CN110134081B - 一种基于机器人能力模型的控制系统 - Google Patents
一种基于机器人能力模型的控制系统 Download PDFInfo
- Publication number
- CN110134081B CN110134081B CN201910277031.4A CN201910277031A CN110134081B CN 110134081 B CN110134081 B CN 110134081B CN 201910277031 A CN201910277031 A CN 201910277031A CN 110134081 B CN110134081 B CN 110134081B
- Authority
- CN
- China
- Prior art keywords
- robot
- capability
- task
- model
- layer
- 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
- 238000004519 manufacturing process Methods 0.000 claims abstract description 49
- 230000009471 action Effects 0.000 claims abstract description 26
- 238000013439 planning Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000010411 postconditioning Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Images
Classifications
-
- 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]
- G05B19/41865—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] characterised by job scheduling, process planning, material flow
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Numerical Control (AREA)
Abstract
本发明提供了一种基于机器人能力模型的控制系统,包括设备层用于实现硬件抽象并为系统提供设备接口与底层控制;服务层包括一个通用计算过程的服务模块和依据多传感器反馈信息实现某一个动作的动作源语模块;能力层包括负责协调本地能力的执行和监控的能力管理器;任务层集成基于机器人角色的任务管理器,完成任务级编程能力,进行任务的规划与调用,用户直接通过图形化的工具交互式地管理、配置与执行各能力或通过制造执行系统的任务规划自动规划服务让机器人到达目标。本发明具备执行抽象能力描述,与企业制造执行系统进行集成,面向机器人的符号级抽象任务规划完成,将机器人与生产过程和支撑数据相结合,避免改变企业信息系统当前的运行方式。
Description
技术领域
本发明涉及工业机器人和企业制造执行系统融合技术领域,具体地涉及到一种基于机器人能力模型的控制系统。
背景技术
智能制造代表了制造业未来的主要发展趋势,己引起世界各国的广泛关注和普遍重视。机器人则是未来智能制造的重要使能装备,是实现智能制造的一类重要而特殊的载体。机器人为主体的智能制造,体现了制造业的智能化、数字化和网络化的发展要求,能够大幅提升生产效率、提高质量、降低成本。因此,机器人系统成为当前制造领域的研究热点之一,吸引了产业界和学术界的关注。
另一方面,目前企业级制造执行系统完成生产线上的资源分配及状态管理、工序调度、执行分析、生产跟踪、数据采集等功能,但系统通常在符号级抽象的层次上对工作任务进行分配与监控。而典型的工业机器人控制,需要基于机器人及操作环境的详细参数、状态等信息,通过专业的编程工具和监控工具来控制,机器人的使用上缺少功能的扩展性和通用性。制造执行系统没有方式能直接调用机器人完成任务,也没有方式直接获取采集机器人任务执行后的数据状态。为了应对新兴制造业的挑战,需要更柔性、更高效的解决方案,需要提供方式完成企业制造执行系统与机器人控制的智能化协作融合,制造执行系统直接对多功能、多任务的可编程、高柔性智能机器人进行控制与任务分配,以应对复杂,多变的生产任务,适用于多产品、小批量的柔性生产。
基于机器人能力模型的智能控制技术让智能机器人变成在真实的生产车间环境中的具有认知能力的执行者,自动完成基于传感器数据的推理能力以及机器人目标任务与行为策略的执行;让多个智能机器人与企业信息系统控制的大型生产过程的融合,完成面向机器人的任务分配和任务执行;并且让机器人协同构建真实环境中的世界场景模型,完成机器人与生产线的协同交互。
机器人能力可以被看作是抽象的设计单元,由完整可执行的机器人程序或功能组成。能力模型可以被符号级的形式化高层任务规划所调用,因此企业制造执行系统可以直接对机器人进行任务分配。能力模型提供了面向对象的抽象表示能力,而不是像传统车间机器人那样需要定义或提供具体化的参数,如明确的笛卡尔坐标等。基于能力的描述,机器人自动的利用传感器设备,完成物体检测和位置估算等底层功能。引入机器人能力模型有如下优点:1)机器人可以自动的处理环境中的变量因素:只要被操作对象是有效的,机器人就能够自己计算出其他数据,比如:物体位置、物体姿态和抓取物体的姿态等。2)企业制造执行系统或操作人员可以更简单地与机器人相融合,可以更加直观地对工业机器人进行任务分配。3)面向机器人的符号级抽象的任务规划可以自动完成,不需要对机器人底层系统进行编程,完成任务所需要的能力序列可以自动生成。
装备了机器人能力模型控制的自主智能机器人可以成为企业信息系统的一个组成部分,能够在无需人工干预的情况下执行任务。机器人具备通用的能力,例如能够导航移动到特定位置,从存储容器中抓取零配件等,同时通过使用传感器,来应对车间环境中的不确定因素和可能遇到的错误。根据企业信息系统提供的关于所需零件及其位置的信息,机器人以正确的顺序自主执行所需操作。企业制造执行系统只能提供有关工件等场景的大致位置信息,因此机器人能够自行验证交互场景的正确性。智能机器人成为了企业信息系统的“眼睛和耳朵”,能够更新环境场景模型信息。
发明内容
针对上述现有技术中的缺陷和应用上的需求,本发明要解决的技术问题体现在以下几点:
1)本发明涉及的工业机器人能力模型描述方法,其扩展了底层机器人操作系统中的基础功能,使之具备执行抽象能力描述的功能。机器人能力模型以一种更为直观地描述机器人功能的方式,完成面向制造执行系统的机器人任务分配与执行。任务规划可以基于机器人的能力描述,自动生成完成任务的能力序列。
2)本发明涉及的基于机器人能力模型的分层控制系统架构,其为一种模块化和可扩展的机器人软件体系架构,能够与企业制造执行系统进行集成,将多个机器人与现有的生产过程和相应的支撑数据相结合。
3)本发明提供了机器人和生产环境的场景模型的形式化表达方式,以方便机器人的知识共享、可维护性和执行交互任务。机器人在任务执行期间,通过与真实世界交互,不断更新场景模型,制造执行系统中的规划都是依赖环境场景模型来组织场景中各对象的信息以及这些对象的特性和相互关系。
本发明是根据以下技术方案实现的:
一种基于机器人能力模型的控制系统,其特征在于,包括:
设备层,用于实现硬件抽象并为系统提供设备接口与底层控制;
服务层,包括一个通用计算过程的服务模块和依据多传感器反馈信息实现某一个动作的动作源语模块;
能力层,包括负责协调本地能力的执行和监控的能力管理器;
任务层,集成了基于机器人角色的任务管理器,完成任务级编程能力,进行任务的规划与调用,用户直接通过图形化的工具交互式地管理、配置与执行各能力或通过制造执行系统的任务规划自动规划服务让机器人到达目标。
上述技术方案中,所述服务层基于机器人操作系统底层支撑的智能工业机器人在实际车间工作环境中完成环境感知和自主决策,实现了传感设备数据的融合以及基于传感器信息的机器人推理能力。
上述技术方案中,所述机器人推理能力是根据输入参数和场景状态估计动作是否可以执行,并核实动作是否成功执行,执行完成后状态会依据场景模型而变化。
上述技术方案中,所述能力层定义机器人推理能力为抽象功能,当机器人推理能力执行时,机器人根据传感器和外围的场景模型智能匹配。
上述技术方案中,所述场景模型包含能力执行所需的系统知识,所述系统知识包括与机器人状态有关的内部数据以及与目标、工具箱、物体、托盘位置相关的外部信息,还有导航需要的地图信息。
上述技术方案中,机器人集成了分层次的管理系统,包括基于机器人角色的任务管理器以及能力管理器,所述任务管理器以及所述能力管理器封装和隐藏底层细节,支撑机器人能力序列集合的执行。
上述技术方案中,所述任务管理器跟踪机器人在任务中的进展,其进度报告提供给任务规划器用来信息更新,用于告知执行任务的状态和提供任务规划器需要重新规划的信息。
上述技术方案中,所述任务规划器接受来自企业信息系统或总任务规划下发的分派任务,以计划和分配任务到单个机器人,并提供将机器人系统与企业信息系统整合的机制,提供必要的转换逻辑,源于制造执行系统中数据的语义和结构被转换成由机器人理解的格式,机器人行为效果被识别并转换为制造执行系统可理解的形式展示出来。
由于采用了上述技术方案,与现有技术相比,本发明具有如下的有益效果:
1)本发明涉及的工业机器人能力模型描述,使机器人具备执行抽象能力描述的功能,不用了解机器人底层控制技术,就可以安排机器人任务执行。企业制造执行系统或操作人员可以更简单地与机器人相融合,可以更加直观地对工业机器人进行任务分配,并基于机器人的能力描述,自动生成完成任务的能力序列。
2)本发明涉及的基于机器人能力模型的控制系统集成方式,能够与企业制造执行系统进行集成,面向机器人的符号级抽象的任务规划可以自动完成,将多个机器人与现有的生产过程和相应的支撑数据相结合,同时尽可能地避免改变企业信息系统当前的运行方式。
3)本发明提供了机器人和生产环境的场景模型的形式化表达方式,以方便机器人的知识共享、可维护性和执行交互任务。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为机器人控制系统架构图;
图2为机器人与制造执行系统融合控制的全系统架构图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明涉及的机器人控制系统为一种模块化和可扩展的机器人体系架构,包含4个层次,如图1所示,其中,一种基于机器人能力模型的控制系统架构包括:
设备层,用于实现硬件抽象并为系统提供设备接口与底层控制;
服务层,包括一个通用计算过程的服务模块和依据多传感器反馈信息实现某一个动作的动作源语模块;在该层上的模块有一个共同特征,这些模块只会影响机器人本身固有状态,并不会影响场景模型状态。
能力层,包括负责协调本地能力的执行和监控的能力管理器;该层集成了机器人的能力模型描述。
任务层,集成了基于机器人角色的任务管理器,完成任务级编程能力,进行任务的规划与调用,用户直接通过图形化的工具交互式地管理、配置与执行各能力或通过制造执行系统。
其中,服务层基于机器人操作系统底层支撑的智能工业机器人在实际车间工作环境中完成环境感知和自主决策,实现了传感设备数据的融合以及基于传感器信息的机器人推理能力。传统的工业机器人可以被编程以执行几乎任何动作,可以不断重复某一动作,并提供相当高的精度。然而,由于缺乏传感器装置,这些机器人都无法应对存在不确定性的环境。目前面向智能制造的需求,利用装备了大量的传感器设备的机器人,使用机器人操作系统底层软件,用于应对实际环境中的不确定因素,如可以与人类互动,并且能够拾取未放置在指定精确位置的零件等,可以适用于抽象的逻辑任务。
机器人推理能力是根据输入参数和场景状态估计动作是否可以执行,并核实动作是否成功执行,执行完成后状态会依据场景模型而变化。
能力层定义机器人推理能力为抽象功能,当机器人推理能力执行时,机器人根据传感器和外围的场景模型智能匹配。能力能够根据输入参数和场景状态估计动作是否可以执行,比如一个物体够不到,抓取的能力就不会执行,此被称为前置条件检查。能力还可以核实动作是否成功执行,此被称为后置条件检查。机器人能力模型中的前置条件和预测是机器人能力的信息来源,评估处理包括了执行动作的整个时间。能力执行是基于输入的参数和场景状态,输入为场景状态的改变。其中,当前状态保存在场景模型中,能力执行完成后状态会依据场景模型而变化。前置条件概述这些能力在哪种场景模型条件下能够有望执行成功,预测描述了执行成功时的影响。前置条件和预测是使用能力进行自主任务规划的基本要素。前置条件检查和后置条件检查的功能是分别检查前置条件与预测,既融合了机器人场景模型数据的读取和处理过程(比如,基于机器人位置与目标位置计算机器人到目标的距离),也采用了前面提到的传感感知功能。
其中,在任务层,任务为一个由若干能力组成的实例序列,能够完成在作业场景环境中的一个具体的目标。任务管理器请求的能力是由下层的能力管理器通过获取机器人的能力数据库和相关场景模型而得以执行的。前置条件检测是为了确保执行请求的能力的必要条件是满足要求的,后置条件检测是为了验证请求的能力是否成功实现所要的结果。这些检查结果会发送给任务管理器,如果发生故障,任务管理器会触发任务规划的重新规划,如果成功,则请求下一个能力的执行。
其中,使用到的场景模型包含能力执行所需的系统知识。这些系统知识包括与机器人状态有关的内部数据以及与目标、工具箱、物体、托盘位置相关的外部信息,还有导航需要的地图信息等。机器人通过形式化的逻辑场景模型获取外部信息。场景模型不仅包含机器人完成自身任务所需的知识,还包含外部协同的机器人、工厂厂房环境等的全部信息。任务规划利用这些信息产生一个正确的能力序列以使机器人达到期望的目的,完成机器人扮演的角色任务。场景模型是了一个粗略的、接近现实世界的、并且不断更新的描述,以保证实际工作环境的一致性和多个机器人间的信息共享。场景模型详述了可用物理对象的位置、方向和规模,以及它们之间的关系,使用一种Web语言(OWL)定义,为一个非对称无权的图。定量的空间关系(如度量的位置和距离)和语义关系的定性标示(如A持有或者包含B)都得到呈现。模型结构中一个节点代表了一个物理对象,节点之间的连线代表了物理对象之间控制关系。顶层节点作为根节点代表了整个空间。任意二个节点之间控制关系也作标识。一个节点包含在另一个节点的某个实例中,称为子节点;一个节点拥有另一个节点的若干个实例,称为父节点。
本发明涉及的基于分层控制架构的机器人与企业制造执行系统进行集成的全系统,包含3个层次,如图2所示:
每个机器人集成了分层次的管理系统,包括基于机器人角色的任务管理器,以及能力管理器,它们封装和隐藏底层细节,支撑机器人能力序列集合的执行。每个机器人上的任务管理器跟踪机器人在任务中的进展。任务管理器的进度报告提供给任务规划器用来信息更新,用于告知执行任务的状态,也用于提供任务规划器需要重新规划的信息。
任务规划器,接受来自企业信息系统或总任务规划下发的分派任务,以计划和分配任务到单个机器人。任务规划器提供将机器人系统与企业信息系统整合的机制,提供必要的转换逻辑,源于制造执行系统中数据的语义和结构被转换成可由机器人理解的格式,机器人行为效果被识别并转换为制造执行系统可理解的形式展示出来。任务规划分配器为机器人提供有关工作环境的数据,包括物理对象的标识(机架、小型和大型箱、输送机、套件和零件),以及三维模型。任务规划负责为单个机器人进行任务分配。任务是根据机器人当前的角色、状态和可用的能力来创建的,并且被定义为一个特定机器人角色目标任务,用于完成围绕一个角色的任务。
上层为企业制造执行系统,可维持通常的运行方式,面向机器人的符号级抽象的任务规划可以自动完成,直接对工业机器人进行任务分配。
本发明的一种基于机器人能力模型的控制系统是在下述实现的,基于机器人操作系统底层支撑的智能工业机器人在实际车间工作环境中完成环境感知和自主决策,实现了传感设备数据的融合以及基于传感器信息的机器人推理能力;传统的工业机器人可以被编程以执行几乎任何动作,可以不断重复某一动作,并提供相当高的精度。然而,由于缺乏传感器装置,这些机器人都无法应对存在不确定性的环境。目前面向智能制造的需求,利用装备了大量的传感器设备的机器人,使用机器人操作系统底层软件,用于应对实际环境中的不确定因素,如可以与人类互动,并且能够拾取未放置在指定精确位置的零件等,可以适用于抽象的逻辑任务。
定义机器人推理能力为抽象功能,当机器人推理能力执行时,机器人根据传感器和外围的场景模型智能匹配;
其中,机器人推理能力是根据输入参数和场景状态估计动作是否可以执行,比如一个物体够不到,抓取的能力就不会执行,此被称为前置条件检查。并核实动作是否成功执行,此被称为后置条件检查,机器人能力模型中的前置条件和预测是机器人能力的信息来源,评估处理包括了执行动作的整个时间。能力执行是基于输入的参数和场景状态,输入为场景状态的改变。其中,当前状态保存在场景模型中,能力执行完成后状态会依据场景模型而变化。前置条件概述这些能力在哪种场景模型条件下能够有望执行成功,预测描述了执行成功时的影响。前置条件和预测是使用能力进行自主任务规划的基本要素。前置条件检查和后置条件检查的功能是分别检查前置条件与预测,既融合了机器人场景模型数据的读取和处理过程,比如基于机器人位置与目标位置计算机器人到目标的距离,也采用了前面提到的传感感知功能。
通过任务管理器完成在作业场景环境中的一个具体的目标,通过获取机器人的能力数据库和相关场景模型而得以执行。任务管理器请求的能力是由下层的能力管理器通过获取机器人的能力数据库和相关场景模型而得以执行的。前置条件检测是为了确保执行请求的能力的必要条件是满足要求的,后置条件检测是为了验证请求的能力是否成功实现所要的结果。这些检查结果会发送给任务管理器,如果发生故障,任务管理器会触发任务规划的重新规划,如果成功,则请求下一个能力的执行。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (6)
1.一种基于机器人能力模型的控制系统,其特征在于,包括:
设备层,用于实现硬件抽象并为系统提供设备接口与底层控制;
服务层,包括一个通用计算过程的服务模块和依据多传感器反馈信息实现某一个动作的动作源语模块;
能力层,包括负责协调本地能力的执行和监控的能力管理器;
任务层,集成了基于机器人角色的任务管理器,完成任务级编程能力,进行任务的规划与调用,用户直接通过图形化的工具交互式地管理、配置与执行各能力或通过制造执行系统的任务规划自动规划服务让机器人到达目标;
所述服务层基于机器人操作系统底层支撑的智能工业机器人在实际车间工作环境中完成环境感知和自主决策,实现了传感设备数据的融合以及基于传感器信息的机器人推理能力,适用于抽象的逻辑任务;
所述机器人推理能力是根据输入参数和场景状态估计动作是否执行,并核实动作是否成功执行,执行完成后状态会依据场景模型而变化;
所述能力层定义机器人推理能力为抽象功能,当机器人推理能力执行时,机器人根据传感器和外围的场景模型智能匹配;能力能够根据输入参数和场景状态估计动作是否执行,机器人能力模型中包括前置条件和后置条件;机器人能力模型中的前置条件和后置条件是机器人能力的信息来源,评估处理包括了执行动作的整个时间;能力执行是基于输入的参数和场景状态,输入为场景状态的改变;其中,当前状态保存在场景模型中,能力执行完成后状态会依据场景模型而变化;前置条件检查和后置条件检查的功能是分别检查前置条件与预测,既融合了机器人场景模型数据的读取和处理过程,也采用了前面提到的传感感知功能;
任务层,任务为一个由若干能力组成的实例序列,能够完成在作业场景环境中的一个具体的目标;任务管理器请求的能力是由下层的能力管理器通过获取机器人的能力数据库和相关场景模型而得以执行的;前置条件检测是为了确保执行请求的能力的必要条件是满足要求的,后置条件检测是为了验证请求的能力是否成功实现所要的结果;将检查结果会发送给任务管理器,如果发生故障,任务管理器会触发任务规划的重新规划,如果成功,则请求下一个能力的执行。
2.根据权利要求1所述的一种基于机器人能力模型的控制系统,其特征在于,所述能力层定义机器人推理能力为抽象功能,当机器人推理能力执行时,机器人根据传感器和外围的场景模型智能匹配。
3.根据权利要求1所述的一种基于机器人能力模型的控制系统,其特征在于,所述场景模型包含能力执行所需的系统知识,所述系统知识包括与机器人状态有关的内部数据以及与目标、工具箱、物体、托盘位置相关的外部信息,还有导航需要的地图信息。
4.根据权利要求1所述的一种基于机器人能力模型的控制系统,其特征在于,机器人集成了分层次的管理系统,包括基于机器人角色的任务管理器以及能力管理器,所述任务管理器以及所述能力管理器封装和隐藏底层细节,支撑机器人能力序列集合的执行。
5.根据权利要求4所述的一种基于机器人能力模型的控制系统,其特征在于,所述任务管理器跟踪机器人在任务中的进展,其进度报告提供给任务规划器用来信息更新,用于告知执行任务的状态和提供任务规划器需要重新规划的信息。
6.根据权利要求5所述的一种基于机器人能力模型的控制系统,其特征在于,所述任务规划器接受来自企业信息系统或总任务规划下发的分派任务,以计划和分配任务到单个机器人,并提供将机器人系统与企业信息系统整合的机制,提供必要的转换逻辑,源于制造执行系统中数据的语义和结构被转换成由机器人理解的格式,机器人行为效果被识别并转换为制造执行系统可理解的形式展示出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910277031.4A CN110134081B (zh) | 2019-04-08 | 2019-04-08 | 一种基于机器人能力模型的控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910277031.4A CN110134081B (zh) | 2019-04-08 | 2019-04-08 | 一种基于机器人能力模型的控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110134081A CN110134081A (zh) | 2019-08-16 |
CN110134081B true CN110134081B (zh) | 2020-09-04 |
Family
ID=67569353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910277031.4A Active CN110134081B (zh) | 2019-04-08 | 2019-04-08 | 一种基于机器人能力模型的控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110134081B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766151B (zh) * | 2019-10-29 | 2022-03-04 | 中国人民解放军国防科技大学 | 一种基于场景的开放式神经网络模型管理系统 |
CN111966055B (zh) * | 2020-07-16 | 2022-11-08 | 珠海小工蜂科技有限公司 | 一种工业软件机器人系统 |
CN114290333B (zh) * | 2021-12-29 | 2024-02-27 | 中国电信股份有限公司 | 一种泛在机器人系统、构建方法及装置、设备、介质 |
CN114580576B (zh) * | 2022-05-05 | 2022-09-06 | 中国科学院自动化研究所 | 一种基于知识处理的机器人任务规划方法和装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1255251C (zh) * | 2003-05-29 | 2006-05-10 | 上海交通大学 | 面向对象的机器人通用开放控制系统 |
US20130054023A1 (en) * | 2011-08-30 | 2013-02-28 | 5D Robotics, Inc. | Asynchronous Data Stream Framework |
CN104007974B (zh) * | 2014-05-30 | 2017-02-15 | 电子科技大学 | 一种机器人应用在线仿真和远程验证的系统与方法 |
CN109101286A (zh) * | 2014-07-08 | 2018-12-28 | 北京航空航天大学 | 一种基于多核处理器架构的机器人混合系统应用框架 |
CN105159323A (zh) * | 2015-08-24 | 2015-12-16 | 铜陵学院 | 六轮单核全自动低速灭火机器人伺服控制器 |
US20190042952A1 (en) * | 2017-08-03 | 2019-02-07 | Beijing University Of Technology | Multi-task Semi-Supervised Online Sequential Extreme Learning Method for Emotion Judgment of User |
CN108038861A (zh) * | 2017-11-30 | 2018-05-15 | 深圳市智能机器人研究院 | 一种多机器人协作分拣方法、系统及装置 |
CN108145714B (zh) * | 2018-01-08 | 2020-05-19 | 宁波Gqy视讯股份有限公司 | 一种服务型机器人的分布式控制系统 |
CN108446815A (zh) * | 2018-01-31 | 2018-08-24 | 西安电子科技大学昆山创新研究院 | 一种基于云制造资源的制造能力建模方法 |
-
2019
- 2019-04-08 CN CN201910277031.4A patent/CN110134081B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110134081A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110134081B (zh) | 一种基于机器人能力模型的控制系统 | |
CN111386179B (zh) | 硬件模块、机器人系统以及用于操作机器人系统的方法 | |
Bänziger et al. | Optimizing human–robot task allocation using a simulation tool based on standardized work descriptions | |
Makris | Cooperating robots for flexible manufacturing | |
CN111386178B (zh) | 机器人系统的硬件模块的基于计算机的储存器的操作方法 | |
US11282013B2 (en) | Mobile vehicles in manufacturing | |
Michalos et al. | Decision making logic for flexible assembly lines reconfiguration | |
Krueger et al. | A vertical and cyber–physical integration of cognitive robots in manufacturing | |
Zaeh et al. | A holistic approach for the cognitive control of production systems | |
Kootbally et al. | Enabling robot agility in manufacturing kitting applications | |
Zaeh et al. | Adaptive job control in the cognitive factory | |
Chryssolouris et al. | Artificial intelligence in manufacturing systems | |
US20240184540A1 (en) | System for process flow templating and duplication of tasks within material flow automation | |
Weyns et al. | Decentralized control of automatic guided vehicles: applying multi-agent systems in practice | |
Djezairi et al. | Mission allocation and execution for human and robot agents in industrial environment | |
CN117255978A (zh) | 用于机器人机队的管理的系统和方法 | |
Roßgoderer et al. | A concept for automatical layout generation | |
US20240094712A1 (en) | Robot staging area management | |
Makris et al. | Flexible Cooperating Robots for Reconfigurable Shop Floor | |
Makris et al. | On the Coordination of Multiple Cooperating Robots in Flexible Assembly Systems Using Mobile Robots | |
Bueno Viso | Automated AGS Kitting Station | |
US20240185178A1 (en) | Configuring a system that handles uncertainty with human and logic collaboration in a material flow automation solution | |
Rovida et al. | A cyber-physical systems approach for controlling autonomous mobile manipulators | |
Chourtsidis | Scoping the Industry 4.0 Reconfigurability | |
Voos et al. | Multiagent-based flexible automation of microproduction systems including mobile transport robots |
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 |