CN117773913A - 机器人控制方法、装置、存储介质及机器人 - Google Patents

机器人控制方法、装置、存储介质及机器人 Download PDF

Info

Publication number
CN117773913A
CN117773913A CN202311560233.2A CN202311560233A CN117773913A CN 117773913 A CN117773913 A CN 117773913A CN 202311560233 A CN202311560233 A CN 202311560233A CN 117773913 A CN117773913 A CN 117773913A
Authority
CN
China
Prior art keywords
robot
carrying
target
path
simulation result
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
Application number
CN202311560233.2A
Other languages
English (en)
Inventor
祝丰年
刘高杰
黄晓庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cloudminds Shanghai Robotics Co Ltd
Original Assignee
Cloudminds Shanghai Robotics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cloudminds Shanghai Robotics Co Ltd filed Critical Cloudminds Shanghai Robotics Co Ltd
Priority to CN202311560233.2A priority Critical patent/CN117773913A/zh
Publication of CN117773913A publication Critical patent/CN117773913A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Manipulator (AREA)

Abstract

本公开涉及一种机器人控制方法、装置、存储介质及机器人,应用于机器人,所述方法包括:基于获取的搬运工作任务,确定搬运路径,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体;根据所述搬运路径,从所述目标区域中确定目标障碍物;根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;根据所述第一模拟结果,搬运所述目标物体。

Description

机器人控制方法、装置、存储介质及机器人
技术领域
本公开涉及自动化技术领域,尤其涉及一种机器人控制方法、装置、存储介质及机器人。
背景技术
目前机器人正在被越来越多的应用于生产和生活的各个场景之中,替代人类进行大量重复的工作,例如在仓储和物流行业中运用机器人进行物体的搬运。
然而,相关技术中机器人只能实现将需要搬运的物体从一个位置搬送至另一位置并放下这样较简单的工作任务,遇到障碍物不能正常通过时,一般需要人工下发指令才能执行后续的搬运操作,导致搬运效率低下,浪费了大量的人力资源。
发明内容
本公开的目的是提供一种机器人控制方法、装置、存储介质及机器人。
第一方面,提供一种机器人控制方法,应用于机器人,所述方法包括:
基于获取的搬运工作任务,确定搬运路径,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体;
根据所述搬运路径,从所述目标区域中确定目标障碍物;
根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;
根据所述第一模拟结果,搬运所述目标物体。
可选地,所述方法还包括:
获取所述目标物体的物体形状参数;
所述根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果包括:
根据所述搬运路径、所述物体形状参数和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到所述第一模拟结果。
可选地,所述根据所述搬运路径,从所述目标区域中确定目标障碍物包括:
获取所述目标区域内的多个候选障碍物;
根据所述搬运路径,从所述多个候选障碍物中确定所述目标障碍物。
可选地,所述获取所述目标区域内的多个候选障碍物包括:
获取所述目标区域的三维地图信息、所述机器人的尺寸以及所述机器人的最大搬运限制,所述最大搬运限制为所述机器人能够搬运的最大物体的尺寸;
根据所述三维地图信息和所述机器人的尺寸,确定多条指定路径,所述指定路径包括所述机器人在不搬运物体的情况下能够通过的路径;
根据所述多条指定路径,所述三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,以确定所述多个候选障碍物。
可选地,所述根据所述多条指定路径,所述三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,以确定所述多个候选障碍物包括:
将所述多条指定路径,所述三维地图信息和所述机器人的尺寸发送至服务器,以便所述服务器根据所述多条指定路径,所述三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,并根据所述第二模拟结果,确定所述多个候选障碍物,所述第二模拟结果用于表征所述机器人在搬运最大搬运限制的物体的情况下是否能够通过所述指定路径;
接收所述服务器发送的障碍物指示信息,并根据所述障碍物指示信息确定所述多个候选障碍物,所述障碍物指示信息用于指示所述多个候选障碍物。
可选地,所述根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果包括:
将所述搬运路径、所述物体形状参数和所述目标障碍物发送至服务器,以便所述服务器根据所述物体形状参数和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到所述第一模拟结果;
接收所述服务器发送的所述第一模拟结果。
可选地,所述根据所述第一模拟结果,搬运所述目标物体包括:
在所述第一模拟结果表征所述机器人搬运所述目标物体能够通过所述搬运路径的情况下,根据所述模拟结果确定搬运所述目标物体的搬运方式;
根据所述搬运方式,搬运所述目标物体。
可选地,所述根据所述第一模拟结果,搬运所述目标物体还包括:
在所述第一模拟结果表征所述机器人搬运所述目标物体不能通过所述搬运路径的情况下,基于所述搬运工作任务确定其他路径,所述其他路径为所述多条指定路径中除所述搬运路径以外的路径;
根据所述其他路径,搬运所述目标物体。
第二方面,提供一种机器人控制方法,应用于服务器,所述方法包括:
接收机器人发送的搬运路径和目标障碍物,所述搬运路径是根据所述机器人获取的搬运工作任务确定的,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体,所述目标障碍物是根据所述搬运路径从所述目标区域中确定出的;
根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;
发送所述第一模拟结果至所述机器人,以便所述机器人根据所述第一模拟结果,搬运所述目标物体。
可选地,所述方法还包括:
接收所述机器人发送的所述目标物体的物体形状参数;
所述根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果包括:
根据所述搬运路径、所述物体形状参数和所述目标障碍物,模拟所述机器人。
可选地,所述方法还包括:
接收所述机器人发送的多条指定路径,目标区域的三维地图信息和机器人的尺寸,所述指定路径包括所述机器人在不搬运物体的情况下能够通过的路径;
根据所述多条指定路径,所述目标区域的三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,所述第二模拟结果用于表征所述机器人在搬运最大搬运限制的物体的情况下是否能够通过所述指定路径;
根据所述第二模拟结果,确定多个候选障碍物;
发送障碍物指示信息给所述机器人,所述障碍物指示信息用于指示所述多个候选障碍物。
第三方面,一种机器人控制装置,包括:
第一确定模块,基于获取的搬运工作任务,确定搬运路径,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体;
所述第一确定模块,还用于根据所述搬运路径,从所述目标区域中确定目标障碍物;
第一模拟模块,用于根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;
搬运模块,用于根据第一模拟结果,搬运所述目标物体。
可选地,机器人控制装置还包括获取模块,用于获取所述目标物体的物体形状参数;
所述第一模拟模块,还用于:
根据所述搬运路径、所述物体形状参数和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到所述第一模拟结果。
可选地,所述获取模块,还用于获取所述目标区域内的多个候选障碍物;
所述第一确定模块,还用于根据所述搬运路径,从所述多个候选障碍物中确定所述目标障碍物。
可选地,所述获取模块,还用于获取所述目标区域的三维地图信息、所述机器人的尺寸以及所述机器人的最大搬运限制,所述最大搬运限制为所述机器人能够搬运的最大物体的尺寸;
所述第一确定模块,还用于根据所述三维地图信息和所述机器人的尺寸,确定多条指定路径,所述指定路径包括所述机器人在不搬运物体的情况下能够通过的路径;
所述第一模拟模块,还用于根据所述多条指定路径,所述三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,以确定所述多个候选障碍物。
可选地,所述机器人控制装置还包括第一发送模块和第一接收模块;
所述第一发送模块,用于将所述多条指定路径,所述三维地图信息和所述机器人的尺寸发送至服务器,以便所述服务器根据所述多条指定路径,所述三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,并根据所述第二模拟结果,确定所述多个候选障碍物,所述第二模拟结果用于表征所述机器人在搬运最大搬运限制的物体的情况下是否能够通过所述指定路径;
所述第一接收模块,用于接收所述服务器发送的障碍物指示信息,并根据所述障碍物指示信息确定所述多个候选障碍物,所述障碍物指示信息用于指示所述多个候选障碍物。
可选地,所述第一发送模块,还用于将所述搬运路径、所述物体形状参数和所述目标障碍物发送至服务器,以便所述服务器根据所述物体形状参数和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到所述第一模拟结果;
所述第一接收模块,还用于接收所述服务器发送的所述第一模拟结果。
可选地,所述搬运模块,还用于:
在所述第一模拟结果表征所述机器人搬运所述目标物体能够通过所述搬运路径的情况下,根据所述模拟结果确定搬运所述目标物体的搬运方式;
根据所述搬运方式,搬运所述目标物体。
可选地,所述第一确定模块,还用于在所述第一模拟结果表征所述机器人搬运所述目标物体不能通过所述搬运路径的情况下,基于所述搬运工作任务确定其他路径,所述其他路径为所述多条指定路径中除所述搬运路径以外的路径;
所述搬运模块,还用于根据所述其他路径,搬运所述目标物体。
第四方面,一种机器人控制装置,包括:
第二接收模块,用于接收机器人发送的搬运路径和目标障碍物,所述搬运路径是根据所述机器人获取的搬运工作任务确定的,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体,所述目标障碍物是根据所述搬运路径从所述目标区域中确定出的;
第二模拟模块,用于根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;
第二发送模块,用于发送所述第一模拟结果至所述机器人,以便所述机器人根据所述第一模拟结果,搬运所述目标物体。
可选地,所述第二接收模块,还用于接收所述机器人发送的所述目标物体的物体形状参数;
所述第二模拟模块,还用于根据所述搬运路径、所述物体形状参数和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到所述第一模拟结果。
可选地,所述第二接收模块,还用于接收所述机器人发送的多条指定路径,目标区域的三维地图信息和机器人的尺寸,所述指定路径包括所述机器人在不搬运物体的情况下能够通过的路径;
所述第二模拟模块,还用于根据所述多条指定路径,所述目标区域的三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,所述第二模拟结果用于表征所述机器人在搬运最大搬运限制的物体的情况下是否能够通过所述指定路径;
所述机器人控制装置还包括:
第二确定模块,用于根据所述第二模拟结果,确定多个候选障碍物;
所述第二发送模块,还用于发送障碍物指示信息给所述机器人,所述障碍物指示信息用于指示所述多个候选障碍物。
第五方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开的第一方面或者第二方面所提供的机器人控制方法的步骤。
第六方面,提供一种机器人,包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现本公开的第一方面所提供的机器人控制方法的步骤。
本公开提供的技术方案可以包括以下有益效果:首先,基于获取的搬运工作任务,确定搬运路径,搬运工作任务用于指示机器人搬运目标区域内的目标物体;其次,根据搬运路径,从目标区域中确定目标障碍物;再次,根据搬运路径和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果,第一模拟结果用于表征机器人搬运目标物体是否能够通过搬运路径;最后,根据第一模拟结果,搬运目标物体。通过上述技术方案,机器人在接收到搬运工作任务的情况下,能够根据搬运路径和目标障碍物,模拟搬运目标物体的过程,进而能够根据目标障碍物相关的模拟结果自动化选择不同的搬运方式,例如选择继续搬运目标物体还是避开目标障碍物,保障了机器人执行搬运工作任务的顺畅性,节省了人力资源,提高了搬运效率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种机器人控制方法的流程图。
图2是根据一示例性实施例示出的一种机器人控制方法的流程图。
图3是根据一示例性实施例示出的一种机器人控制方法的流程图。
图4是根据一示例性实施例示出的一种机器人控制方法的流程图。
图5是根据一示例性实施例示出的一种机器人控制方法的流程图。
图6是根据一示例性实施例示出的机器人控制装置的框图。
图7是根据一示例性实施例示出的机器人控制装置的框图。
图8是根据一示例性实施例示出的一种机器人的结构示意图。
图9是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
需要说明的是,本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
本公开的说明书和权利要求书以及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必理解为特定的顺序或先后次序。另外,在参考附图的描述中,不同附图中的同一标记表示相同的要素。
在本公开的描述中,除非另有说明,“多个”是指两个或多于两个,其它量词与之类似;“至少一项(个)”、“一项(个)或多项(个)”或其类似表达,是指的这些项(个)中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,至少一项(个)a,可以表示任意数目个a;再例如,a,b和c中的一项(个)或多项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个;“和/或”是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。字符“/”表示前后关联对象是一种“或”的关系。
在本公开实施例中尽管在附图中以特定的顺序描述操作或步骤,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作或步骤,或是要求执行全部所示的操作或步骤以得到期望的结果。在本公开的实施例中,可以串行执行这些操作或步骤;也可以并行执行这些操作或步骤;也可以执行这些操作或步骤中的一部分。
目前传统的机器人在抓取和搬运物体的过程中,当遇到障碍物往往需要进行路径的重新规划。当进行路径重新规划的时候,一方面会耽误当前任务的执行,另外一方面当存在大量需要重新规划路径的场景时,会对整体任务调度的性能影响较大。
为解决上述存在的问题,本公开提供一种机器人控制方法、装置、存储介质及机器人,下面结合附图对本公开的具体实施方式进行详细说明。
图1是根据一示例性实施例示出的一种机器人控制方法的流程图,如图1所示,该方法用于机器人中,包括以下步骤。
在步骤S101中,基于获取的搬运工作任务,确定搬运路径。
其中,搬运工作任务用于指示机器人搬运目标区域内的目标物体。
本实施例中,搬运工作任务还可以包括搬运目的地。
本实施例中,搬运路径指的是机器人将目标物体从当前位置搬运至搬运目的地之间的路径。
在一些实施例中,搬运工作任务可以是从服务器获取的,搬运工作任务也可以是机器人通过语音输入模块分析语音指令获取的,本实施例不做具体限定。
本实施例中,目标物体指的是机器人在工作过程中需要抓取以及搬运的物体。目标物体可以是具有规则形状的物体,例如目标物体可以是具有长宽高的立方体,目标物体也可以是表面形状复杂的物体,本实施例不做具体限定。
可选地,目标物体可以是箱子、家具等。
在一些实施例中,目标物体可以是一个独立的物体,即目标物体的数量为一;在另一些实施例中,目标物体可以多个可分割物体的叠加。
在本实施例中,目标区域可以是搬运工作任务对应的目标区域,不同的搬运工作任务对应不同的搬运区域,目标区域也可以是预先设置的特定环境,本实施例不做具体限定。
在一种可能的实现方式中,步骤S101可以包括:根据机器人的位置和搬运目的地,将路程最短的路径确定为搬运路径。
在另一种可能的实现方式中,步骤S101可以包括:将机器人的位置和搬运目的地作为路径规划模型的输入,利用路径规划模型,确定搬运路径。
在步骤S102中,根据搬运路径,从目标区域中确定目标障碍物。
其中,目标障碍物是从目标区域中的多个候选障碍物中确定出的。
可选地,目标障碍物可以是通过雷达、摄像头或者视觉传感器等设备进行识别获取的。
本实施例中,目标障碍物是影响搬运路径的可通过空间的物体,例如目标障碍物可以是处于搬运路径中间的箱子,又如,目标障碍物也可以是搬运路径两侧的墙壁。
在一种可能的实现方式中,步骤S102可以包括:确定目标区域中的多个候选障碍物的位置信息;将位置处于搬运路径上的候选障碍物,确定为目标障碍物。
在另一种可能的实现方式中,步骤S102可以包括:获取目标区域的三维地图信息;根据目标区域的三维地图信息,确定目标障碍物。
在另一种可能的实现方式中,步骤S102可以包括:获取目标区域中所有物体的轮廓信息;根据轮廓信息,确定目标障碍物。
在步骤S103中,根据搬运路径和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果。
其中,第一模拟结果用于表征机器人搬运目标物体是否能够通过搬运路径。
本实施例中,机器人搬运目标物体能够通过搬运路径指的是:通过搬运路径时,目标物体不与目标障碍物接触,或者,通过搬运路径时,目标物体与目标障碍物之间的距离小于预设距离阈值。
在一种可能的实现方式中,步骤S103可以包括:利用搬运路径和目标障碍物建立三维空间模型,在三维空间模型中确定目标物体与目标障碍物之间的距离;若目标物体与目标障碍物之间的距离小于预设距离阈值,则第一模拟结果为机器人搬运目标物体不能通过搬运路径;目标物体与目标障碍物之间的距离大于等于预设距离阈值,则第一模拟结果为机器人搬运目标物体能够通过搬运路径。
在另一种可能的实现方式中,步骤S103可以包括:获取目标障碍物的位置坐标和空间特征,该空间特征包括目标障碍物的三维模型信息;获取搬运路径的位置坐标;将目标障碍物的位置坐标和空间特征,搬运路径的位置信息输入训练完成的人工智能模型中,得到第一模拟结果。
在步骤S104中,根据第一模拟结果,搬运目标物体。
在一些实施例中,第一模拟结果包括机器人搬运目标物体能够通过搬运路径或者机器人搬运目标物体不能通过搬运路径。
在一些实施例中,第一模拟结果还包括机器人通过搬运路径时,目标物体的搬运方式。其中,该搬运方式包括抓取目标物体的抓取方式。
在一些实施例中,在目标物体为多个可分割物体的叠加的情况下,第一模拟结果还可以包括目标物体各个部分通过搬运路径的通过顺序。
在一种可能的实现方式中,步骤S104可以包括:第一模拟结果表征机器人搬运目标物体能够通过搬运路径的情况下,搬运目标物体通过搬运路径;在第一模拟结果表征机器人搬运目标物体不能通过搬运路径的情况下,重新规划搬运路径。
采用上述方法,机器人在接收到搬运工作任务的情况下,能够根据搬运路径和目标障碍物,模拟搬运目标物体的过程,进而能够根据目标障碍物相关的模拟结果自动化选择不同的搬运方式,例如选择继续搬运目标物体还是避开目标障碍物,保障了机器人执行搬运工作任务的顺畅性,节省了人力资源,提高了搬运效率。
在一些实施例中,如图2所示,上述步骤S102包括以下步骤。
在步骤S201中,获取目标区域内的多个候选障碍物。
在本实施例中,候选障碍物是影响搬运路径的可通过空间的物体,例如候选障碍物可以是处于搬运路径中间的箱子,又如,目标障碍物也可以是搬运路径两侧的墙壁。
可选地,候选障碍物可以是通过雷达、摄像头或者视觉传感器等设备进行识别获取的。
在步骤S202中,根据搬运路径,从多个候选障碍物中确定目标障碍物。
在一种可能的实现方式中,步骤S202可以包括:获取多个候选障碍物的位置信息;将位置处于搬运路径上的候选障碍物,确定为目标障碍物。
采用上述方法,从多个候选障碍物中确定出目标障碍物,无需对目标区域内的全部障碍物进行模拟,节约了算力资源,提高了搬运效率。
在一些实施例中,如图3所示,上述步骤S201包括以下步骤。
在步骤S301中,获取目标区域的三维地图信息、机器人的尺寸以及机器人的最大搬运限制。
其中,最大搬运限制为机器人能够搬运的最大物体的尺寸。
本实施例中,机器人的尺寸可以是机器人本体的长宽高,最大搬运限制可以是出厂时由技术人员测定的。
在一个可选的实施例中,目标区域的三维地图信息包括目标区域的三维空间模型。
在一种可能的实现方式中,目标区域的三维地图信息是通过雷达、摄像头或者视觉传感器等设备进行识别获取的。
在步骤S302中,根据三维地图信息和机器人的尺寸,确定多条指定路径。
其中,指定路径包括机器人在不搬运物体的情况下能够通过的路径。
在一种可能的实现方式中,步骤S302可以包括:模拟机器人在地图中行走;将机器人不搬运物体的情况下能够通过的多条路径确定为指定路径。
在本实施例中,指定路径的可通过空间大于等于机器人的尺寸。
在另一种可能的实现方式中,步骤S302可以包括:利用三维地图信息建立目标区域的三维空间模型,确定三维空间模型中每条路径的可通过空间,将可通过空间大于等于机器人的尺寸的路径,确定为指定路径。
在另一种可能的实现方式中,步骤S302可以包括:对三维地图信息和机器人的尺寸,进行笛卡尔空间分析;将机器人不搬运物体的情况下能够通过的多条路径确定为指定路径。
在步骤S303中,根据多条指定路径,三维地图信息和机器人的尺寸模拟机器人在每条指定路径上搬运最大搬运限制的物体,以确定多个候选障碍物。
在一种可能的实现方式中,步骤S303可以包括:根据机器人的尺寸和最大搬运限制,得到机器人搬运最大搬运限制的物体所需要的最大搬运空间;利用三维地图信息建立目标区域的三维空间模型,确定三维空间模型中每条指定路径的可通过空间;将可通过空间小于最大搬运空间的指定路径,确定为不可通行路径;将不可通行路径预设范围的物体,确定为候选障碍物。
采用上述方法,根据机器人的尺寸以及机器人的最大搬运限制,确定出目标区域内的候选障碍物,实现了对障碍物的提前识别,有利于提高搬运效率。
在一些实施例中,步骤S303包括:
将多条指定路径,三维地图信息和机器人的尺寸发送至服务器,以便服务器根据多条指定路径,三维地图信息和机器人的尺寸模拟机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,并根据第二模拟结果,确定多个候选障碍物,第二模拟结果用于表征机器人在搬运最大搬运限制的物体的情况下是否能够通过指定路径;
接收服务器发送的障碍物指示信息,并根据障碍物指示信息确定多个候选障碍物,障碍物指示信息用于指示多个候选障碍物。
采用上述方法,通过服务器实现了对障碍物的提前识别,节约了机器人的内存空间,有利于提高搬运效率。
在一些实施例中,在步骤S103之前,上述机器人控制方法还包括:
获取目标物体的物体形状参数;
对应地,步骤S103包括:
根据搬运路径、物体形状参数和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果。
在本实施例中,在目标物体具有规则形状的情况下,目标物体的物体形状参数是长宽高、直径等;在目标物体是表面形状复杂的物体的情况下,目标物体的形状参数是目标物体所占空间的三维信息。
在一种可能的实现方式中,获取目标物体的物体形状参数,可以包括:从不同角度获取目标物体的目标图像;根据多角度的目标图像,确定物体形状参数。其中,目标图像指的是对目标物体当前状态进行拍照后得到的图像。
这样,提高了搬运机器在工作过程中对目标物体的识别效率以及准确度,从而便于提高搬运效率。
在本实施例中,第一模拟结果包括机器人搬运目标物体能够通过搬运路径或者机器人搬运目标物体不能通过搬运路径。
可选地,第一模拟结果还包括机器人通过搬运路径时,目标物体的搬运方式。其中,该搬运方式包括抓取目标物体的抓取方式。
在一种可能的实现方式中,根据搬运路径、物体形状参数和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果,可以包括:将搬运路径、物体形状参数和目标障碍物作为训练完成的搬运模型的输入,利用练完成的搬运模型得到可通过的抓取方式,将可通过的抓取方式确定为第一模拟结果。
在一些实施例中,步骤S103包括:
将搬运路径、物体形状参数和目标障碍物发送至服务器,以便服务器根据物体形状参数和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果;
接收服务器发送的第一模拟结果。
采用上述方法,通过服务器实现了模拟机器人通过搬运路径搬运目标物体,节约了机器人的内存空间,有利于提高搬运效率。
在一些实施例中,步骤S104包括:
在第一模拟结果表征机器人搬运目标物体能够通过搬运路径的情况下,根据第一模拟结果确定搬运目标物体的搬运方式;
根据搬运方式,搬运目标物体。
在本实施例中,第一模拟结果包括机器人通过搬运路径时,目标物体的抓取方式。对应地,目标物体的搬运方式包括目标物体的抓取方式。
示例性的,当目标物体为立方体时,目标物体的抓取方式包括从长边抓取或者从短边抓取。
这样,利用目标障碍物相关的模拟结果选择目标物体的搬运方式,避免了机器人抓取的方式不正确导致无法正常通过搬运路径,提高了机器人执行搬运工作任务的顺畅性。
在另一些实施例中,步骤S104包括:
在第一模拟结果表征机器人搬运目标物体不能通过搬运路径的情况下,基于搬运工作任务确定其他路径,其他路径为多条指定路径中除搬运路径以外的路径;
根据其他路径,搬运目标物体。
这样,当模拟结果表征目标物体不能通过搬运路径的情况下,机器人能够重新规划路径,保障了搬运工作任务的正常执行,提高了搬运效率。
图4是根据一示例性实施例示出的一种机器人控制方法的流程图,如图4所示,该方法用于服务器中,该方法可以包括以下步骤。
在步骤S401中,接收机器人发送的搬运路径和目标障碍物。
其中,搬运路径是根据机器人获取的搬运工作任务确定的,搬运工作任务用于指示机器人搬运目标区域内的目标物体,目标障碍物是根据搬运路径从目标区域中确定出的。
本实施例中,搬运路径和目标障碍物的具体确定方式可以参照步骤S101的实施例,此处不再赘述。
可以理解地,机器人和服务器存在通信连接,本实施例对具体连接方式不做限定。
在步骤S402中,根据搬运路径和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果。
其中,第一模拟结果用于表征机器人搬运目标物体是否能够通过搬运路径。
在一种可能的实现方式中,服务器可以是搭载有数字孪生系统的第三方平台,对应地,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果,可以包括:在数字孪生系统中变换搬运目标物体的姿态,模拟搬运不同姿态的目标物体通过搬运路径,得到第一模拟结果,该第一模拟结果包括目标物体的搬运方式。
示例性的,在数字孪生系统中,从x、y、z不同的角度旋转目标物体,得到通过搬运路径的目标物体的姿态;结合机器人的抓取能力,得到机器人的抓取方式。
在一种可能的实现方式中,步骤S402可以包括:将目标障碍物和搬运路径作为样本数据,基于训练后的深度学习模型对目标障碍物进行处理,得到目标物体的姿态信息;通过人工智能训练相关的模型,得到第一模拟结果。
在步骤S403中,发送第一模拟结果至机器人,以便机器人根据第一模拟结果,搬运目标物体。
采用上述方法,通过模拟机器人通过搬运路径搬运目标物体,能够得到搬运目标物体通过搬运路径的最优搬运方式,避免了由于搬运方式不当导致重新规划路径,提高了搬运效率。
在一些实施例中,在步骤S402之前,上述机器人控制方法还包括:
接收机器人发送的目标物体的物体形状参数;
对应地,步骤S402包括:
根据搬运路径、物体形状参数和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果。
例如,搬运路径为一个较为狭窄的通道,目标物体是一个长方体,抓取长方体的宽所在的边可以通过,但是抓取长方体的长所在的边无法通过,在步骤S403中模拟机器人通过搬运路径搬运目标物体包括:分别模拟用不同的抓取方式搬运长方体的通过搬运路径。
又如,搬运路径为一个较为狭窄的通道,目标物体是一个“L”形的物体,在步骤S403中模拟机器人通过搬运路径搬运目标物体包括:分别模拟抓取目标物体的长边或者短边通过搬运路径。
这样,能够结合搬运路径、物体形状参数和目标障碍物三者确定出搬运目标物体的最优搬运方式,提高了搬运效率。
在一些实施例中,在步骤S402之前,上述机器人控制方法还包括:
接收机器人发送的多条指定路径,目标区域的三维地图信息和机器人的尺寸,指定路径包括机器人在不搬运物体的情况下能够通过的路径;
根据多条指定路径,目标区域的三维地图信息和机器人的尺寸模拟机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,第二模拟结果用于表征机器人在搬运最大搬运限制的物体的情况下是否能够通过指定路径;
根据第二模拟结果,确定多个候选障碍物;
发送障碍物指示信息给机器人,障碍物指示信息用于指示多个候选障碍物。
在一些实施例中,障碍物提示信息包括多个候选障碍物的位置信息,其中,位置信息包括位置坐标和空间特征。
可选地,发送障碍物指示信息给机器人之后,上述方法还包括:存储多个障碍物的位置信息。
这样,在搬运目标物体之前识别目标区域内的多个候选障碍物,有利于确定出搬运路径中目标障碍,进而根据目标障碍物选择合适的搬运方式,提供了搬运效率。
图5是根据一示例性实施例示出的一种机器人控制方法的流程图,如图5所示,该方法可以包括以下步骤。
在步骤S501中,机器人识别搬运路径上的目标障碍物。
示例性的,机器人通过传感器得到目标障碍物的位置坐标和空间特征,其中,空间特征指的是目标障碍物的三维模型信息。
在步骤S502中,机器人识别需要搬运的目标物体。
示例性的,机器人通过视觉传感器得到目标物体所占空间的三维信息。
在步骤S503中,机器人向服务器发送识别出的目标障碍物和目标物体,以使得服务器模拟搬运目标物体通过搬运路径。
示例性的,机器人向服务器发送目标障碍物的位置坐标和空间特征,以及目标物体所占空间的三维信息。
在步骤S504中,服务器模拟搬运目标物体是否能够通过搬运路径。
示例性的,服务器基于接收到的数据,利用数字孪生系统或者人工智能训练好的模型,模拟搬运目标物体是否能够通过搬运路径。
在步骤S505中,服务器向机器人发送模拟搬运的结果。
其中,该模拟搬运的结果包括搬运目标物体能够通过搬运路径或者搬运目标物体不能通过搬运路径。
在搬运目标物体能够通过搬运路径的情况下,执行步骤S505。
在搬运目标物体不能通过搬运路径的情况下,执行步骤S506。
在步骤S506中,机器人搬运目标物体。
在步骤S507中,机器人重新规划搬运路径。
采用上述方法,对于搬运路径中的障碍物进行提前识别,模拟搬运结果,根据模板结果选择搬运或者重新规划路径,提高了机器人搬运目标物体的顺畅性,从而提高了搬运效率。
图6是根据一示例性实施例示出的一种机器人控制装置框图。参照图6,该装置包括第一确定模块601,第一模拟模块602和搬运模块603。
第一确定模块601,基于获取的搬运工作任务,确定搬运路径,搬运工作任务用于指示机器人搬运目标区域内目标物体;
第一确定模块601,还用于根据搬运路径,从目标区域中确定目标障碍物;
第一模拟模块602,用于根据搬运路径和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果,第一模拟结果用于表征机器人搬运目标物体是否能够通过搬运路径;
搬运模块603,用于根据第一模拟结果,搬运目标物体。
可选地,机器人控制装置还包括获取模块(图中未示出);
获取模块,用于获取目标物体的物体形状参数;
第一模拟模块602,还用于:
根据搬运路径、物体形状参数和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果。
可选地,获取模块,还用于获取目标区域内的多个候选障碍物;
第一确定模块601,还用于根据搬运路径,从多个候选障碍物中确定目标障碍物。
可选地,获取模块,还用于获取目标区域的三维地图信息、机器人的尺寸以及机器人的最大搬运限制,最大搬运限制为机器人能够搬运的最大物体的尺寸;
第一确定模块601,还用于根据三维地图信息和机器人的尺寸,确定多条指定路径,指定路径包括机器人在不搬运物体的情况下能够通过的路径;
第一模拟模块602,还用于根据多条指定路径,三维地图信息和机器人的尺寸模拟机器人在每条指定路径上搬运最大搬运限制的物体,以确定多个候选障碍物。
可选地,机器人控制装置还包括第一发送模块(图中未示出)和第一接收模块(图中未示出);
第一发送模块,用于将多条指定路径,三维地图信息和机器人的尺寸发送至服务器,以便服务器根据多条指定路径,三维地图信息和机器人的尺寸模拟机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,并根据第二模拟结果,确定多个候选障碍物,第二模拟结果用于表征机器人在搬运最大搬运限制的物体的情况下是否能够通过指定路径;
第一接收模块,用于接收服务器发送的障碍物指示信息,并根据障碍物指示信息确定多个候选障碍物,障碍物指示信息用于指示多个候选障碍物。
可选地,第一发送模块,还用于将搬运路径、物体形状参数和目标障碍物发送至服务器,以便服务器根据物体形状参数和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果;
第一接收模块,还用于接收服务器发送的第一模拟结果。
可选地,搬运模块603,还用于:
在第一模拟结果表征机器人搬运目标物体能够通过搬运路径的情况下,根据模拟结果确定搬运目标物体的搬运方式;
根据搬运方式,搬运目标物体。
可选地,第一确定模块601,还用于在第一模拟结果表征机器人搬运目标物体不能通过搬运路径的情况下,基于搬运工作任务确定其他路径,其他路径为多条指定路径中除搬运路径以外的路径;
搬运模块603,还用于根据其他路径,搬运目标物体。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种机器人控制装置框图。参照图7,该装置包括第二接收模块701、第二模拟模块702和第二发送模块703。
第二接收模块701,用于接收机器人发送的搬运路径和目标障碍物,搬运路径是根据机器人获取的搬运工作任务确定的,搬运工作任务用于指示机器人搬运目标区域内的目标物体,目标障碍物是根据搬运路径从目标区域中确定出的;
第二模拟模块702,用于根据搬运路径和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果,第一模拟结果用于表征机器人搬运目标物体是否能够通过搬运路径;
第二发送模块703,用于发送第一模拟结果至机器人,以便机器人根据第一模拟结果,搬运目标物体。
可选地,第二接收模块701,还用于接收机器人发送的目标物体的物体形状参数;
第二模拟模块702,还用于根据搬运路径、物体形状参数和目标障碍物,模拟机器人通过搬运路径搬运目标物体,得到第一模拟结果。
可选地,第二接收模块701,还用于接收机器人发送的多条指定路径,目标区域的三维地图信息和机器人的尺寸,指定路径包括机器人在不搬运物体的情况下能够通过的路径;
第二模拟模块702,还用于根据多条指定路径,目标区域的三维地图信息和机器人的尺寸模拟机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,第二模拟结果用于表征机器人在搬运最大搬运限制的物体的情况下是否能够通过指定路径;
机器人控制装置还包括第二确定模块(图中未示出);
第二确定模块,用于根据第二模拟结果,确定多个候选障碍物;
第二发送模块703,还用于发送障碍物指示信息给机器人,障碍物指示信息用于指示多个候选障碍物。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种机器人800的框图。如图8所示,该机器人800可以包括:处理器801,存储器802。该机器人800还可以包括多媒体组件803,输入/输出(I/O)接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该机器人800的整体操作,以完成上述图1所述的机器人控制方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该机器人800的操作,这些数据例如可以包括用于在该机器人800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM),可编程只读存储器(Programmable Read-Only Memory,PROM),只读存储器(Read-Only Memory,ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该机器人800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near Field Communication,NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,机器人800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,ASIC)、数字信号处理器(Digital SignalProcessor,DSP)、数字信号处理设备(Digital Signal Processing Device,DSPD)、可编程逻辑器件(Programmable Logic Device,PLD)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述图1所述的机器人控制方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的机器人控制方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由机器人800的处理器801执行以完成上述图1所述的机器人控制方法。
图9是根据一示例性实施例示出的一种电子设备900的框图。例如,电子设备900可以被提供为一服务器。参照图9,电子设备900包括处理器922,其数量可以为一个或多个,以及存储器932,用于存储可由处理器922执行的计算机程序。存储器932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器922可以被配置为执行该计算机程序,以执行上述图4所述的机器人控制方法。
另外,电子设备900还可以包括电源组件926和通信组件950,该电源组件926可以被配置为执行电子设备900的电源管理,该通信组件950可以被配置为实现电子设备900的通信,例如,有线或无线通信。此外,该电子设备900还可以包括输入/输出(I/O)接口958。电子设备900可以操作基于存储在存储器932的操作系统。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的机器人控制方法的步骤。例如,该非临时性计算机可读存储介质可以为上述包括程序指令的存储器932,上述程序指令可由电子设备900的处理器922执行以完成上述图4所述的机器人控制方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述图4所述的机器人控制方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。

Claims (15)

1.一种机器人控制方法,其特征在于,应用于机器人,所述方法包括:
基于获取的搬运工作任务,确定搬运路径,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体;
根据所述搬运路径,从所述目标区域中确定目标障碍物;
根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;
根据所述第一模拟结果,搬运所述目标物体。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标物体的物体形状参数;
所述根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果包括:
根据所述搬运路径、所述物体形状参数和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到所述第一模拟结果。
3.根据权利要求1所述的方法,其特征在于,所述根据所述搬运路径,从所述目标区域中确定目标障碍物包括:
获取所述目标区域内的多个候选障碍物;
根据所述搬运路径,从所述多个候选障碍物中确定所述目标障碍物。
4.根据权利要求3所述的方法,其特征在于,所述获取所述目标区域内的多个候选障碍物包括:
获取所述目标区域的三维地图信息、所述机器人的尺寸以及所述机器人的最大搬运限制,所述最大搬运限制为所述机器人能够搬运的最大物体的尺寸;
根据所述三维地图信息和所述机器人的尺寸,确定多条指定路径,所述指定路径包括所述机器人在不搬运物体的情况下能够通过的路径;
根据所述多条指定路径,所述三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,以确定所述多个候选障碍物。
5.根据权利要求4所述的方法,其特征在于,所述根据所述多条指定路径,所述三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体包括:
将所述多条指定路径,所述三维地图信息和所述机器人的尺寸发送至服务器,以便所述服务器根据所述多条指定路径,所述三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,并根据所述第二模拟结果,确定所述多个候选障碍物,所述第二模拟结果用于表征所述机器人在搬运最大搬运限制的物体的情况下是否能够通过所述指定路径;
接收所述服务器发送的障碍物指示信息,并根据所述障碍物指示信息确定所述多个候选障碍物,所述障碍物指示信息用于指示所述多个候选障碍物。
6.根据权利要求1所述的方法,其特征在于,所述根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果包括:
将所述搬运路径、所述物体形状参数和所述目标障碍物发送至服务器,以便所述服务器根据所述物体形状参数和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到所述第一模拟结果;
接收所述服务器发送的所述第一模拟结果。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述根据所述第一模拟结果,搬运所述目标物体包括:
在所述第一模拟结果表征所述机器人搬运所述目标物体能够通过所述搬运路径的情况下,根据所述第一模拟结果确定搬运所述目标物体的搬运方式;
根据所述搬运方式,搬运所述目标物体。
8.根据权利要求4所述的方法,其特征在于,所述根据所述第一模拟结果,搬运所述目标物体还包括:
在所述第一模拟结果表征所述机器人搬运所述目标物体不能通过所述搬运路径的情况下,基于所述搬运工作任务确定其他路径,所述其他路径为所述多条指定路径中除所述搬运路径以外的路径;
根据所述其他路径,搬运所述目标物体。
9.一种机器人控制方法,其特征在于,应用于服务器,所述方法包括:
接收机器人发送的搬运路径和目标障碍物,所述搬运路径是根据所述机器人获取的搬运工作任务确定的,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体,所述目标障碍物是根据所述搬运路径从所述目标区域中确定出的;
根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;
发送所述第一模拟结果至所述机器人,以便所述机器人根据所述第一模拟结果,搬运所述目标物体。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
接收所述机器人发送的所述目标物体的物体形状参数;
所述根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果包括:
根据所述搬运路径、所述物体形状参数和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到所述第一模拟结果。
11.根据权利要求9所述的方法,其特征在于,所述方法还包括:
接收所述机器人发送的多条指定路径,目标区域的三维地图信息和机器人的尺寸,所述指定路径包括所述机器人在不搬运物体的情况下能够通过的路径;
根据所述多条指定路径,所述目标区域的三维地图信息和所述机器人的尺寸模拟所述机器人在每条指定路径上搬运最大搬运限制的物体,得到第二模拟结果,所述第二模拟结果用于表征所述机器人在搬运最大搬运限制的物体的情况下是否能够通过所述指定路径;
根据所述第二模拟结果,确定多个候选障碍物;
发送障碍物指示信息给所述机器人,所述障碍物指示信息用于指示所述多个候选障碍物。
12.一种机器人控制装置,其特征在于,包括:
第一确定模块,基于获取的搬运工作任务,确定搬运路径,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体;
所述第一确定模块,还用于根据所述搬运路径,从所述目标区域中确定目标障碍物;
第一模拟模块,用于根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;
搬运模块,用于根据第一模拟结果,搬运所述目标物体。
13.一种机器人控制装置,其特征在于,包括:
第二接收模块,用于接收机器人发送的搬运路径和目标障碍物,所述搬运路径是根据所述机器人获取的搬运工作任务确定的,所述搬运工作任务用于指示所述机器人搬运目标区域内的目标物体,所述目标障碍物是根据所述搬运路径从所述目标区域中确定出的;
第二模拟模块,用于根据所述搬运路径和所述目标障碍物,模拟所述机器人通过所述搬运路径搬运所述目标物体,得到第一模拟结果,所述第一模拟结果用于表征所述机器人搬运所述目标物体是否能够通过所述搬运路径;
第二发送模块,用于发送所述第一模拟结果至所述机器人,以便所述机器人根据所述第一模拟结果,搬运所述目标物体。
14.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1至8中任一项或者9至11中任一项所述方法的步骤。
15.一种机器人,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1至8中任一项所述方法的步骤。
CN202311560233.2A 2023-11-21 2023-11-21 机器人控制方法、装置、存储介质及机器人 Pending CN117773913A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311560233.2A CN117773913A (zh) 2023-11-21 2023-11-21 机器人控制方法、装置、存储介质及机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311560233.2A CN117773913A (zh) 2023-11-21 2023-11-21 机器人控制方法、装置、存储介质及机器人

Publications (1)

Publication Number Publication Date
CN117773913A true CN117773913A (zh) 2024-03-29

Family

ID=90388128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311560233.2A Pending CN117773913A (zh) 2023-11-21 2023-11-21 机器人控制方法、装置、存储介质及机器人

Country Status (1)

Country Link
CN (1) CN117773913A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118155176A (zh) * 2024-05-09 2024-06-07 江苏智搬机器人科技有限公司 一种基于机器视觉的搬运机器人自动控制方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118155176A (zh) * 2024-05-09 2024-06-07 江苏智搬机器人科技有限公司 一种基于机器视觉的搬运机器人自动控制方法及系统

Similar Documents

Publication Publication Date Title
CN110216649B (zh) 机器人作业系统、以及机器人作业系统的控制方法
CN106228302A (zh) 一种用于在目标区域内进行任务调度的方法与设备
CN110198813A (zh) 机器人路径生成装置和机器人系统
WO2017168187A1 (en) Method and system for determining optimal positioning of a plurality of robots in a simulated production environment
US11285607B2 (en) Systems and methods for distributed training and management of AI-powered robots using teleoperation via virtual spaces
CN117773913A (zh) 机器人控制方法、装置、存储介质及机器人
CN111127548B (zh) 抓取位置检测模型训练方法、抓取位置检测方法及装置
CN111604898B (zh) 牲畜寻回方法、机器人、终端设备及存储介质
Holz et al. A skill-based system for object perception and manipulation for automating kitting tasks
WO2020231319A1 (en) Robot cell setup system and process
Pedersen et al. Gesture-based extraction of robot skill parameters for intuitive robot programming
CN110293549B (zh) 机械臂控制方法、装置及神经网络模型训练方法、装置
CN115461199A (zh) 用于自主机器人操作的面向任务的3d重构
Zhang et al. Adaptive fuzzy collaborative task assignment for heterogeneous multirobot systems
CN108873737B (zh) 一种基于m-hstpn模型的自动分拣控制与决策系统
US20230330858A1 (en) Fine-grained industrial robotic assemblies
Schyja et al. Realistic simulation of industrial bin-picking systems
CN113116229A (zh) 机器人控制方法、装置、扫地机器人及存储介质
US20220184808A1 (en) Motion trajectory planning method for robotic manipulator, robotic manipulator and computer-readable storage medium
US20240208069A1 (en) Automatic pick and place system
Tsardoulias et al. Cost-based target selection techniques towards full space exploration and coverage for USAR applications in a priori unknown environments
Kumar et al. Navigational analysis of a humanoid using genetic algorithm with vision assistance
US20240198526A1 (en) Auto-generation of path constraints for grasp stability
CN115249333B (zh) 抓取网络训练方法、系统、电子设备及存储介质
Wang et al. Multi-agent cooperative swarm learning for dynamic layout optimisation of reconfigurable robotic assembly cells based on digital twin

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