行器和/或2D或3D成像设备或其他传感器来识别物品。在图解中,机器人站可生成物品的2D图像,并将图像处理技术应用于这些图像以辨识物品的特征。机器人站可(通过网络本地或远程地)访问物品的多个系列的特征和/或多维模型,以找到所辨识的特征的匹配项。匹配项可然后识别物品和物品类型。机器人站可以基于将物品(或物品类型)的身份与其本地存储的操纵配置文件中的一个进行匹配来确定哪一个操纵配置文件可用于操纵物品。因此,机器人站可从适用的操纵配置文件中检索操纵指令并执行这些指令来操纵物品。
在操作906处,机器人站可向中心站报告与适用的操纵配置文件相关联的偏差。在示例中,机器人站可确定由操纵配置文件指定的操纵可能未成功。在这个示例中,机器人站可向中心站报告操纵失败连同与操纵和失败相关联的附加上下文数据(例如,使用了什么端部执行器、施加的力的类型和量等)。在另一个示例中,机器人站可检测可能影响物品的操纵的物品属性的变化。例如,物品的重量可能已经发生显著的变化(例如,百分之十的增长)。机器人站可操作各种传感器以监测某些物品属性(例如,大小、重量、形状、结构等)。可向中心站报告偏离属性。
在操作908处,机器人站可接收对操纵配置文件的更新。更新可以基于所报告的偏差。例如,更新可改变机器人站可如何执行具体的操纵。在另一示例中,更新可包括特定于新类型的物品的新的操纵配置文件。
转到图10,附图示出用于在中心站1020、第一机器人站1030与第二机器人站1040之间使用和保存操纵配置文件的示例性流程。两个机器人站1030和1040可被配置来执行相同、相似或不同的任务。如图所示,第一机器人站1030可支持诸如抓取和移动的两种能力(示为“能力A和B”)。相比之下,第二机器人站1040可支持诸如移动和放置的常见且不同的能力(示为“能力B和C”)。这样,与每个机器人站1030和1040相关联的操纵数据和操纵配置文件可以基于这些能力而发生改变。
在操作1002处,第一机器人站1030可将基于其能力的操纵数据提供到中心站1020。例如,操纵数据可包括关于通过使用这两个能力操纵物品的数据。在操作1004处,中心站1020可生成全局操纵配置文件。例如,中心站1020可分析从第一机器人站1030提供的操纵数据(任选地连同从诸如第二机器人站1040的其他机器人站提供的操纵数据)来生成全局操纵配置文件。由于所分析的操纵数据可包括与这两个能力相关联的数据,因此全局操纵配置文件可包括关于使用能力A和B来操纵物品的指令。
在操作1006处,中心站1020可根据第二机器人站1040生成本地操纵配置文件并将其传输到第二机器人站1040。由于第二机器人站1040可能不支持能力A但可以支持能力B,因此中心站1020可确定本地操纵配置文件不需要包括与能力A相关联的操纵指令。作为替代,中心站可定制全局操纵配置文件,使得本地操纵配置文件可包括与能力B相关联的操纵指令。
在操作1008处,第二机器人站1040可将基于能力B的操纵数据提供到中心站。例如,第二机器人站1040可使用与能力B相关联的操纵指令来操纵物品。可向中心站1020报告一些所得的操纵数据。例如,如果具体操纵在预期成功时失败,则可报告失败。类似地,也可报告成功。
在操作1010处,中心站1020可以基于从第二机器人站1040提供的操纵数据来更新全局操纵配置文件。例如,中心站1020可分析此类数据以确定对全局操纵配置文件的改变。例如,可使用所报告的操纵失败来从全局操纵配置文件移除关于对应操纵的指令。在更新后,更新可用于传输到支持能力B的机器人站,包括例如两个机器人站1030和1040。
在操作1012处,中心站1020可将与本地操纵配置文件相关联的更新传输到第二机器人站1040。更新可改变本地操纵配置文件的一部分或者可完全替换此类配置文件。
在操作1014处,第二机器人站1040可将基于其能力C的操纵数据提供到中心站。例如,第二机器人站1040可使用能力C来操纵物品并且可报告所得的操纵数据。
在操作1016处,中心站1020可以基于与能力C相关联的操纵数据来更新全局操纵配置文件。例如,中心站1020可分析所提供的这个操纵数据(任选地连同从其他机器人站提供的操纵数据)以生成对全局操纵配置文件的更新。更新可包括关于使用功能C来操纵物品的指令。在更新后,中心站1020可将更新传输到支持能力C的机器人站,包括例如第二机器人站1040。
可在广泛多种操作环境中进一步实现各种实施方案,所述操作环境在一些情况下可包括一个或多个用户计算机、计算设备或者可用于操作多个应用中的任何一个的处理设备。用户或客户端设备可包括多个通用个人计算机中的任何一个,诸如运行标准操作系统的台式计算机或膝上型计算机,以及运行移动软件并且能够支持多个联网协议和消息传输协议的蜂窝设备、无线设备和手持式设备。这种系统还可包括多个工作站,所述工作站运行多种可商购获得的操作系统以及用于诸如开发和数据库管理目的的其他已知应用程序中的任一个。这些设备还可包括其他电子设备,诸如虚拟终端、瘦客户端、游戏系统以及能够通过网络进行通信的其他设备。
大多数实施方案利用本领域技术人员将熟悉的至少一个网络来使用多种可商购获得的协议中的任一个来支持通信,诸如传输控制协议/互联网协议(“TCP/IP”)、开放系统互连(“OSI”)、文件传送协议(“FTP”)、通用即插即用(“UpnP”)、网络文件系统(“NFS”)、通用互联网文件系统(“CIFS”)和可路由协议组(AppleTalk)。网络可以是例如局域网、广域网、虚拟专用网、互联网、内联网、外联网、公共交换电话网、红外网络、无线网络和/或上述网络的任何组合。
在利用网络服务器的实施方案中,网络服务器可以运行各种服务器或中间层级应用程序中的任何一个,所述服务器包括超文本传送协议(“HTTP”)服务器、FTP服务器、通用网关接口(“CGI”)服务器、数据服务器、Java服务器和业务应用服务器。服务器还能够响应来自用户设备的请求而执行程序或脚本,诸如通过执行可实现为以任何编程语言(诸如C、C#或C++)或任何脚本语言(诸如Perl、Python或TCL)及其组合编写的一个或多个脚本或程序的一个或多个网络应用程序。服务器还可包括数据库服务器,包括但不限于可从 和商购获得的那些数据库服务器。
环境可包括如上文所述的多种数据存储库以及其他存储器和存储介质。这些可驻留在多种位置中,诸如在计算机中的一个或多个本地(和/或驻留在计算机中的一个或多个中)的存储介质上,或者远离网络上的计算机中的任何一个或所有计算机。在一组具体实施方案中,信息可驻留在本领域技术人员熟悉的存储区域网(“SAN”)中。类似地,用于执行属于计算机、服务器或其他网络设备的功能的任何必要的文件可视情况本地和/或远程存储。在系统包括计算机化设备的情况下,每个这种设备可包括可通过总线电耦合的硬件元件,所述元件包括例如至少一个中央处理单元(“CPU”)、至少一个输入设备(例如,鼠标、键盘、控制器、触摸屏或小键盘)和至少一个输出设备(例如,显示设备、打印机或扬声器)。这种系统还可包括一个或多个存储设备,诸如磁盘驱动器、光存储设备和固态存储设备(诸如随机存取存储器(“RAM”)或只读存储器(“ROM”)),以及可移动介质设备、存储卡、闪存卡等。
此类设备还可包括计算机可读存储介质读取器、通信设备(例如,调制解调器、网卡(无线或有线)、红外线通信设备等)和工作存储器,如上文所论述的。计算机可读存储介质读取器可与计算机可读存储介质连接或被配置来接收计算机可读存储介质,所述计算机可读存储介质表示远程、本地、固定和/或可移动存储设备以及用于暂时和/或更永久地包含、存储、传输和检索计算机可读信息的存储介质。系统和各种设备还典型地将包括位于至少一个工作存储器设备内的多个软件应用程序、模块、服务或其他元件,包括操作系统和应用程序,诸如客户端应用程序或网络浏览器。应了解,另选实施方案可具有以上描述的实施方案的众多变型。例如,也可使用定制硬件,并且/或者具体元件可在硬件、软件(包括可移植的软件,诸如小程序)或两者中实现。此外,可采用与诸如网络输入/输出设备的其他计算设备的连接。
用于包含代码或部分代码的存储介质和计算机可读介质可包括本领域已知或已使用的任何适当介质,包括存储介质和通信介质,诸如但不限于以用于存储和/或传输信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术所实现的易失性和非易失性、可移动和不可移动的介质,包括RAM、ROM、电可擦除可编程只读存储器(“EEPROM”)、闪存或其他存储器技术、光盘只读存储器(“CD-ROM”)、数字通用光盘(“DVD”)或其他光存储器、磁带盒、磁带、磁盘存储器或其他磁存储设备或者可用来存储期望的信息并且可由系统设备访问的任何其他介质。至少部分地基于本文所提供的公开内容和教义,本领域普通技术人员将了解实现各种实施方案的其他方式和/或方法。
因此,应以说明性意义而不是限制性意义来理解本说明书和附图。然而,将显而易见的是:在不脱离如在权利要求书中阐述的本公开的更宽广精神和范围的情况下,可对其做出各种修改和改变。
其他变型在本公开的精神内。因此,虽然所公开技术易受各种修改和替代构造的影响,但在附图中示出并且已在上文详细描述了其某些示出的实施方案。然而,应理解,并不意图将本发明限于所公开的一种或多种特定形式,相反地,意图涵盖落在本发明的精神和范围内的所有修改、替代构造和等效物,如所附权利要求书中所限定的。
在描述所公开实施方案的上下文中(尤其是在以下权利要求书的上下文中),术语“一个(a/an)”和“所述”以及类似指称对象的使用应解释为涵盖单数和复数两者,除非本文另外指示或明显地与上下文矛盾。术语“包含(comprising)”、“具有(having)”、“包括(including)”和“含有(containing)”应解释为开放式的术语(即,意味着“包括但不限于”),除非另外地指出。术语“连接(connected)”应解释为部分地或全部地包含在内、附接到或接合在一起,即使存在介入物。除非本文另外指示,否则本文中对值范围的列举仅仅意图用作单独地表示落入所述范围的各单独值的速记方法,并且犹如本文单独描述地那样将各单独值并入本说明书中。可以任何适合的顺序来执行本文描述的全部方法,除非本文另外指明或以其他方式与上下文明显矛盾。本文所提供的任何以及所有示例或示例性语言(例如,“诸如”)的使用仅意图更好地说明本发明的实施方案,并且除非另外要求,否则不会对本发明的范围施加限制。本说明书中的语言不应解释为将任何非要求的要素指示为实践本发明所必需。
本文中描述了本公开的优选实施方案,其包括为发明者所知用来执行本发明的最佳模式。阅读前述描述后,那些优选实施方案的变型对于本领域普通技术人员可变得显而易见。发明人期望技术人员视情况采用此类变型,并且发明人意图以不同于本文所特别描述的方式的其他方式来实践本发明。因此,本发明包括在所附的适用法律允许的权利要求书中叙述的主题的所有修改和等效物。此外,除非本文另外指示或以其他方式与上下文明显矛盾,否则本发明涵盖其所有可行变型中的上述元素的任何组合。
可鉴于以下条款对本公开的实施方案的示例进行描述:
条款1.一种库存系统,其包括:中心站,其包括:一个或多个处理器,以及包括指令的一个或多个计算机可读介质;第一机器人操纵器,其通过数据网络与所述中心站通信,所述第一机器人操纵器被配置来执行与操纵库存物品相关联的第一动作和第二动作;以及第二机器人操纵器,其通过所述数据网络与所述中心站通信,所述第二机器人操纵器被配置来执行所述第二动作和第三动作,所述第三动作不同于所述第一动作并且与操纵所述库存物品相关联,其中当所述指令通过所述一个或多个处理器执行时,所述指令致使所述中心站至少:通过所述数据网络从所述第一机器人操纵器接收关于执行所述第一动作和所述第二动作以操纵所述库存物品的第一数据;至少部分地基于所述第一数据生成操纵配置文件,所述操纵配置文件包括关于与执行所述第一动作和所述第二动作相关联地操纵所述物品的指令;通过所述数据网络将所述操纵配置文件的一部分传输到所述第二机器人操纵器,所述部分包括与所述第二动作相关联的所述指令的子集;通过所述数据网络从所述第二机器人操纵器接收关于执行所述第二动作和所述第三动作以操纵所述库存物品的第二数据;以及至少部分地基于所述第二数据来更新所述操纵配置文件,所述更新包括更新与所述第二动作相关联的所述指令的所述子集并且生成关于与执行所述第三动作相关联地操纵所述物品的附加指令。
条款2.如条款1所述的库存系统,其中传输所述操纵配置文件的所述部分包括:访问所述第二机器人操纵器的配置文件;至少部分地基于所述第二机器人操纵器的所述配置文件从所述操纵配置文件生成定制操纵配置文件;以及将所述定制操纵配置文件传输到所述第二机器人操纵器。
条款3.如条款1所述的库存系统,其中所述第一机器人操纵器被配置来至少部分地基于以下各项中的一个或多个来生成关于操纵所述库存物品的所述第一数据:由所述第一机器人操纵器生成并指定所述物品的操纵的多维模型、由所述第一机器人操纵器生成以操纵所述物品的抓取和所述抓取的位置、或由所述第一机器人操纵器识别以操纵所述物品的所述物品的特征。
条款4.如条款1所述的库存系统,其中关于操纵所述物品的所述第二数据包括至少部分地基于所述指令的所述子集操纵所述物品的失败,并且其中更新所述操纵配置文件包括至少部分地基于所述失败更新所述指令的所述子集。
条款5.一种计算机实现的方法,其包括:由计算机系统访问多个机器人操纵器的关于对象类型的操纵的操纵数据;由所述计算机系统至少部分地基于所述操纵数据来生成与操纵所述对象类型相关联的配置文件;由所述计算机系统至少部分地基于所述多个机器人操纵器中的机器人操纵器选择所述配置文件的一部分;以及由所述计算机系统将所述配置文件的所述部分传输到所述机器人操纵器。
条款6.如条款5所述的计算机实现的方法,其中所述对象类型包括某一类型的物品,其中所述计算机系统与所述物品的库存的中心站相关联,其中所述物品从电子市场供应,并且其中所述配置文件的所述部分通过网络传输到所述机器人操纵器并且包括关于至少部分地基于所述机器人操纵器支持的动作来操纵所述类型的所述物品的指令。
条款7.如条款5所述的计算机实现的方法,其中所述操纵数据包括以下各项中的一个或多个:与所述对象类型相关联的多维模型、与操纵所述对象类型相关联的抓取和所述抓取的位置、或所述对象类型的特征,并且其中所述操纵数据至少部分地基于以下各项中的一个或多个来识别操纵所述对象类型的成功和失败:所述多维模型、所述抓取和所述位置或所述特征。
条款8.如条款7所述的计算机实现的方法,其中至少部分地基于数据来生成以下各项中的一个或多个:所述多维模型、所述抓取和所述位置或所述特征,所述数据是从以下各项中的一个或多个接收的:所述多个机器人操纵器的光学传感器、力传感器、压力传感器、重量传感器或触摸传感器。
条款9.如条款5所述的计算机实现的方法,其中所述配置文件包括以下各项中的一个或多个:关于抓取、移动和释放所述对象类型的对象的指令、用于对所述对象进行取向的所述对象类型的特征、用于操纵所述对象的所述对象类型的多维模型、关于与操纵所述对象相关联地使用的端部执行器的信息、由所述端部执行器施加的力、由所述端部执行器施加的一系列动作、或者关于操纵一包所述对象类型的两个或更多个对象的指令。
条款10.如条款5所述的计算机实现的方法,其中选择所述配置文件的所述部分包括:由所述计算机系统识别所述机器人操纵器的能力;以及至少部分地基于所述能力来定制所述配置文件以生成所述配置文件的所述部分。
条款11.如条款5所述的计算机实现的方法,其中选择所述配置文件的所述部分包括:由所述计算机系统识别所述机器人操纵器将在所述对象类型的对象上执行的动作;以及由所述计算机系统至少部分地基于所述动作来从所述配置文件选择关于操纵所述对象类型的指令的子集。
条款12.如条款5所述的计算机实现的方法,其中所述机器人操纵器包括被配置来操纵所述对象类型的对象的机器人臂和端部执行器,并且其中至少部分地基于所述机器人臂或所述端部执行器中的一个或多个选择所述配置文件的所述部分。
条款13.一种系统,其包括:一个或多个处理器;以及一个或多个计算机可读介质,其包括指令,所述指令在通过所述一个或多个处理器执行时致使所述系统至少:访问关于对象类型的操纵的第一机器人操纵器的第一操纵数据;至少部分地基于所述第一操纵数据生成与操纵所述对象类型相关联的配置文件;访问关于所述对象类型的所述操纵的第二机器人操纵器的第二操纵数据;至少部分地基于所述第二操纵数据来更新所述配置文件;以及至少部分地基于所述更新将所述配置文件的一部分传输到所述第一机器人操纵器或所述第二机器人操纵器中的一个或多个。
条款14.如条款13所述的系统,其中所述第一机器人操纵器被配置来生成所述对象类型的操纵模型,其中所述配置文件包括所述操纵模型,并且其中所述操纵模型在所述配置文件的所述部分中被传输到所述第二机器人操纵器。
条款15.如条款13所述的系统,其中所述第一操纵数据包括所述对象类型的对象的图像,并且其中生成所述配置文件包括至少部分地基于所述图像来生成所述对象类型的多维模型。
条款16.如条款13所述的系统,其中所述第一操纵数据包括至少部分地基于来自所述第一机器人操纵器的所述对象类型的对象的图像的所述对象类型的多维模型,并且其中至少部分地基于所述多维模型生成所述配置文件。
条款17.如条款13所述的系统,其中所述第一操纵数据指示所述对象类型的操纵以及所述操纵的成功或失败,其中所述第一机器人操纵器被配置来至少部分地基于所述操纵的多次执行来生成所述第一操纵数据。
条款18.如条款13所述的系统,其中所述对象类型与某一属性相关联,所述属性是所述对象类型的对象共有的并且影响所述对象类型的所述操纵,其中当所述指令通过所述一个或多个处理器执行时,所述指令进一步致使所述系统至少:从所述第一机器人操纵器或所述第二机器人操纵器接收所述属性的变化;以及至少部分地基于所述属性的所述变化来更新所述配置文件。
条款19.如条款13所述的系统,其中所述对象类型与某一属性相关联,所述属性是所述对象类型的对象共有的并且影响所述对象类型的所述操纵,其中当所述指令通过所述一个或多个处理器执行时,所述指令进一步致使所述系统至少:从所述第一机器人操纵器或所述第二机器人操纵器接收所述属性的变化;从所述第一机器人操纵器或所述第二机器人操纵器请求是否已针对所述对象类型的所述对象改变了所述属性的指示;至少部分地基于所述请求从所述第一机器人操纵器或所述第二机器人操纵器接收第一组所述对象包括未改变的所述属性并且第二组所述对象包括已改变的所述属性的信息;以及至少部分地基于所述属性的所述变化来生成与操纵所述第二组所述对象相关联的第二配置文件。
条款20.如条款13所述的系统,其中所述配置文件的所述部分被传输到所述第二机器人操纵器并且包括关于用于操纵所述对象类型的动作的信息,其中当所述指令通过所述一个或多个处理器执行时,所述指令进一步致使所述系统至少:从所述第二机器人操纵器接收所述第二机器人操纵器处的所述动作失败的指示;向所述第一机器人操纵器发送请求以确认所述第一机器人操纵器处的所述动作的所述失败;以及至少部分地基于来自所述第一机器人操纵器的所述失败的确认来更新所述配置文件。
本文所引用的全部参考文献(包括出版物、专利申请和专利)据此以引用方式并入,其程度等同于每个参考文献单独地且具体地被表示为以引用方式并入本文并且以其全文在本文得以阐述。
Claims (18)
1.一种库存系统,其包括:
一个或多个处理器;以及
一个或多个计算机可读介质,其包括计算机可读指令,所述计算机可读指令在由所述一个或多个处理器执行时致使所述库存系统至少:
从第一机器人操纵器接收与由所述第一机器人操纵器执行动作有关的第一数据,所述动作与操纵库存物品相关联;
至少部分地基于所述第一数据来生成操纵配置文件,所述操纵配置文件包括与通过执行所述动作来操纵所述库存物品有关的指令;
至少部分地基于所述动作由第二机器人操纵器支持而将所述操纵配置文件的一部分传输到所述第二机器人操纵器,所述一部分包括所述指令;
从所述第二机器人操纵器接收与由所述第二机器人操纵器执行所述动作有关的第二数据,所述第二数据包括对所述第二机器人操纵器根据所述指令执行所述动作的失败的指示;以及
至少部分地基于所述第二数据来更新所述操纵配置文件中的所述指令,所述更新包括至少部分地基于所述失败来改变所述指令。
2.如权利要求1所述的库存系统,其中所述第一机器人操纵器被配置来执行与操纵所述库存物品相关联的且不由所述第二机器人操纵器支持的不同动作,且其中所述计算机可读指令的执行进一步致使所述库存系统至少:
从所述第一机器人操纵器接收与由所述第一机器人操纵器执行所述不同动作有关的附加数据;以及
至少部分地基于所述附加数据将与执行所述不同动作有关的附加指令添加到所述操纵配置文件。
3.如权利要求2所述的库存系统,其中所述操纵配置文件的被传输到所述第二机器人操纵器的所述一部分至少部分地基于所述不同动作不由所述第二机器人操纵器支持而排除所述附加指令。
4.如权利要求1所述的库存系统,其中所述第二机器人操纵器被配置来执行与操纵所述库存物品相关联的且不由所述第一机器人操纵器支持的不同动作,且其中所述计算机可读指令的执行进一步致使所述库存系统至少:
从所述第二机器人操纵器接收与由所述第二机器人操纵器执行所述不同动作有关的附加数据;以及
至少部分地基于所述附加数据将与执行所述不同动作有关的附加指令添加到所述操纵配置文件。
5.如权利要求4所述的库存系统,其中所述计算机可读指令的执行进一步致使所述库存系统至少:
至少部分地基于确定第三机器人操纵器支持所述动作和所述不同动作而将所述操纵配置文件的所述指令和所述附加指令传输到所述第三机器人操纵器;
从所述第三机器人操纵器接收与由所述第三机器人操纵器执行所述动作和所述不同动作有关的第三数据;以及
至少部分地基于所述第三数据来进一步更新所述操纵配置文件中的所述指令。
6.如权利要求4所述的库存系统,其中所述计算机可读指令的执行进一步致使所述库存系统至少:
访问所述第二机器人操纵器的配置文件,所述配置文件指示所述第二机器人操纵器支持所述动作和所述不同动作;以及
至少部分地基于所述第二机器人操纵器的所述配置文件来选择所述操纵配置文件的所述一部分,所述一部分包括所述指令和所述附加指令。
7.一种计算机实现的方法,其包括:
由计算机系统访问第一机器人操纵器的与对象类型的操纵有关的第一操纵数据;
由所述计算机系统至少部分地基于所述第一操纵数据来生成与操纵所述对象类型相关联的指令;
由所述计算机系统将所述指令传输到支持所述操纵的第二机器人操纵器;
由所述计算机系统从所述第二机器人操纵器接收所述第二机器人操纵器的与所述操纵有关的第二操纵数据,所述第二操纵数据至少部分地基于所述指令生成,所述第二操纵数据包括对所述第二机器人操纵器根据所述指令执行所述操纵的失败的指示;以及
由所述计算机系统至少部分地基于所述第二机器人操纵器的所述第二操纵数据来更新所述指令,所述更新包括至少部分地基于所述失败来改变所述指令。
8.如权利要求7所述的计算机实现的方法,其中更新所述指令包括:
向所述第一机器人操纵器发送请求,以确认所述操纵在所述第一机器人操纵器处的所述失败;以及
至少部分地基于从所述第一机器人操纵器确认所述失败而改变所述指令。
9.如权利要求7所述的计算机实现的方法,其中生成所述指令包括生成操纵配置文件,且其中传输所述指令包括:
至少部分地基于确定所述第二机器人操纵器支持所述操纵来选择所述操纵配置文件的一部分,所述一部分包括所述指令;以及
将所述操纵配置文件的所述一部分传输到所述第二机器人操纵器。
10.如权利要求9所述的计算机实现的方法,其中选择所述操纵配置文件的所述一部分包括:
至少部分地基于所述第一机器人操纵器和所述第二机器人操纵器的配置文件来确定所述对象类型的不同操纵由所述第一机器人操纵器支持且不由所述第二机器人操纵器支持;以及
至少部分地基于所述第一机器人操纵器的与所述不同操纵有关的不同操纵数据来从所述操纵配置文件的所述一部分排除与所述不同操纵有关的不同指令,所述不同指令能从所述操纵配置文件获得。
11.如权利要求7所述的计算机实现的方法,其进一步包括:
由所述计算机系统从所述第二机器人操纵器请求对与所述对象类型相关联的属性是否已经改变的指示,所述属性是所述对象类型的对象共有的且影响所述对象类型的所述操纵;
由所述计算机系统从所述第二机器人操纵器至少部分地基于所述请求来接收如下信息:第一组所述对象包括未改变的所述属性以及第二组所述对象包括改变了的所述属性;以及
由所述计算机系统至少部分地基于对所述属性的改变来生成与操纵所述第二组所述对象相关联的第二指令。
12.一种或多种非瞬态计算机可读存储介质,其包括计算机可读指令,所述计算机可读指令在由一个或多个处理器执行时致使系统执行操作,所述操作包括:
访问第一机器人操纵器的与对象类型的操纵有关的第一操纵数据,所述对象类型的所述操纵与所述对象类型的对象共有的属性相关联;
至少部分地基于所述第一操纵数据来生成与操纵所述对象类型相关联的配置文件,所述配置文件的一部分包括与所述操纵有关的指令;
至少部分地基于所述操纵由第二机器人操纵器支持而将所述配置文件的所述一部分传输到所述第二机器人操纵器;
从所述第二机器人操纵器接收所述第二机器人操纵器的与所述操纵有关的第二操纵数据,所述第二操纵数据至少部分地基于所述配置文件的所述一部分来生成;
至少部分地基于所述第二机器人操纵器的所述第二操纵数据来更新所述配置文件的所述一部分;
从所述第二机器人操纵器接收如下信息:第一组所述对象包括未改变的所述属性以及第二组所述对象包括改变了的所述属性;以及
至少部分地基于对所述属性的改变来生成与操纵所述第二组所述对象相关联的第二配置文件。
13.如权利要求12所述的一种或多种非瞬态计算机可读存储介质,其中生成所述配置文件包括将不同指令添加到与所述对象类型的不同操纵有关的所述配置文件,其中所述不同操纵由所述第一机器人操纵器支持且不由所述第二机器人操纵器支持,且其中被传输到所述第二机器人操纵器的所述一部分至少部分地基于所述不同操纵不由所述第二机器人操纵器支持而排除所述不同指令。
14.如权利要求13所述的一种或多种非瞬态计算机可读存储介质,其进一步包括:
从所述第二机器人操纵器接收与所述对象类型的附加操纵有关的附加操纵数据,其中所述附加操纵由所述第二机器人操纵器支持;以及
至少部分地基于所述附加操纵数据将与所述附加操纵有关的附加指令添加到所述配置文件。
15.如权利要求12所述的一种或多种非瞬态计算机可读存储介质,其中接收所述第二操纵数据包括接收对所述第二机器人操纵器根据所述配置文件的所述一部分执行所述操纵的失败的指示,且其中更新所述指令包括至少部分地基于所述失败来改变所述指令。
16.如权利要求15所述的一种或多种非瞬态计算机可读存储介质,其中更新所述指令包括:
向所述第一机器人操纵器发送请求,以确认所述操纵在所述第一机器人操纵器处的所述失败;以及
至少部分地基于从所述第一机器人操纵器确认所述失败而改变所述配置文件中的所述指令。
17.如权利要求12所述的一种或多种非瞬态计算机可读存储介质,其中传输所述配置文件的所述一部分包括:
至少部分地基于确定所述第二机器人操纵器支持所述对象类型的所述操纵且至少部分地基于所述指令与所述操纵之间的关联来从所述配置文件选择所述指令。
18.如权利要求17所述的一种或多种非瞬态计算机可读存储介质,其中所述确定所述第二机器人操纵器支持所述操纵是至少部分地基于所述第二机器人操纵器的部件的,其中所述部件被配置来操纵所述对象类型的对象且包括机器人臂或端部执行器中的至少一者。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/860,584 US9718188B2 (en) | 2015-09-21 | 2015-09-21 | Networked robotic manipulators |
US14/860,584 | 2015-09-21 | ||
PCT/US2016/052630 WO2017053276A1 (en) | 2015-09-21 | 2016-09-20 | Networked robotic manipulators |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108025438A CN108025438A (zh) | 2018-05-11 |
CN108025438B true CN108025438B (zh) | 2019-07-05 |
Family
ID=57113716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680054972.6A Active CN108025438B (zh) | 2015-09-21 | 2016-09-20 | 联网的机器人操纵器 |
Country Status (7)
Country | Link |
---|---|
US (2) | US9718188B2 (zh) |
EP (1) | EP3352952B1 (zh) |
CN (1) | CN108025438B (zh) |
AU (1) | AU2016328637B2 (zh) |
CA (1) | CA2999272C (zh) |
MX (1) | MX2018003475A (zh) |
WO (1) | WO2017053276A1 (zh) |
Families Citing this family (79)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10311634B2 (en) * | 2015-07-21 | 2019-06-04 | IAM Robotics, LLC | Three dimensional scanning and data extraction systems and processes for supply chain piece automation |
US10430744B2 (en) * | 2015-08-21 | 2019-10-01 | Autodesk, Inc. | Robot service platform |
US11370128B2 (en) | 2015-09-01 | 2022-06-28 | Berkshire Grey Operating Company, Inc. | Systems and methods for providing dynamic robotic control systems |
EP3753687B1 (en) | 2015-09-01 | 2022-11-02 | Berkshire Grey Operating Company, Inc. | Systems and methods for providing dynamic robotic control systems |
US10265872B2 (en) | 2015-09-09 | 2019-04-23 | Berkshire Grey, Inc. | Systems and methods for providing dynamic communicative lighting in a robotic environment |
ES2952517T3 (es) | 2015-09-11 | 2023-10-31 | Berkshire Grey Operating Company Inc | Sistemas robóticos y métodos para identificar y procesar diversos objetos |
US9718188B2 (en) | 2015-09-21 | 2017-08-01 | Amazon Technologies, Inc. | Networked robotic manipulators |
CN108349083B (zh) | 2015-11-13 | 2021-09-21 | 伯克希尔格雷股份有限公司 | 用于提供各种物体的分拣的分拣系统和方法 |
US10730078B2 (en) | 2015-12-04 | 2020-08-04 | Berkshire Grey, Inc. | Systems and methods for dynamic sortation of objects |
CN108604091B (zh) * | 2015-12-04 | 2023-07-21 | 伯克希尔格雷营业股份有限公司 | 用于动态处理物体的系统和方法 |
US9937532B2 (en) | 2015-12-18 | 2018-04-10 | Berkshire Grey Inc. | Perception systems and methods for identifying and processing a variety of objects |
EP3192616A1 (en) | 2016-01-14 | 2017-07-19 | Magazino GmbH | Robot to pick up and transport objects and method using such a robot |
CA3178174A1 (en) | 2016-02-08 | 2017-08-17 | Berkshire Grey Operating Company, Inc. | Systems and methods for providing processing of a variety of objects employing motion planning |
US10078330B2 (en) | 2016-03-25 | 2018-09-18 | International Business Machines Corporation | Coordinating robotic apparatus deliveries |
CA3019959C (en) * | 2016-04-07 | 2024-06-18 | Soft Robotics, Inc. | Soft robotic actuators for positioning, packaging, and assembling |
US10322506B2 (en) * | 2016-05-06 | 2019-06-18 | Kindred Systems Inc. | Systems, devices, articles, and methods for using trained robots |
GB2552019B (en) * | 2016-07-08 | 2020-01-08 | Rolls Royce Plc | Methods and apparatus for controlling at least one of a first robot and a second robot to collaborate within a system |
FI127100B (en) * | 2016-08-04 | 2017-11-15 | Zenrobotics Oy | A method and apparatus for separating at least one piece from a plurality of pieces |
CN109791393B (zh) * | 2016-11-23 | 2022-04-19 | Abb瑞士股份有限公司 | 用于优化目标工作线的方法和装置 |
EP3544911B1 (en) | 2016-11-28 | 2023-10-18 | Berkshire Grey Operating Company, Inc. | System for providing singulation of objects for processing |
US10875057B2 (en) | 2016-12-06 | 2020-12-29 | Berkshire Grey, Inc. | Systems and methods for providing for the processing of objects in vehicles |
CN110049934B (zh) | 2016-12-09 | 2022-02-25 | 伯克希尔格雷股份有限公司 | 用于处理在车辆中设置的物品的系统和方法 |
CN113233078B (zh) | 2017-03-17 | 2022-09-16 | 伯克希尔格雷运营股份有限公司 | 用于处理物体的包括线性机架系统的系统和方法 |
CN114873119B (zh) | 2017-03-20 | 2023-10-31 | 伯克希尔格雷营业股份有限公司 | 用于处理包括移动矩阵载体系统的物体的系统和方法 |
WO2018175294A1 (en) | 2017-03-20 | 2018-09-27 | Berkshire Grey, Inc. | Systems and methods for processing objects including an auto-shuttle system |
US10941000B2 (en) | 2017-03-23 | 2021-03-09 | Berkshire Grey, Inc. | Systems and methods for processing objects, including automated linear processing stations |
EP3601111B1 (en) | 2017-03-23 | 2024-01-03 | Berkshire Grey Operating Company, Inc. | System and method for processing objects, including automated mobile matrix carriers |
US10576621B2 (en) | 2017-03-23 | 2020-03-03 | Berkshire Grey, Inc. | Systems and methods for processing objects, including automated mobile matrix bins |
WO2018183852A1 (en) * | 2017-03-30 | 2018-10-04 | Soft Robotics, Inc. | User-assisted robotic control systems |
CA3178221A1 (en) | 2017-04-24 | 2018-11-01 | Berkshire Grey Operating Company, Inc. | Systems and methods for providing singulation of objects for processing using object movement redistribution |
JP2018203480A (ja) * | 2017-06-07 | 2018-12-27 | 株式会社東芝 | 仕分装置および仕分システム |
US10086510B1 (en) * | 2017-07-07 | 2018-10-02 | Fallas Automation, Inc. | Dual robotic case packing system for standup product |
US11065761B2 (en) * | 2017-07-25 | 2021-07-20 | Dematic Corp. | Robotic picking training technique |
CA3071407C (en) | 2017-08-02 | 2023-10-03 | Berkshire Grey, Inc. | Systems and methods for acquiring and moving objects having complex outer surfaces |
US11025498B2 (en) * | 2017-08-23 | 2021-06-01 | Sap Se | Device model to thing model mapping |
US10723555B2 (en) | 2017-08-28 | 2020-07-28 | Google Llc | Robot inventory updates for order routing |
BR112020004016A2 (pt) * | 2017-08-31 | 2020-09-08 | Monsanto Technology Llc | sistema de entrega de sementes |
US10901812B2 (en) * | 2017-09-18 | 2021-01-26 | Rapyuta Robotics Co., Ltd. | Managing communication between cloud and heterogeneous devices across networks |
US11370111B2 (en) * | 2017-09-20 | 2022-06-28 | Magna International Inc. | System and method for adaptive bin picking for manufacturing |
SG11202001877YA (en) * | 2017-09-30 | 2020-04-29 | Beijing Geekplus Technology Co Ltd | Sorting platform, system and method, and data processing for sorting system |
US11117760B2 (en) | 2017-10-27 | 2021-09-14 | Berkshire Grey, Inc. | Systems and methods for processing objects including mobile matrix carrier systems |
US10828790B2 (en) * | 2017-11-16 | 2020-11-10 | Google Llc | Component feature detector for robotic systems |
US11504853B2 (en) * | 2017-11-16 | 2022-11-22 | General Electric Company | Robotic system architecture and control processes |
US20210205995A1 (en) * | 2018-02-06 | 2021-07-08 | Clara Vu | Robot end-effector sensing and identification |
US10843333B2 (en) | 2018-03-05 | 2020-11-24 | Berkshire Grey, Inc. | Systems and methods for processing objects, including automated re-circulating processing stations |
JP2019155542A (ja) * | 2018-03-14 | 2019-09-19 | 株式会社東芝 | 搬送装置、搬送システム、コントローラ、および搬送方法 |
US10583986B2 (en) | 2018-05-04 | 2020-03-10 | Berkshire Grey, Inc. | Systems and methods for processing objects, including automated processing stations |
KR101873013B1 (ko) * | 2018-05-14 | 2018-07-02 | 주식회사 썬에이치에스티 | 독립형 산업용 로봇 지그를 위한 압축 공기 기반 자율 전력 발생 시스템 |
DE102018116611B4 (de) * | 2018-07-10 | 2022-02-10 | Dematic Gmbh | Verfahren und System zur Steuerung des Materialflusses von Objekten in einem realen Lager |
WO2020021307A1 (en) | 2018-07-25 | 2020-01-30 | Dematic Corp. | Robotic picking training technique |
DE102018122376B3 (de) * | 2018-09-13 | 2019-11-07 | Pilz Gmbh & Co. Kg | Verfahren und Vorrichtung zur kollisionsfreien Bewegungsplanung eines Manipulators |
US11813028B2 (en) * | 2018-09-27 | 2023-11-14 | Eped, Inc. | Active-detection self-propelled artificial intelligence surgical navigation cart |
CN110640741A (zh) * | 2018-11-07 | 2020-01-03 | 宁波赛朗科技有限公司 | 一种规则形状工件匹配的抓取工业机器人 |
CN109434830A (zh) * | 2018-11-07 | 2019-03-08 | 宁波赛朗科技有限公司 | 一种多模态监控的工业机器人平台 |
CN109129492A (zh) * | 2018-11-07 | 2019-01-04 | 宁波赛朗科技有限公司 | 一种动态捕捉的工业机器人平台 |
US10647528B1 (en) | 2019-05-31 | 2020-05-12 | Mujin, Inc. | Robotic system for palletizing packages using real-time placement simulation |
US10696494B1 (en) | 2019-05-31 | 2020-06-30 | Mujin, Inc. | Robotic system for processing packages arriving out of sequence |
US10679379B1 (en) | 2019-05-31 | 2020-06-09 | Mujin, Inc. | Robotic system with dynamic packing mechanism |
US11077554B2 (en) * | 2019-05-31 | 2021-08-03 | Mujin, Inc. | Controller and control method for robotic system |
US10618172B1 (en) | 2019-05-31 | 2020-04-14 | Mujin, Inc. | Robotic system with error detection and dynamic packing mechanism |
US10696493B1 (en) | 2019-05-31 | 2020-06-30 | Mujin, Inc. | Robotic system with packing mechanism |
CN113994356A (zh) | 2019-06-24 | 2022-01-28 | 伯克希尔格雷股份有限公司 | 用于在订单履行中心中提供订单装运的系统和方法 |
CN114025928A (zh) * | 2019-06-27 | 2022-02-08 | 松下知识产权经营株式会社 | 末端执行器的控制系统以及末端执行器的控制方法 |
US11738447B2 (en) | 2019-07-29 | 2023-08-29 | Nimble Robotics, Inc. | Storage systems and methods for robotic picking |
US11724880B2 (en) | 2019-07-29 | 2023-08-15 | Nimble Robotics, Inc. | Storage systems and methods for robotic picking |
US11504845B2 (en) * | 2019-08-14 | 2022-11-22 | Google Llc | Reconfigurable robotic manufacturing cells |
US10954081B1 (en) | 2019-10-25 | 2021-03-23 | Dexterity, Inc. | Coordinating multiple robots to meet workflow and avoid conflict |
CN111056258B (zh) * | 2019-11-20 | 2021-08-10 | 秒针信息技术有限公司 | 一种智能调整传送带的方法和装置 |
CN111037575B (zh) * | 2020-03-13 | 2020-06-26 | 广东博智林机器人有限公司 | 机器人指令传输、处理方法、装置、电子设备及存储介质 |
EP4196319A4 (en) * | 2020-08-17 | 2024-03-06 | Ambi Robotics, Inc. | SYSTEM AND METHOD FOR DYNAMIC ROBOTIC KITTING LINE |
US11654564B2 (en) * | 2020-09-10 | 2023-05-23 | Fanuc Corporation | Efficient data generation for grasp learning with general grippers |
US11554490B2 (en) | 2020-12-09 | 2023-01-17 | Robert Bosch Gmbh | Monitoring real-time data of a robotic manipulator |
US11932129B2 (en) | 2020-12-21 | 2024-03-19 | Nimble Robotics, Inc. | Mobile robot having pneumatic charging system |
US11938518B2 (en) * | 2021-01-20 | 2024-03-26 | AMP Robotics Corporation | Techniques for planning object sorting |
US20220289501A1 (en) * | 2021-03-15 | 2022-09-15 | Dexterity, Inc. | Singulation of arbitrary mixed items |
CN113351496B (zh) * | 2021-08-10 | 2021-11-02 | 常州唯实智能物联创新中心有限公司 | 多机械臂策略、多机械臂协同的分拣系统建模方法及系统 |
WO2023059485A1 (en) | 2021-10-06 | 2023-04-13 | Berkshire Grey Operating Company, Inc. | Dynamic processing of objects provided in elevated vehicles with evacuation systems and methods for receiving objects |
TWI811867B (zh) * | 2021-11-26 | 2023-08-11 | 台達電子工業股份有限公司 | 基於超音波識別的物體拾取系統及其方法 |
CN116252305B (zh) * | 2023-05-05 | 2024-02-20 | 苏州视通医疗科技有限公司 | 一种控制系统重构方法、控制系统、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104044148A (zh) * | 2013-03-15 | 2014-09-17 | 株式会社安川电机 | 机器人系统、机器人控制方法及被加工物的制造方法 |
CN104777801A (zh) * | 2014-01-15 | 2015-07-15 | 发那科株式会社 | 位于远程地的机器人的远程监视系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4989532B2 (ja) | 2007-03-30 | 2012-08-01 | 成均館大学校産学協力団 | 移動サービスロボットの中央情報処理システム、移動サービスロボットの情報処理方法及び移動サービスロボットの情報処理方法を記録したコンピュータで読み取り可能な記録媒体 |
KR102015307B1 (ko) * | 2010-12-28 | 2019-08-28 | 삼성전자주식회사 | 로봇 및 그 제어 방법 |
US8386078B1 (en) | 2011-05-06 | 2013-02-26 | Google Inc. | Methods and systems for providing a data library for robotic devices |
JP5940682B2 (ja) * | 2012-02-21 | 2016-06-29 | アマゾン テクノロジーズ インコーポレイテッド | 材料取扱施設における製品の自動ピッキングのためのシステム |
US9785911B2 (en) | 2013-07-25 | 2017-10-10 | I AM Robotics, LLC | System and method for piece-picking or put-away with a mobile manipulation robot |
US9308647B2 (en) * | 2014-06-03 | 2016-04-12 | Bot & Dolly, Llc | Systems and methods for instructing robotic operation |
US9718188B2 (en) | 2015-09-21 | 2017-08-01 | Amazon Technologies, Inc. | Networked robotic manipulators |
-
2015
- 2015-09-21 US US14/860,584 patent/US9718188B2/en active Active
-
2016
- 2016-09-20 AU AU2016328637A patent/AU2016328637B2/en active Active
- 2016-09-20 EP EP16778548.4A patent/EP3352952B1/en active Active
- 2016-09-20 MX MX2018003475A patent/MX2018003475A/es unknown
- 2016-09-20 WO PCT/US2016/052630 patent/WO2017053276A1/en active Application Filing
- 2016-09-20 CN CN201680054972.6A patent/CN108025438B/zh active Active
- 2016-09-20 CA CA2999272A patent/CA2999272C/en active Active
-
2017
- 2017-06-23 US US15/632,140 patent/US9987748B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104044148A (zh) * | 2013-03-15 | 2014-09-17 | 株式会社安川电机 | 机器人系统、机器人控制方法及被加工物的制造方法 |
CN104777801A (zh) * | 2014-01-15 | 2015-07-15 | 发那科株式会社 | 位于远程地的机器人的远程监视系统 |
Also Published As
Publication number | Publication date |
---|---|
US20170297200A1 (en) | 2017-10-19 |
MX2018003475A (es) | 2018-09-06 |
AU2016328637A1 (en) | 2018-04-12 |
AU2016328637B2 (en) | 2019-07-25 |
US9987748B2 (en) | 2018-06-05 |
EP3352952A1 (en) | 2018-08-01 |
CA2999272A1 (en) | 2017-03-30 |
EP3352952B1 (en) | 2022-03-02 |
US20170080566A1 (en) | 2017-03-23 |
US9718188B2 (en) | 2017-08-01 |
CN108025438A (zh) | 2018-05-11 |
WO2017053276A1 (en) | 2017-03-30 |
CA2999272C (en) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108025438B (zh) | 联网的机器人操纵器 | |
CN107000208B (zh) | 库存系统中物品的机器人抓取 | |
US10360531B1 (en) | Robot implemented item manipulation | |
US10131051B1 (en) | Anticipation-based robotic object grasping | |
US9926138B1 (en) | Determination of removal strategies | |
US11905116B2 (en) | Controller and control method for robot system | |
US10766149B2 (en) | Optimization-based spring lattice deformation model for soft materials | |
CN108369687A (zh) | 移动机器人操纵器 | |
CN110329710A (zh) | 具有机器人臂吸附控制机制的机器人系统及其操作方法 | |
US10919151B1 (en) | Robotic device control optimization using spring lattice deformation model | |
DE102020114577B4 (de) | Steuerung und steuerverfahren für robotersystem | |
CN109997108A (zh) | 训练机器人操作臂 | |
US11769110B1 (en) | Systems and methods for operator motion management | |
Rodić et al. | Application-driven cloud-based control of smart multi-robot store scenario | |
Bakyalakshmi et al. | Systematized Warehouse Based On IoT |
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 |