CN112969558A - 机器人的预测控制方法及相关控制系统 - Google Patents

Abstract

本公开涉及一种控制协作机器人或“cobot”的方法。根据公开的方法，控制“cobot”以使其仅在人类操作员将要移入工作分区以执行与机器人协作的任务时才准备好与人类操作员协作执行任务。本公开的控制方法可以通过包括检测装置、存储器以及控制微处理器单元的控制系统来实施，检测装置例如是一个或多个相机或配备有传感器的垫，其在工作空间中检测操作员的手或整个身体的位置，存储器用于存储人类操作员占用的工作分区、工作分区中的持久时间以及人类操作员在其中移动的工作分区的顺序的标识数据，以及控制微处理器单元根据本公开的方法处理存储在存储器中的数据，以预测操作员将在哪个工作分区中移动其手以及这将何时发生，并且基于预测信息来控制机器人。可以通过由微处理器单元执行的软件来实现本公开的方法。

Description

机器人的预测控制方法及相关控制系统

技术领域

本公开涉及机器人控制方法，并且更特别地，涉及用于控制旨在与人类操作员协作的机器人，预测人类操作员将要执行的活动以便准备遵守此活动的方法，以及系统、机器人的控制微处理器和相关的计算机程序。

背景技术

随着机器人技术的发展，可以预见的是，在将来，被设计为与人类操作员合作的机器人的存在将会增加，以帮助操作员执行他们的工作。特别地，机器人可以方便地用于以基本上机械的方式快速完成任务，而人类操作员可以与机器人独立地完成要执行的最困难的任务。

由于工业机器人的改进的运动控制程序，因此有可能实现可以自主执行与一个或多个人类操作员共享工作空间的任务的机器人。这样的解决方案允许机器人与人类操作员在同一环境中共存，但是在该环境中，每个或两个主体必须独立于另一个主体完成其任务，以实现自己的目标。

但是，当要执行的工作由需要人类智慧的操作以及机械操作组成，而这些操作可以在不知道要完成的所有工作和要达到的目的的情况下被单独地执行时，这种类型的细分并不总是可行的。一般而言，在存在需要高度理解的操作的所有那些工作中，除非使用复杂且昂贵的技术，否则人类操作员可以轻松完成操作，而机器人不容易完成操作，这将需要大量投资并增加生产成本，因此将整个工作分配给人类操作员似乎是必不可少的。

为了克服此限制，实现了协作机器人，有时也称为新词“cobot”或“co-robot”，其可以与共享相同工作空间并与他们紧密协同地交互的人类操作员协作，以达到期望的结果。例如，可以由“cobot”执行的任务可以是图1中示意性说明的任务。人类操作员可以在以数字1到4标识的四个工作分区的一个中动作，在从1到3的分区中工作，并在分区4中释放一件，当人类操作员在分区1到3中工作时，机器人必须执行另一项任务，并且一旦件被放置，机器人中断他的任务以从分区4中取出该件并将其移到其他地方。

可以使用的解决方案基本上是基于对分配给人类操作员而非机器人的不同任务的仔细规划，但事实证明它们并不是特别灵活或高效。尤其是，机器人与人类操作员之间紧密合作的局限性在于，人类操作并非总是严格按照相同的方式或相同的持续时间重复。例如，人类操作员的规划工作时间的小延迟会导致机器人工作效率的损失，机器人可能在分区4中等待取件较长时间而保持静止，而不是仅在人类操作员实际释放工件时才中断其活动。

发明内容

为了克服这些限制，已经设计了一种用于预测人类操作员活动的程序，可用于机器人的控制方法中，以使得仅当人类操作员即将进入工作分区以与机器人协作执行任务时，才使机器人准备好与人类操作员协作来执行任务。

本公开的预测控制方法可以通过包括检测设备、存储器以及对微处理器的控制单元的控制系统来实现，检测设备例如是一个或多个相机或配备有传感器的垫，其检测工作空间中操作员的手或整个身体的位置，在存储器中存储人类操作员从事的工作的分区的标识数据，在分区中的停留时间的标识数据以及人类操作员在其中移动的后续工作分区的标识数据，控制单元根据本公开的方法处理存储在存储器中的这些数据，以预测操作员将在哪个工作领域中移动他的手以及将何时发生，并基于预测信息控制机器人。

可以通过由微处理器单元执行的软件来实现本公开的方法。

提交的权利要求是本公开的组成部分，并且通过明确引用并入本文。

附图说明

图1示出了由与操作员协作的机器人支持的人类操作员的工作站的示例。

图2示出了根据本公开的实施例的固定机械臂的控制系统，固定机械臂与工作台上的在两个工作分区之间仅移动他的手的操作员协作。

图3示出了根据本公开的另一实施例的与操作员协作的移动机器人和固定机械臂的另一控制系统。

图4示出了示例性时间图，其中标识了人类操作员对工作分区的连续占用。

图5示出了可达树的示例，具有经过人类操作员的工作空间被划分为的其他工作分区通向感兴趣的工作分区的转移序列的代表性分支。

图6是流程图，其示出了用于在预定时间范围期满之前确定可达图的通向感兴趣分区的分支的过程。

图7示出了框图，其综合地示出了根据本公开的控制方法的步骤的执行。

图8描述了人类操作员的示例性周期性工作序列，其顺序地占用图1中示出的工作分区1、2、3、4。

具体实施方式

为了改善需要人类操作员与协作机器人(“cobot”)协同合作的工作的性能，已经设计了一种方法来预测人类操作员的活动，以便机器人可以在操作员即将完成他的任务(使用剩余时间进行其他活动)时准备进行它的任务，并在操作需要由操作员和机器人同时进行(例如运输笨重的或沉重的物体)时做好准备。实质上，本公开的方法允许：

-预测人类操作员在当前活动结束时最有可能进行的活动；

-预测需要与其的机器人协助或同步的给定人类操作员活动何时开始。

例如，本公开的方法在组装任务中可以被有用地实现，在组装任务中，人类操作员和机器人都具有要执行的单独的子任务，以及必须执行以完成组装的联合动作。要协作执行的任务要求人类操作员和机器人同时可用，而单独分配给机器人和人类操作员的其他子任务可以在任何其他时间执行。

根据本公开，人类操作员的工作空间被划分为可以由操作员的手或操作员的整个身体占用的工作分区。它检测工作过程中手或操作员身体的位置，手(或操作员的整个身体)在特定工作分区中停留多长时间，以及当操作员离开当前的工作分区后将在其中移动的下一个任务的分区是哪个。观察在工作的操作员，将记录存储在数据库中，记录至少指示当前的工作分区及在其中花费的时间。

此方法通过如图2和图3所示的控制系统来实现，控制系统包括检测装置，检测手的位置或操作员的整个身体的位置。例如，图2示出了根据本公开的实施例的固定机械臂1的控制系统，固定机械臂1与操作员5协作，与工作台相比，操作员5的身体基本上是静止的，仅在用虚线界定的两个分区6之间移动他的手。一个或多个相机2检测人类操作员5的手的位置，以确定手在操作员的左边和右边的哪个分区6中。处理关于操作员或他的手的位置的数据，以便构成用于识别当前工作分区以及在其中花费的时间的记录，并且这些记录存储在数据库8中。微处理器的控制单元7使用本公开的方法处理存储在数据库8中的记录，以预测操作员将在哪个工作分区中移动他的手以及何时移动，以便命令机械臂1以尽可能长时间地执行其子任务，并且当操作员需要合作时不参与。

图3示出了根据本公开的另一实施例的固定机械臂1和移动机器人4的另一控制系统，固定机械臂1和移动机器人4与在虚线界定的各个工作分区6之间移动的操作员5协作。在这种情况下，人类操作员5必须执行某些任务，包括从由移动机器人4装满的一个或多个容器3中拾取物体，然后移动到其他工作分区(可能与固定机械臂1协作)中的一个。与先前的示例不同，人类操作员5不是坐在工作台旁而是从一个分区移动到另一个分区。可以利用一个或多个相机2或利用用于检测操作员的位置的其他设备(例如带有内置传感器的垫，其可以检测操作员5的脚部施加的压力)来检测操作员5的身体的位置。

除了操作员从一个分区移动到另一个分区或者静止不动并且仅移动他的手这个事实之外，无论用于检测操作员5或他的手的身体位置的检测器，存在包含当前工作分区以及在这个工作分区花费的时间的记录。

根据本公开的方法，用A_k指示表示时刻t_k时的通用当前工作分区的变量，并用m指示人类操作员5可以在其中动作的工作空间被细分的不同工作分区的数量，在知道操作员通过工作分区A_k-1,...,A_k-n已到达工作分区A_k的情况下，我们计算从时刻t_k时占用的工作分区A_k转移到从时刻t_k+1开始将被占用的下一个工作分区A_k+1的概率。在公式中：

P(A_k+1＝a|A_k＝k₀,...,A_k-n＝k_n)

其中a、k₀，...，k_n是标识工作分区的可能的值。实际上，在知道人类操作员在先前时刻t_k，...，t_k-n占用了工作分区k₀，...，k_n的情况下，计算操作员在时间t_k+1处占用工作分区“a”(由1到m的任何整数标识)的条件概率。通常，由于要考虑的参数的数量随着被考虑以预测操作员将在时间t_k+1在哪个分区中移动的先前转移的序列的长度“n”呈指数增长，此转移概率的计算有很大的困难。

为了简化如上所述的转移概率的计算，在通过引用并入本文的AE Raftery的文章“A model for high-order Markov chains”,杂志Royal Statistical Society，Series B(Methodological)，528-539页，1985年中，提出了以下近似：

其中，确定参数λ_i的值(正实数)，以便

也就是说，转移到通用分区A_k+1的概率是从分区A_k-i转移到A_k+1的概率的线性组合，而与通过中间工作分区的顺序无关，从而大大减少了要存储的参数的数量。

用{A_k}表示参与状态的连续的工作分区，并用X_k表示步k的通用状态列向量，以便例如，如果A_k＝3，则X_k＝[0 0 1 0 ...]^T。通用状态列向量

表示在当前工作分区之后预计将被占用以执行任务的工作分区的占用概率分布。因此，可以用来计算通用工作分区的占用概率的公式如下：

其中Q是转移概率的矩阵

Q＝{{P(A_k+1＝a|A_k-i＝k_i)}}

根据WK Ching等人在文章“Higher-order Markov Chain models forcategorical data sequences”，Naval Research Logistics(NRL)，51卷，4期，557-574页，2004年(通过引入并入本文)中提出的更灵活的数学模型，在每个步i处更新转移概率矩阵Q：

在根据本公开的方法中，通过适当地选择参数λ_i，在先前的公式中估计在当前被占用的工作分区之后工作分区被占用的概率分布。引用的Ching等人的文章还提供了一种基于上述公式允许平稳分布这一事实来估计参数λ_i的过程，但是此过程已被证明不适用于“cobot”的控制方法的实现，因为它不如本公开中描述的控制方法那样精确。为了克服这一局限性并实施一种快速准确的方法来控制协作机器人，申请人验证，通过观察人类操作员执行工作，可以快速估算参数λ_i和转移概率矩阵Q_i，并在每步对其进行更新。借助于人类操作员和/或他的手的位置的检测器来执行这些方法步骤。例如，参照图1所示的情况，通过观察由人类操作员执行的工作，确定了如图4的时间表，时间表标识了操作员参与的连续的工作分区。在实践中，通过观察人类操作员执行的工作，计算乘积Q_i·X_k-i，其表示当操作员在时间k-i占用某个工作分区时，操作员当前在给定工作分区中的概率，然后计算参数λ_i，以便使差的平方和最小，每个由下式给出

对于每个数据库条目，条件是

一旦估计了操作员在通用工作分区中移动的概率分布

根据本公开的方法，基于此概率分布控制机器人，如果操作员将要占用专用于与机器人执行协作任务的工作分区的概率超过了预先确定的阈值，确保机器人准备与人类操作员协作。

根据本公开的方法，在通用步k处可以估计概率分布

随后，仅在已经看到状态A_k+1的真实值之后，才可以重新计算模型的参数λ_i，以便在下一步k+1处更准确地预测概率分布

由前两个公式总结的数学模型仅允许预测从一个工作分区转移到另一个工作分区的概率，并且没有考虑操作员在工作分区中花费的时间。必须估计这些停留时间，以便机器人可以中断其独立执行的子任务，并可以在操作员即将移动时及时准备与操作员协作。为此，估计在通用工作分区“a”中的停留时间，即在分区“a”中执行任务所需的时间，作为不能小于正值

的正随机变量T^a，并且此信息是从观察在工作中的人类操作员得出的。

目标是估计通用等待时间τ^a，假定在人类操作员进入必须执行需要机器人合作的活动的分区“a”之前应该经过等待时间。在知道人类操作员在工作分区A_k内并且在他通过分区A_k，...，A_k-n到达分区“a”的情况下，估计该等待时间τ^a的概率分布：

P(τ^a≤t|A_k,...,A_k-n)。

从理论上讲，有必要构建可达树，描述从一个工作分区到另一分区的所有连续的转移，并以占用工作分区“a”以执行相关活动为结束。由于此可达树可以是无限的，因此时间范围ΔT是有限的，即，上述指示的概率被计算到时刻

(其中

为当前时刻)。图5举例说明了从当前时刻

开始的时间范围和可达树的示例，假设人类操作员在工作分区2中，并且人类操作员进入工作分区4以进行需要机器人的协作的活动的等待时间待被预测。如图5的树所示，操作员可以从分区2或分区1到达分区4。在图左侧的分支中，当操作员到达分区2时，只考虑通向工作分区4的定向弧，因为在时间范围ΔT内，另一个通向工作分区1的定向弧不通向分区4。

通常，可以使用允许识别可达树的通向感兴趣分区“a”的所有分支的任何过程，在感兴趣分区“a”中，人类操作员必须执行需要机器人的合作的活动。根据本公开的实施例，这种过程可以由图6的流程图综合示出，其中数字标识下表中指示的操作：

一旦找到通向感兴趣分区的可达树的分支，通过将由被考虑的分支描述的从分区i到分区j的每个转移p(i，j)的概率相乘，计算与可达树的每个弧相关联的概率：

到达考虑的分支末端的估计等待时间由分支的各个分区(从分区i到分区j)的预期停留时间的和给出：

给定与每个分支相关联的时间分布，可以将需要机器人的协作的工作分区“a”中要执行的任务的等待时间的总体分布计算为与通向分区“a”的每个分支(在时间范围ΔT内)相关联的等待时间的加权和，即：

当以某一频率连续执行本公开的方法时，可以迭代地更新等待时间的估计和从一个工作分区到另一工作分区的转移的概率。

在图7中示出了说明上述方法的框图。通过相机或其他检测装置来识别工作分区A_k和每个工作分区中的相关停留时间，因为它们被人类操作员连续地逐渐占用。例如，可以将连续占用的工作分区存储在FIFO存储器中，并将每个工作分区中的停留时间存储在相关的数据库中。可替代地，可以存储标识操作员已经介入的工作分区和相关持久时间的记录。确定提出的数学模型的参数λ_i和转移概率Qi的矩阵，并在人类操作员到达工作区“a”之前估计等待时间的分布，在工作区“a”中待执行需要与机器人合作的活动的任务。

例如，假设机器人必须与人类操作员一起工作的感兴趣分区是工作分区编号4，那么人类操作员的活动可以通过图8的时间图来表示，图中描述了涉及图1中的工作分区1、2、3、4的周期性工作序列，具有相关持久时间并按以下顺序：

1-2-3-1-4

根据本公开的方法允许在人类操作员进入工作分区4以执行需要机器人的协作的活动之前即时估计等待时间τ⁴。

由于所提出的方法是通过由微处理器单元执行的软件实现的，因此可以控制机器人停止或以其他方式组织其自主活动，以准备及时与人类操作员协作，从而最小化机器人或人类操作员停下来以等待其他对象准备好进行协作活动的停工期。

Claims (7)

1.一种与人类操作员协作的至少一个协作机器人的控制方法，所述方法通过包括检测装置、存储器和微处理器控制单元的控制系统来实现，所述检测装置用于在操作员在工作空间中移动时检测操作员的身体或手的位置，所述微处理器控制单元用于处理存储在存储器中的数据并控制协作机器人的运动，所述方法包括以下步骤：

在所述工作空间的不同分区中检测操作员的身体或手的位置；

以有序的方式存储人类操作员在执行任务时依次占用的工作空间的占用分区的第一标识数据，以及在所述工作空间的占用分区中的各个持久时间的第二标识数据，以有序的方式存储的所述第一数据限定由人类操作员逐步占用的工作分区的顺序；

在所述序列的每个步处，计算在工作空间的通用第一分区“a”中的人类操作员来自从当前占用的通用第三分区“k₀”开始在所述顺序中向后退“i”个数量的步而先前占用的工作空间的第二分区“k_i”的相应第一转移概率分布P(A_k+1＝a|A_k-i＝k_i)；

在所述序列的每个步处，以在所述顺序的从1到n的先前步中，人类操作员分别占用工作分区k₁，...，k_n为条件，估计所述第一分区“a”中的所述人类操作员来自当前占用的第三分区“k₀”的相应的第二转移概率分布P(A_k+1＝a|A_k＝k₀,...,A_k-n＝k_n)为在所述序列的每个步中估计的转移概率分布P(A_k+1＝a|A_k-i＝k_i)的线性组合，并用相应实正参数λ_i加权，λ_i被确定为使得

根据所述第二转移概率分布P(A_k+1＝a|A_k＝k₀,...,A_k-n＝k_n)估计所述通用第一分区“a”来自当前占用的所述通用第三分区“k₀”的占用概率分布

确定所述参数的值λ_i，以使所述占用概率分布

与由所述人类操作员逐步占用的所述连续工作分区检测到的有效占用概率分布X_k+1之间的标准差最小化；

基于所述存储的持久时间，估计人类操作员从当前占用的第三分区“k₀”到所述第一分区“a”中的未来到达时间；

根据所述估计的概率分布和所述估计的到达时间来控制机器人，以便与人类操作员向所述第一分区“a”的转移同步地使机器人在所述第一分区“a”中移动。

2.根据权利要求1所述的方法，其中，通过以下操作来估计所述未来到达时间：

识别从当前占用的第三分区“k₀”到所述第一分区“a”的工作分区之间的连续的转移；

对于所述连续的转移的每个连续的转移，计算其发生的相应概率，并将到达所述第一分区“a”的相应等待时间计算为考虑的连续的转移的工作分区中的所述持久时间的总和；

根据其发生的相应概率和所述持久时间的总和估计每个转移序列的所述未来到达时间。

3.根据权利要求2所述的方法，包括以下操作：

丢弃其从当前时刻开始的相应等待时间超过最大值ΔT的转移序列；

丢弃其相应发生概率小于最小值ε的转移序列。

4.一种可加载到微处理器单元的存储器中的计算机程序，包括软件代码，用于当程序由微处理器单元运行时使微处理器单元执行如权利要求1至3中任一项所述的方法的操作。

5.一种与人类操作员协作的至少一个协作机器人的控制系统，包括：

检测装置，用于在人类操作员在工作空间中移动时检测人类操作员或他的手的身体位置，

存储器，

微处理器控制单元，用于处理存储在存储器中的数据并控制协作机器人的运动，

其特征在于，权利要求4的计算机程序被加载在所述微处理器控制单元中，用于通过执行权利要求1至3中一项所述的方法来控制协作机器人的运动。

6.根据权利要求5所述的系统，其中，所述检测装置包括用于检测所述工作空间中的人类操作员的手的一个或多个相机。

7.根据权利要求5或6所述的系统，其中，所述检测装置包括布置在所述工作空间中配备有传感器的垫，人类操作员在所述垫上行走。

Images