CN117425911A - 基于人工智能的机器人线缆模拟 - Google Patents
基于人工智能的机器人线缆模拟 Download PDFInfo
- Publication number
- CN117425911A CN117425911A CN202180099140.7A CN202180099140A CN117425911A CN 117425911 A CN117425911 A CN 117425911A CN 202180099140 A CN202180099140 A CN 202180099140A CN 117425911 A CN117425911 A CN 117425911A
- Authority
- CN
- China
- Prior art keywords
- cable
- kinematic system
- real
- joint value
- value
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 59
- 238000013473 artificial intelligence Methods 0.000 title description 27
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000003860 storage Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003466 welding Methods 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012800 visualization Methods 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
用于对包括一个或若干关节的真实运动学系统(例如机器人)的线缆的运动进行模拟的系统和方法,该方法包括以下步骤:接收真实运动学系统的虚拟表示;接收要由真实运动学系统执行的目标任务;执行目标任务,并且其中,模拟被配置用于根据先前的关节值计算随后的关节值;根据本发明的方法的特征在于:在引起根据先前的关节值计算随后的关节值的每个模拟时间间隔处,使用随后的关节值作为线缆位置AI算法的输入,线缆位置AI算法被训练用于输出关于所述随后的关节值的线缆位置,存储所输出的关于所述随后的关节值的线缆位置。
Description
技术领域
本公开内容总体上涉及计算机辅助设计、可视化和制造(“CAD”)系统、产品生命周期管理(“PLM”)系统、产品数据管理(“PDM”)系统以及管理产品和其他项的数据的类似系统(统称为“产品数据管理”系统或PDM系统)。更具体地,本公开内容涉及生产环境模拟。本公开内容还涉及基于所述运动学系统的模拟结果的机器人(或更一般地说,运动学系统)的控制和/或命令。
背景技术
复杂的运动学系统例如机器人广泛用于工业应用,以沿预定义或实时计算的轨迹执行自动或半自动机器人操作。制造环境中与机器人操作相关的停机时间的主要原因之一是机器人线缆故障。通常,机器人线缆随机器人手臂移动并围绕机器人手臂移动。取决于机器人的任务和/或位姿,线缆可能会过度拉伸或甚至撕裂。因此,必须以适当的方式控制机器人,以避免对线缆的损坏。
虚拟机器人应用工具(如西门子PLM过程模拟)能够模拟线缆移动作为机器人模拟的一部分。不幸的是,这样的线缆模拟对于在实时机器人过程模拟(如焊接过程、折叠过程等)期间使用来说太慢且耗时,并且因此,在不考虑可能是线缆故障的原因的线缆约束的情况下,尤其是当所述过程由机器人重复执行时,模拟机器人过程。
因此,期望用于模拟运动学系统线缆运动的改进技术。
发明内容
本发明提出使用人工智能(AI)来确定运动学系统的线缆的运动,并且优选地自动地选择将降低由运动学系统的所述运动导致的线缆故障的风险的运动学系统的运动。各种公开的实施方式包括用于模拟真实运动学系统例如机器人的线缆的运动的方法、系统和计算机可读介质。运动学系统通常包括若干部分或构件,其中,至少一个部分通过关节连接至另一部分,使得所述至少一个部分能够相对于所述另一部分进行相对运动。因此,运动学系统可以包括若干所述关节,每个关节被配置用于连接真实运动学系统的至少两个构件或部分,使得真实运动学系统能够实现复杂的轨迹或运动。所述线缆尤其包括:固定地附接至所述构件中的一个或由所述构件中的一个支承的至少一个部分、以及固定地附接至所述构件中的另一个或由所述构件中的另一个支承的至少另一部分。
一种方法包括接收真实运动学系统的虚拟表示。该方法还包括接收要由真实运动学系统执行的目标任务,尤其是相对于其周围环境执行的目标任务。该方法还包括确定或接收真实运动学系统的起始位姿。该方法包括然后使用真实运动学系统的虚拟表示从所述起始位姿模拟使真实运动学系统能够执行目标任务的真实运动学系统的运动,其中,真实运动学系统是在不具有所述线缆(即,没有所述线缆)的情况下进行模拟的。该模拟被配置用于尤其是对于真实运动学系统的每个关节根据先前的关节值计算随后的关节值。根据本发明的方法的特征在于:在引起根据先前的关节值计算随后的关节值的每个模拟时间间隔结束时,其使用计算的随后的关节值作为线缆位置AI算法的输入,线缆位置AI算法被训练用于输出关于所述计算的随后的关节值的线缆位置。该方法包括最终存储所输出的关于所述随后的关节值的线缆位置,以及显示由所述随后的关节值及其相关联的输出的线缆位置表征的真实运动学系统的虚拟表示。
还公开了一种数据处理系统,其包括处理器和可访问存储器或数据库,其中,该数据处理系统被配置成实现先前描述的方法。
本发明还提出了一种非暂态计算机可读介质,该非暂态计算机可读介质编码有可执行指令,可执行指令在被执行时,使得一个或更多个数据处理系统执行先前描述的方法。
描述了根据本发明的用于创建用于训练线缆位置AI算法的训练数据集的计算机实现的方法的示例。该计算机实现的方法包括:
a)接收真实运动学系统的虚拟表示;
b)接收真实运动学系统的起始位姿和一组结束位姿,所述结束位姿定义例如真实运动学系统必须要到达的不同位置;
c)对于每个结束位姿,模拟真实运动学系统从起始位姿到结束位姿的运动,其中,所述模拟被配置用于模拟真实运动学系统的运动及其线缆的运动,其中,在引起根据先前的关节值计算随后的关节值以及产生针对所述随后的关节值的相应的模拟线缆位置的每个模拟时间间隔结束时,收集包括随后的关节值的关节值数据子集以填充输入训练数据集,并且将包括相应的模拟线缆位置的线缆信息数据子集与所述关节值数据子集相关联并收集该线缆信息数据子集以用于填充输出训练数据集;
d)存储输入训练数据集和输出训练数据集。
本发明还提出了一种计算机实现的方法的示例,该计算机实现的方法用于提供经训练的线缆位置AI算法,该线缆位置AI算法被配置用于模拟真实运动学系统的线缆的运动。该计算机实现的方法包括:
a)通过第一接口接收训练数据集,其中,所述训练数据集包括输入训练数据集和输出训练数据集,其中,输入训练数据集包括:
-多个关节值数据子集,其中,每个关节值数据子集包括随后的关节值,
以及输出训练数据集包括:
-对于每个关节值数据子集,包括相应的模拟线缆位置的线缆信息数据子集;
b)训练线缆位置AI算法,其中,将关节值数据子集用作线缆位置AI算法的输入训练数据,并将线缆信息数据子集用作输出训练数据;
c)通过第二接口提供经训练的线缆位置AI算法。
上文已经相当广泛地概述了本公开内容的特征和技术优点,使得本领域技术人员可以更好地理解下面的详细描述。下文中将描述本公开内容的形成权利要求的主题的另外的特征和优点。本领域技术人员将理解,他们可以容易地使用所公开的构思和具体实施方式作为修改或设计用于实现本公开内容的相同目的的其他结构的基础。本领域技术人员还将认识到,这样的等同构造并不脱离本公开内容最广泛形式的精神和范围。
在进行下面的具体实施方式之前,阐述贯穿本专利文献使用的某些词或短语的定义可能是有利的:术语“包括”和“包含”及其派生词意味着包括但不限于;术语“或”是包含性的,意味着和/或;短语“与......相关联”和“与其相关联”及其派生词可以意味着包括、被包括在......内、与......互连、包含、被包含在......内、连接至或与......连接、耦接至或与......耦接、与......可通信、与......合作、交错、并置、接近、绑定至或与......绑定、具有、具有......的特性等;术语“控制器”意味着控制至少一个操作的任何设备、系统或其部分,无论这种设备是以硬件、固件、软件还是硬件、固件、软件中的至少两种的一些组合实现的。应当注意,与任何特定控制器相关联的功能可以是集中的或分布的,无论是本地的还是远程的。贯穿本专利文件提供了某些词语和短语的定义,并且本领域普通技术人员将理解的是,这样的定义在许多(如果不是大多数)情况下适用于这样定义的词语和短语的先前以及将来的使用。虽然一些术语可以包括各种实施方式,但是所附权利要求可以明确地将这些术语限制到具体实施方式。
附图说明
为了更完整地理解本公开内容及其优点,现在参照以下结合附图进行的描述,其中,相同的附图标记表示相同的对象,并且在附图中:
图1示出了其中可以实现实施方式的数据处理系统的框图。
图2示出了根据本发明的用于模拟真实运动学系统的线缆的运动的流程图。
图3示出了根据本发明的运动学系统的虚拟表示。
图4呈现了根据本发明的显示线缆故障概率值的优选实现方式。
具体实施方式
下面讨论的图1至图4以及本专利文件中用于描述本公开内容的原理的各种实施方式仅作为说明,并且不应以任何方式解释为限制本公开内容的范围。本领域技术人员将理解,本公开内容的原理可以在任何适当布置的设备中实现。将参考示例性非限制性实施方式来描述本申请的许多创新教导。
用于模拟运动学系统的线缆的运动的先前技术有一些缺点。实际上,线缆通常形成运动学系统的复杂子系统,并且需要复杂的算法来确定线缆在运动学系统的运动期间的行为。本文所公开的实施方式提供了许多技术益处,包括但不限于以下示例。特别地,本发明提出使用AI来根据运动学系统的模拟位姿来确定线缆位置。使用AI使系统能够实时工作。实际上,线缆的机械特性和材料特性不被用作根据本发明的模拟中的输入,而仅是关节值(其使得能够进行线缆位置的快速处理)被用作根据本发明的模拟中的输入。根据本发明,仅使用运动学系统关节的模拟值就能够确定线缆的相应位置。因此,可以在没有运动学系统的线缆的情况下模拟运动学系统,并且对于关节值的每个变化,可以通过线缆位置AI算法来确定新的线缆位置。归功于根据本发明的新概念,线缆位置AI算法可以被训练成根据输入中接收的关节值输出作用在线缆或线缆的部分上的力的级别(rate),因此能够快速实时地识别由于运动学系统的一些特定运动而引起的潜在线缆故障。因此,可以抛开这样的特定运动,使得仅使用具有产生线缆故障的最低可能性的运动来控制运动学系统。有利地,所提出的方法可以用于解决任何复杂运动学系统的子系统定位确定的任何类似问题。
图1示出了数据处理系统100的框图,其中,可以将实施方式实现为例如由软件或以其他方式特别配置以执行如本文所描述的过程的PDM系统,并且特别是被实现为如本文所述的多个互连和通信系统中的每一个。所示的数据处理系统100可以包括连接至二级缓存/桥接器104的处理器102,二级缓存/桥接器104又连接至本地系统总线106。本地系统总线106可以是例如外围部件互连(PCI)架构总线。在所示示例中,主存储器108和图形适配器110也连接至本地系统总线。图形适配器110可以连接至显示器111。
诸如局域网(LAN)/广域网/无线(例如WiFi)适配器112的其他外围设备也可以连接至本地系统总线106。扩展总线接口114将本地系统总线106连接至输入/输出(I/O)总线116。I/O总线116连接至键盘/鼠标适配器118、磁盘控制器120和I/O适配器122。磁盘控制器120可以连接至存储装置126,存储装置126可以是任何合适的机器可使用或机器可读存储介质,包括但不限于非易失性硬编码类型介质,例如只读存储器(ROM)或电可擦除可编程只读存储器(EEPROM)、磁带存储装置;以及用户可记录类型介质,例如软盘、硬盘驱动器和致密盘只读存储器(CD-ROM)或数字多功能盘(DVD)以及其他已知的光、电或磁存储设备。
在所示的示例中,音频适配器124也连接至I/O总线116,扬声器(未示出)可以连接至音频适配器124以播放声音。键盘/鼠标适配器118提供用于诸如鼠标、轨迹球、轨迹指针、触摸屏等的指向设备(未示出)的连接。
本领域普通技术人员将理解,图1所示的硬件可以针对特定实现方式而变化。例如,除了所示的硬件之外或代替所示的硬件,还可以使用诸如光盘驱动器等的其他外围设备。所示示例仅出于说明的目的而提供,并不意味着暗含对本公开内容的架构限制。
根据本公开内容的实施方式的数据处理系统可以包括采用图形用户界面的操作系统。操作系统允许在图形用户界面中同时呈现多个显示窗口,其中每个显示窗口提供到不同应用或到同一应用的不同实例的界面。图形用户界面中的光标可以由用户通过指向设备来操纵。可以改变光标的位置和/或生成诸如点击鼠标按钮的事件来启动期望的响应。
如果适当修改,则可以采用各种商业操作系统中的一种,例如位于华盛顿州雷德蒙德市的微软公司的产品微软视窗(Microsoft WindowsTM)的版本。如所描述的,根据本公开内容来修改或创建操作系统。
LAN/WAN/无线适配器112可以连接至网络130(不是数据处理系统100的一部分),网络130可以是任何公共或私有数据处理系统网络或如本领域技术人员已知的包括因特网的网络的组合。数据处理系统100可以通过网络130与服务器系统140通信,服务器系统140也不是数据处理系统100的一部分,但是可以被实现为例如单独的数据处理系统100。
如本文所使用的,术语运动学系统是指以周围环境中的运动为特征的任何真实的机电系统。其可以是机器人如工业机器人,或任何其他类型的运动机器。这样的运动学系统通常用于执行一些目标任务,如制造过程(例如自动焊接、旋拧等)。因此,必须准确地确定和控制根据时间的运动学系统姿势或位姿,使得能够适当地完成目标任务。通常,这样的运动学系统接收目标位置的列表、定义如何到达所述目标位置中的每个目标位置的运动指令(速度、加速度等)以及过程指令(即在所述目标位置处做什么,如焊接、激光、切割等)。本发明主要关注于包括可能受到运动学系统的运动或运动学系统的一部分的运动的影响的至少一个线缆的运动学系统的问题。本发明确实能够快速确定在给定时间处运动学系统的哪个线缆位置可能潜在地导致线缆故障。
图2示出了用于模拟真实运动学系统的线缆的运动的方法的流程图200。可以例如通过先前已经描述的图1中的数据处理系统100来执行这种方法。当然,根据本发明的方法的以下描述中的“系统”可以是适合于执行所描述的过程的任何装置。
现在将结合图2更详细地描述根据本发明的方法。
在步骤201处,根据本发明的系统100接收运动学系统的虚拟表示。图3中示出了虚拟表示300的示例。其优选地是运动学系统的3维(3D)虚拟表示。运动学系统的3维虚拟表示可以包括虚拟表示上的如附图标记301、302、303、304示意性地表示的若干部分或构件,其中,所述构件可以相对于彼此移动并且形成运动学系统的主体。为了实现所述移动,关节305连接运动学系统的不同构件。归功于所述关节,运动学系统是铰接的。如本领域已知的,所述关节可以是不同类型的,例如使得一个运动学系统构件能够相对于另一运动学系统构件旋转的旋转关节、以及使得一个运动学系统构件能够相对于另一运动学系统构件平移的平移关节。运动学系统的位姿或姿势可以由关节值来定义,其中,关节的值或与关节相关联的值定义由所述关节连接的运动学系统构件的相对位置。关节值可以是平移关节的距离值、和/或旋转关节的角度值、和/或旋转关节的圈数。因此,如果运动学系统包括例如N个关节,则知道所述N个关节的关节值准确地定义运动学系统的位姿或姿势,因为关节值定义了每个构件的相对位置。因此,运动学系统的虚拟表示对真实运动学系统的所述构件和关节进行建模。
根据本发明的运动学系统包括至少一个线缆306。所述线缆通常用于给运动学系统马达和/或致动器带来能量(例如液压能或电能等)和/或用于实现运动学系统主控制器与在构件的定位和/或动作或过程(如焊接、涂漆、组装等)的控制中涉及的子系统之间的通信。线缆从第一端部延伸到第二端部,通常将主控制器连接至所述子系统中的一个或若干子系统,并且可能具有:固定地附接至运动学系统的一个或若干构件以及/或者由运动学系统的一个或若干构件支承的一些部分;以及自由悬挂在所述固定地附接和/或支承的部分之间的一些部分。在运动学系统构件的运动期间,线缆可能受到诸如扭转力和拉伸力的负载力,该负载力例如作用在悬挂部分上和/或固定地附接/支承的部分上。可以使用本领域中已知的技术基于线缆的机械特性和/或材料特性来模拟运动学系统的运动期间线缆的运动。在这种情况下,线缆可以被建模为从与线缆的第一端部对应的第一链接L1延伸到与线缆的第二端部对应的最后一个链接Ln的一系列链接Li(或线缆子部分)。因此,线缆被建模为链接的集合,链接从对线缆的第一端部建模的第一链接L1到对线缆的第二端部建模的最后一个链接Ln彼此连续地连接。取决于线缆到运动学系统的固定,所有链接将不具有相同的自由度。这种模拟在本领域中是已知的,并且由于在文献中容易获得,此处不提供其他细节。根据本领域已知的运动学系统的模拟,在每个模拟时间间隔结束时(即在每个模拟步骤处),计算每个链接的位置,从而提供线缆的总体位置。因此,知道在每个模拟时间间隔结束时(例如在时间Ti处)每个链接在与用于表示运动学系统的虚拟表示的参考系相同的参考系中的位置使得能够确定在所述时间Ti处用于运动学系统的位姿的线缆的位置,其中,时间Ti处的所述位姿由根据先前的关节值的集合计算出的随后的关节值的集合来定义。不幸的是,本领域已知的用于计算线缆的所述位置的技术非常慢并且不能实时使用。如下文所示,本发明提出跳过基于材料特性和/或机械特性的线缆模拟,并用基于AI的技术“取代”其,以获得对运动学系统的更有效的模拟,其能够实时确定运动学系统的运动是否可能导致线缆故障。
在步骤202处,系统100接收要由真实运动学系统执行的目标任务,尤其是相对于其周围环境执行的目标任务。所述目标任务例如是运动学系统(例如,由运动学系统中的至少一个构件的端部)要达到的目标位置。目标任务可以被配置用于定义要由运动学系统在所述位置处执行的动作或过程(并且该动作或过程取决于周围环境),或者运动学系统的至少一个部分或工具相对于周围环境要到达的位置。具体地,一旦根据本发明的系统知道要执行的目标任务,则其被配置成自动确定使得运动学系统能够执行所述目标任务的一组结束位姿。
在步骤203处,系统100接收或确定真实运动学系统的起始位姿。所述起始位姿可以是运动学系统的标称位姿。所述起始位姿也可能是由运动学系统完成的先前任务所产生的先前结束位姿。起始位姿可以被定义在运动学系统的存储器中,并且起始位姿可以是存储在根据本发明的系统100的存储器中的固定参数(例如,标称关节值的集合),定义了该真实运动学系统的虚拟表示的预定义位姿。
在步骤204处,系统100使用真实运动学系统的虚拟表示以从所述起始位姿模拟真实运动学系统的运动,从而使真实运动学系统能够执行目标任务。对于该模拟,所述系统使用本领域已知的技术,但其与所述本领域已知的技术的区别在于,在所述模拟期间不对线缆进行模拟。换言之,真实运动学系统在不具有所述线缆(即没有所述线缆)的情况下进行模拟。实际上,在步骤204处,根据本发明的系统100模拟真实运动学系统的构件的运动,而不是其线缆的运动。运动学系统(即其构件)的所述运动以构件的与起始位姿对应的位置(即关节值)开始。在每个模拟步骤处(即在每个模拟时间间隔结束时),根据已知的先前的关节值的集合(其对应于起始位姿或先前计算的关节值)计算随后的关节值的集合。重复该过程,直到运动学系统达到使得运动学系统能够执行所述目标任务的结束位姿。因此,计算关节值的连续的集合,关节值的随后的集合的计算是从关节值的先前的集合获得的,使得运动学系统能够采取一系列位姿(每个位姿对应于一组关节值),一系列位姿从起始位姿开始并以结束位姿结束,使运动学系统能够执行目标任务。对运动学系统的构件的运动的模拟使得能够确定将使运动学系统能够执行目标任务的关节值的连续的集合。因此,如果将运动学系统定义为包括(i)能够相对于彼此相对运动的至少两个构件;以及(ii)一个或多个线缆,每个线缆包括固定地附接至所述构件中的一个构件和/或由所述构件中的一个构件支承的至少一个部分,然后,在步骤204处,系统被配置用于仅模拟(i)构件的运动,由此忽略(ii)一个或多个线缆的运动。
在步骤205处,与现有的模拟技术相比,系统100被配置用于在引起根据先前的关节值计算随后的关节值(尤其是引起根据先前的关节值的集合计算随后的关节值的集合)的每个模拟时间间隔结束时,使用随后的关节值(尤其是随后的关节值的集合)作为线缆位置AI算法的输入,线缆位置AI算法被训练用于输出关于所述随后的关节值(尤其是所述随后的关节值的集合)的线缆位置。用作输入的关节值可以是例如平移距离和/或旋转角度和/或圈数值。例如,输入关节值可能是:对于第一关节(平移关节)为50cm、针对第二关节(旋转关节)定义为2.5圈、对于第三关节(平移关节)为-28cm。当然,如本领域已知的,每个关节值是根据平移关节的延伸方向和旋转关节的旋转方向来定义的。可选地,先前计算的线缆位置可以与随后的关节值的集合一起用作线缆位置AI算法的输入,以计算与由所述随后的关节值表征的随后的位姿对应的“随后的”线缆位置。在这种情况下,起始位姿的线缆的位置是已知的,并且在第一模拟时间间隔期间用于计算与随后的位姿(即时间上直接跟随起始位姿的位姿)对应的线缆的随后的位置。附加地或替选地,用于计算随后的关节值或相应的随后的关节值的集合的先前的关节值或相应的先前的关节值的集合也可以用作线缆位置AI算法的输入。在这种情况下,线缆位置AI算法将被训练为使用以下项作为输入以输出随后的线缆位置(所有链接的随后的位置):(a)先前的关节值和(b)根据所述先前的关节值计算的随后的关节值、(c)可选地先前线缆位置(例如,所有链接的先前位置)。
因此,与能够基于线缆机械特性和材料特性来模拟线缆的现有解决方案相比,本发明提出在每个模拟步骤结束时,包括运动学系统的所有关节的值的随后的关节值的集合以及可选地包括运动学系统的所有关节的值的先前的关节值的集合和/或线缆的所有链接的先前链接位置值的集合被用作线缆位置AI算法的输入。线缆位置AI算法优选地是回归监督学习算法。根据本发明,已经使用机器学习来训练线缆位置AI算法,以根据接收到的输入来输出线缆位置以及可选地输出作用在线缆上的力的值或级别的估计(如作用在线缆或线缆的一部分上的扭转和力的级别)。这种力值的估计旨在尤其是在每个模拟时间间隔处确定或评估线缆的一个或多个部分是否处于负载条件下,该负载条件可能影响线缆的机械特性,或者换句话说,可能在运动学系统的运动期间使线缆劣化。因此,为了评估运动学系统的运动期间线缆的故障的风险,可以由根据本发明的系统评估作用在线缆上的压缩、拉紧、弯曲、剪切和扭转。相对于随后的关节值或随后的关节值的集合计算的输出的线缆位置包括例如链接的所述集合中的所述链接或线缆子部分中的每一个的位置。优选地,对于线缆的每个链接,力值包括例如作用在所考虑的链接上并且作为线缆位置AI算法的输出而获得的扭转力和/或拉伸力和/或弯曲力的估计值。因此,根据本发明的系统能够在每个模拟时间间隔结束时获得以下结果:随后的关节值的所述集合和线缆的每个链接的相应位置、以及可选地作用在每个链接上的力(例如,扭转力和/或拉伸力和/或弯曲力)。然后,这些结果可以用于在每个模拟时间间隔结束时显示运动学系统的所述虚拟表示,尤其用于提供从起始位姿到结束位姿的平滑运动,所述运动包括线缆的运动。
在步骤206处,系统100将输出的所述随后的关节值的线缆位置存储在存储器或数据库中。优选地,系统100被配置用于存储已计算的关节值的所有集合,并且对于所述集合中的每个集合,存储线缆的每个链接的相应位置和可选地力(例如扭转和/或拉伸力)。换句话说,系统可以存储在模拟的每个时间间隔结束时获得的结果。
在步骤207处,系统100被配置用于显示由所述随后的关节值及其相关联的输出的线缆位置表征的真实运动学系统的虚拟表示,并且可选地,还用于显示作用在所述线缆上尤其是作用在所述线缆的每个链接上的力(例如扭转力和/或拉伸力)。归功于AI的使用,可以实时计算位置以及可选地扭转力和/或拉伸力,因此可以在模拟期间实时显示运动学系统及其线缆的运动。
图4示出了例如作用在运动学系统401的线缆306上的扭转力和/或拉伸力的颜色编码表示。对于同一运动学系统401示出了四个不同位姿,分别是位姿A(左上图像)、位姿B(右上图像)、位姿C(左下图像)和位姿D(右下图像)。所述位姿中的每一个使得运动学系统401的构件403的端部402能够到达目标位置。优选地,根据计算出的作用在所考虑的链接上的扭转力和/或拉伸力,将颜色与线缆的每个链接相关联。替选地,然后对最高拉伸和/或扭转力值进行编码的颜色被用于显示包括在一系列链接中的所有连续相邻链接,其中,所述一系列链接本身包括在两个链接(在一系列链接的每个端处一个)之间或受两个链接限制,两个链接各自固定地附接至运动学系统的构件,如图4的位姿A中的链接L_A1和L_A2。例如,线缆306的部分306M对于四个位姿A、B、C、D具有相同的颜色例如绿色,但部分306N对不同位姿中的每个位姿呈现不同的颜色,即,对于位姿A为绿色,对于位姿C为黄色,对于位姿B为橙色,对于位姿D为红色,其中,这些颜色能够对执行目标任务时线缆故障的概率进行编码,例如,绿色对应于无故障,黄色对应于低故障风险,橙色对应于中等故障风险,红色对应于高故障风险。因此,可以使用例如所述故障风险的颜色编码值来有效地显示和突出显示可能是有问题的运动学系统位姿。
优选地,根据本发明的系统100被配置用于根据模拟的关节值以及由此输出的线缆位置来自动控制真实的运动学系统。例如,一旦系统100存储了使得运动学系统能够执行目标任务的关节值的连续的集合,则系统100可以使用所述关节值的连续的集合来控制运动学系统的马达和/或致动器。优选地,系统100可以被配置用于自动地选择使得运动学系统能够执行目标任务并且线缆故障的风险最低的一系列关节值的集合。例如,系统可以确定不同系列的时间上连续的关节值的集合,每个系列被配置用于使运动学系统能够从起始位姿执行目标任务,然后系统可以被配置用于自动地选择(尤其是根据作用在线缆的每个链接上的力如扭转力和/或拉伸力自动地选择)一系列时间上连续的关节值的集合,一系列时间上连续的关节值的集合的特征在于最低的线缆故障的概率。优选地,如果时间上连续的关节值集合的多个系列具有相同的最低线缆故障的概率,则系统可以被配置用于自动地选择以最低能量消耗为特征的系列(例如,与最短总平移距离和/或最小总旋转角度对应,最短总平移距离通过将所有平移距离的绝对值相加而得到,最小总旋转角度通过将所有旋转角度的绝对值相加而得到)。
例如,根据本发明的系统100可以被配置用于确定使得真实运动学系统能够执行目标任务(例如,到达目标位置)的一组结束位姿。然后,对于所述结束位姿中的每一个,系统执行对运动学系统(即运动学系统的构件)的运动的模拟(没有线缆的模拟),其中,所述运动从起始位姿开始并以结束位姿结束,其中,在每个模拟时间间隔结束时,线缆位置AI算法还被配置用于输出线缆故障概率值,该线缆故障概率值通常根据作用在线缆上或作用在线缆的每个链接上的力(例如根据所述扭转力和/或拉伸力)来计算。因此,对于所述结束位姿中的每一个,获得一系列时间上连续的关节值的集合并且使得运动学系统能够从起始位姿到达所述结束位姿。然后,该系统还被配置用于自动地选择与最低线缆故障概率值相对应的结束位姿,并用于根据模拟的关节值(即,根据实现所述运动并且导致产生所述最低线缆故障概率值的一系列时间上连续的关节值的集合)来控制真实的运动学系统(例如真实运动学系统的马达和/或制动器)。
为了训练线缆位置AI算法,本发明提出自动创建训练数据集。出于该目的,根据本发明的数据处理系统100还可以被配置用于接收运动学系统的虚拟表示、运动学系统的起始位姿(例如标称位姿)和一组结束位姿。然后,系统模拟运动学系统(包括其线缆)从所述起始位姿到结束位姿中的每一个的运动。对于该模拟,系统可以使用基于例如线缆的机械特性和材料特性以及运动学系统的每个移动构件的刚体运动方程的本领域已知的技术。在该模拟期间,系统100针对运动学系统的每个位姿存储表征随后的位姿的关节值的集合和包括表征所述随后的位姿的线缆的位置的所有链接位置的集合、以及可选地表征先前位姿相对于所述随后的位姿的关节值的集合。在模拟的每个时间间隔结束时,将上述集合(随后的位姿关节值集合、链接位置集合和可选地先前位姿关节值集合)存储在存储器或数据库中。可选地,在每个模拟时间间隔结束时将附加的数据的集合与先前提到的数据的集合一起存储,其为包括对于每个链接作用在所考虑的链接上的当前扭转力和/或拉伸力的集合。然后,所有这些信息都用于创建训练数据集。例如,系统可以创建训练输入数据集和训练输出数据集。训练输入数据集可以包括关节值数据子集,其中,每个关节值数据子集至少包括表征随后的位姿的所述关节值的集合,以及可选地包括表征先前位姿的所述关节值的集合。对于每个关节值数据子集,训练输出数据集包括线缆信息数据子集,线缆信息数据子集与每个关节值数据子集相关联,线缆信息数据子集包括表征与随后的位姿相关联的线缆的位置的所有链接位置的所述集合以及可选地与作用在所考虑的链接上的力相关的所述附加的数据的集合。
然后系统100使用所述训练数据集来训练线缆位置AI算法。归功于这种训练,线缆位置AI算法能够根据随后的关节值(各自定义运动学系统的每个关节的关节值)的集合以及可选地以及另外地,根据先前的关节值的集合来来输出线缆的每个链接的位置(其对应于由随后的关节值的所述集合表征的位姿)、以及可选地例如作用在线缆的每个链接上的诸如拉伸力和/或扭转力的力的级别。在所述训练之后,终端用户可以简单地加载运动学系统,定义要执行的目标任务,并且系统可以自动地确定能够执行所述任务并且线缆故障的概率是最低的运动学系统的运动。然后系统可以根据所确定的运动自动地控制运动学系统。
当然,本领域技术人员将认识到,除非通过操作序列特别地指示或要求,否则上述过程中的某些步骤可以被省略、同时或顺序执行、或者以不同的顺序执行。
本领域技术人员将认识到,为了简单和清楚起见,本文中没有示出或描述适合与本公开内容一起使用的所有数据处理系统的完整结构和操作。替代地,仅示出和描述了本公开内容特有的或理解本公开内容所必需的如此多的数据处理系统。数据处理系统100的其余构造和操作可以符合本领域已知的各种当前实现方式和实践中的任何一种。
重要的是要注意,虽然本公开内容包括在全功能系统的上下文中的描述,但是本领域技术人员将理解,本公开内容的至少部分能够以包括在任何各种形式的机器可用、计算机可用或计算机可读介质中的指令的形式分布,并且无论用于实际执行分布的指令或信号承载介质或存储介质的特定类型如何,本公开内容均同等地适用。机器可用/可读或计算机可用/可读介质的示例包括:非易失性、硬编码类型的介质例如只读存储器(ROM)或电可擦除可编程只读存储器(EEPROM)、以及用户可记录类型介质,例如软盘、硬盘驱动器和致密盘只读存储器(CD-ROM)或数字多功能盘(DVD)。
尽管已经详细描述了本公开内容的示例性实施方式,但是本领域技术人员将理解,在不脱离本公开内容的最广泛形式的精神和范围的情况下,可以做出对本文所公开的各种改变、替换、变化和改进。
本申请中的任何描述不应被理解为暗示任何特定元件、步骤或功能是必须包括在权利要求范围(专利主题的范围仅由所允许的权利要求限定)内的必要元素。
Claims (15)
1.一种计算机实现的方法,其用于对包括一个或若干关节的真实运动学系统的线缆的运动进行模拟,所述方法包括以下步骤:
a)接收(201)所述真实运动学系统的虚拟表示;
b)接收(202)要由所述真实运动学系统执行的目标任务;
c)接收(203)所述真实运动学系统的起始位姿;
d)使用所述真实运动学系统的虚拟表示从所述起始位姿模拟(204)所述真实运动学系统的运动,所述真实运动学系统的运动使得所述真实运动学系统能够执行所述目标任务,其中,所述真实运动学系统在不具有所述线缆即没有所述线缆的情况下被模拟,并且其中,所述模拟被配置用于根据先前的关节值计算随后的关节值;
根据本发明的所述方法其特征在于:
e)在引起根据先前的关节值计算随后的关节值的每个模拟时间间隔结束时,使用(205)所述随后的关节值作为线缆位置AI算法的输入,所述线缆位置AI算法被训练用于输出关于所述随后的关节值的线缆位置;存储(206)所输出的关于所述随后的关节值的线缆位置;以及显示(207)所述真实运动学系统的虚拟表示,所述真实运动学系统的虚拟表示由所述随后的关节值以及与所述随后的关节值相关联的所输出的线缆位置表征。
2.根据权利要求1所述的方法,其中,所述线缆位置AI算法是回归监督学习算法。
3.根据权利要求1或2所述的方法,其中,所述目标任务被配置用于定义要由所述运动学系统执行的并且取决于周围环境的动作或过程,或者由所述运动学系统的至少一部分相对于其周围环境要到达的位置。
4.根据权利要求1至3中的一项所述的方法,包括根据模拟的关节值和输出的线缆位置来控制所述真实运动学系统。
5.根据权利要求4所述的方法,包括:确定一组结束位姿,所述一组结束位姿使得所述真实运动学系统能够执行所述目标任务;以及对于每个所述结束位姿,执行对所述运动学系统的运动的模拟(204),其中,所述运动从所述起始位姿开始并以所述结束位姿结束,其中,在每个模拟时间间隔结束时,所述线缆位置AI算法还被配置用于输出线缆故障概率值,所述方法还包括自动选择与最低线缆故障概率值对应的结束位姿,并根据产生所述最低线缆故障概率值的输出的线缆位置和模拟的关节值来控制所述真实运动学系统。
6.根据权利要求5所述的方法,其中,根据作用在所述线缆上的力的级别来计算所述线缆故障概率值。
7.根据权利要求1至6所述的方法,其中,所述线缆从第一端部延伸到第二端部,并且被建模为链接或线缆子部分的集合,所述链接或线缆子部分从对所述第一端部建模的第一链接到对所述第二端部建模的最后一个链接彼此连续地连接,并且其中,在每个模拟时间间隔结束时,相对于所述随后的关节值计算的所输出的线缆位置包括所述集合中的每个所述链接或线缆子部分的位置。
8.一种计算机实现的方法,其用于创建用于训练线缆位置AI算法的训练数据集,所述线缆位置AI算法被配置用于对包括一个或若干关节的真实运动学系统的线缆的运动进行模拟,所述方法包括:
a)接收所述真实运动学系统的虚拟表示;
b)接收所述真实运动学系统的起始位姿和一组结束位姿,所述结束位姿定义例如所述真实运动学系统必须要到达的不同位置;
c)对于每个结束位姿,模拟所述真实运动学系统从所述起始位姿到所述结束位姿的运动,其中,所述模拟被配置用于模拟所述真实运动学系统的运动以及所述真实运动学系统的线缆的运动,其中,在引起根据先前的关节值计算随后的关节值以及产生针对所述随后的关节值的相应的模拟线缆位置的每个模拟时间间隔结束时,收集包括所述随后的关节值的关节值数据子集以填充输入训练数据集,并且将包括相应的模拟线缆位置的线缆信息数据子集与所述关节值数据子集相关联并收集该线缆信息数据子集以用于填充输出训练数据集;
d)存储所述输入训练数据集和所述输出训练数据集。
9.根据权利要求8所述的计算机实现的方法,其中,在每个模拟时间间隔结束时,针对所述模拟线缆位置计算作用在所述线缆上的力的级别,并且其中,所述线缆信息数据子集进一步包括与所述模拟线缆位置相关联的所述力的所述级别。
10.一种计算机实现的方法,其被配置用于提供经训练的线缆位置AI算法,所述经训练的线缆位置AI算法被配置用于对包括一个或若干关节的真实运动学系统的线缆的运动进行模拟,所述方法包括:
a)通过第一接口接收训练数据集,其中,所述训练数据集包括输入训练数据集和输出训练数据集,其中,所述输入训练数据集包括:
-若干关节值数据子集,其中,每个关节值数据子集包括随后的关节值;
以及所述输出训练数据集包括:
-对于每个关节值数据子集,包括相应的模拟线缆位置的线缆信息数据子集;
b)训练所述线缆位置AI算法,其中,将所述关节值数据子集用作所述线缆位置AI算法的输入训练数据,并将所述线缆信息数据子集用作输出训练数据;
c)通过第二接口提供所述经训练的线缆位置AI算法。
11.根据权利要求10所述的计算机实现的方法,其中,每个线缆信息数据子集包括对于所考虑的模拟线缆位置作用在所述线缆上的力的级别。
12.一种数据处理系统(100),包括:
处理器(102);以及
可访问存储器(108),所述数据处理系统特别地被配置成:
a)接收(201)真实运动学系统的虚拟表示;
b)接收(202)要由所述真实运动学系统执行的目标任务;
c)接收(203)所述真实运动学系统的起始位姿;
d)使用所述真实运动学系统的虚拟表示从所述起始位姿模拟(204)所述真实运动学系统的运动,所述真实运动学系统的运动使得所述真实运动学系统能够执行所述目标任务,其中,所述真实运动学系统在不具有所述线缆即没有所述线缆的情况下被模拟,并且其中,所述模拟被配置用于根据先前的关节值计算随后的关节值;
根据本发明的所述数据处理系统(100)其特征在于:
e)其被配置成:在引起根据先前的关节值计算随后的关节值的每个模拟时间间隔结束时,使用(205)所述随后的关节值作为线缆位置AI算法的输入,所述线缆位置AI算法被训练用于输出关于所述随后的关节值的线缆位置;然后存储(206)所输出的关于所述随后的关节值的线缆位置;以及显示(207)所述真实运动学系统的虚拟表示,所述真实运动学系统的虚拟表示由所述随后的关节值以及与所述随后的关节值相关联的所输出的线缆位置表征。
13.根据权利要求12所述的数据处理系统(100),被配置用于根据模拟的关节值和输出的线缆位置来控制所述真实运动学系统。
14.根据权利要求13所述的数据处理系统(100),其中,所述数据处理系统(100)被配置用于:确定一组结束位姿,所述一组结束位姿使得所述真实运动学系统能够执行所述目标任务;以及对于每个所述结束位姿,执行对所述运动学系统的运动的模拟(204),其中,所述运动从所述起始位姿开始并以所述结束位姿结束,其中,在每个模拟时间间隔结束时,所述线缆位置AI算法还被配置用于输出线缆故障概率值,所述数据处理系统(100)还被配置用于自动选择与最低线缆故障概率值对应的结束位姿,并根据产生所述最低线缆故障概率值的输出的线缆位置和模拟的关节值来控制所述真实运动学系统。
15.一种非暂态计算机可读介质,其编码有可执行指令,所述可执行指令在被执行时,使一个或更多个数据处理系统(100)执行以下操作:
a)接收(201)真实运动学系统的虚拟表示;
b)接收(202)要由所述真实运动学系统执行的目标任务;
c)接收(203)所述真实运动学系统的起始位姿;
d)使用所述真实运动学系统的虚拟表示从所述起始位姿模拟(204)所述真实运动学系统的运动,所述真实运动学系统的运动使得所述真实运动学系统能够执行所述目标任务,其中,所述真实运动学系统在不具有所述线缆即没有所述线缆的情况下被模拟,并且其中,所述模拟被配置用于根据先前的关节值计算随后的关节值;
e)在引起根据先前的关节值计算随后的关节值的每个模拟时间间隔结束时,使用(205)所述随后的关节值作为线缆位置AI算法的输入,所述线缆位置AI算法被训练用于输出关于所述随后的关节值的线缆位置;然后存储(206)所输出的关于所述随后的关节值的线缆位置;以及显示(207)所述真实运动学系统的虚拟表示,所述真实运动学系统的虚拟表示由所述随后的关节值以及与所述随后的关节值相关联的所输出的线缆位置表征。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IB2021/055033 WO2022259021A1 (en) | 2021-06-08 | 2021-06-08 | Artificial intelligence based robot cable simulation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117425911A true CN117425911A (zh) | 2024-01-19 |
Family
ID=84424799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180099140.7A Pending CN117425911A (zh) | 2021-06-08 | 2021-06-08 | 基于人工智能的机器人线缆模拟 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4352685A1 (zh) |
CN (1) | CN117425911A (zh) |
WO (1) | WO2022259021A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7383164B2 (en) * | 2004-03-05 | 2008-06-03 | Depuy Products, Inc. | System and method for designing a physiometric implant system |
US20100030532A1 (en) * | 2008-06-12 | 2010-02-04 | Jasbir Arora | System and methods for digital human model prediction and simulation |
US11307730B2 (en) * | 2018-10-19 | 2022-04-19 | Wen-Chieh Geoffrey Lee | Pervasive 3D graphical user interface configured for machine learning |
-
2021
- 2021-06-08 CN CN202180099140.7A patent/CN117425911A/zh active Pending
- 2021-06-08 WO PCT/IB2021/055033 patent/WO2022259021A1/en active Application Filing
- 2021-06-08 EP EP21944950.1A patent/EP4352685A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022259021A1 (en) | 2022-12-15 |
EP4352685A1 (en) | 2024-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11679506B2 (en) | Adapting simulation data to real-world conditions encountered by physical processes | |
EP3643455B1 (en) | Method and system for programming a cobot for a plurality of industrial cells | |
EP2993001B1 (en) | Method and apparatus for industrial robotic energy saving optimization using fly-by | |
JP6781183B2 (ja) | 制御装置及び機械学習装置 | |
US20180036882A1 (en) | Layout setting method and layout setting apparatus | |
EP2923805A2 (en) | Object manipulation driven robot offline programming for multiple robot system | |
JP5225720B2 (ja) | ロボットのモーションの発生及び制御のための装置ならびに方法 | |
EP3166084A2 (en) | Method and system for determining a configuration of a virtual robot in a virtual environment | |
EP3656513B1 (en) | Method and system for predicting a motion trajectory of a robot moving between a given pair of robotic locations | |
WO2021085345A1 (ja) | 機械学習データ生成装置、機械学習装置、作業システム、コンピュータプログラム、機械学習データ生成方法及び作業機械の製造方法 | |
CN109760040B (zh) | 干扰判定方法、干扰判定系统以及存储介质 | |
EP2942685A2 (en) | Method for robotic energy saving tool search | |
CN110099773B (zh) | 用于确定多机器人的运动链序列的方法和系统 | |
EP2998078A1 (en) | Method for improving efficiency of industrial robotic energy consumption and cycle time by handling orientation at task location | |
US20210060778A1 (en) | Robot planning from process definition graph | |
CN110248775A (zh) | 用于在机器人制造中教导机器人达到给定目标的方法和系统 | |
WO2021231242A1 (en) | Accelerating robotic planning for operating on deformable objects | |
US20210060773A1 (en) | Robot planning from process definition graph | |
CN117425911A (zh) | 基于人工智能的机器人线缆模拟 | |
JP5447811B2 (ja) | 経路計画生成装置および該方法ならびにロボット制御装置およびロボットシステム | |
EP4088883A1 (en) | Method and system for predicting a collision free posture of a kinematic system | |
JP2023167643A (ja) | ロボット動作計画支援システム、ロボット動作計画支援方法、およびコンピュータプログラム | |
WO2023180785A1 (en) | Method and system for enabling inspecting an industrial robotic simulation at a crucial virtual time interval | |
CN118043751A (zh) | 使用户能够查看工业环境的模拟数据的方法和系统 | |
CN115956226A (zh) | 用于验证工业场景安全性的多状态模拟的方法和数据处理系统 |
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 |