CN117798936A - 机械臂集群的控制方法、装置、电子设备及存储介质 - Google Patents
机械臂集群的控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117798936A CN117798936A CN202410224842.9A CN202410224842A CN117798936A CN 117798936 A CN117798936 A CN 117798936A CN 202410224842 A CN202410224842 A CN 202410224842A CN 117798936 A CN117798936 A CN 117798936A
- Authority
- CN
- China
- Prior art keywords
- assembly
- mechanical arm
- scheme
- information
- cluster
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000004088 simulation Methods 0.000 claims abstract description 113
- 230000006870 function Effects 0.000 claims description 30
- 238000005457 optimization Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本发明公开了一种机械臂集群的控制方法、装置、电子设备及存储介质,涉及工业互联网技术,可应用于工业互联网柔性装配场景,该方法包括:获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;通过将每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序输入至优化控制模型,获得机械臂集群的至少一个运行方案;基于每个机械臂的控制顺序对应的待抓取组件进行仿真,获得每个运行方案对应的仿真结果,根据至少一个仿真结果确定机械臂集群的目标控制方案。通过本方案确定出的目标控制方案对待装配产品进行相关组装操作,能够提高产品组装效率。
Description
技术领域
本发明涉及工业互联网技术领域,尤其涉及一种机械臂集群的控制方法、装置、电子设备及存储介质。
背景技术
随着科技的进步与发展,在产品生产领域使用机械臂进行相关搬运以及组装工作已成为主要生产方式,该种方式可以达到降本增效的有益效果。
一般地,对于组装一件产品而言,需使用多个机械臂进行共同协作,且同一机械臂可能适用于多种相似规格装配组件的抓取,或同一装配组件可被多个机械臂进行抓取。由于机械臂选取时涉及的种类繁多,那么在对产品进行组装时,如何为多个机械臂确定合适的装配组件,且在多个机械臂协作时,如何为每个机械臂确定出较优的控制顺序,以提高产品的组装效率,是亟待解决的重点问题。
发明内容
本发明提供一种机械臂集群的控制方法、装置、电子设备及存储介质,能够改善现有的对机械臂集群进行控制的方案。
第一方面,本发明提供一种机械臂集群的控制方法,包括:获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至优化控制模型,获得所述机械臂集群的至少一个运行方案,所述运行方案包括每个机械臂的待抓取组件和每个所述机械臂的控制顺序;基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个所述运行方案对应的仿真结果,根据至少一个所述仿真结果确定所述机械臂集群的目标控制方案。
可选地,所述获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序,包括:获取所述机械臂集群的第一描述信息,以及所述待装配产品的第二描述信息;所述第一描述信息包括每个机械臂的设备标识和对应的设备信息,所述第二描述信息包括每个装配组件的组件标识和对应的装配信息;基于预设语言模型对所述第一描述信息和所述第二描述信息进行关键字识别,获得每个所述机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序。
可选地,所述将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至优化控制模型,获得所述机械臂集群的至少一个运行方案,包括:将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至所述优化控制模型的装配时间函数中,在所述装配时间最短时,求解装配质量函数和装配序列函数,获得所述机械臂集群的至少一个运行方案。
可选地,所述装配质量函数包括装配朝向因子、装配偏差因子以及装配力矩因子至少一种。
可选地,至少一个所述运行方案基于运行时长顺序排列。
所述基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个所述运行方案对应的仿真结果,根据至少一个所述仿真结果确定所述机械臂集群的目标控制方案,包括:将顺序排列第一的运行方案作为当前仿真方案,基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得仿真结果;判断当前仿真结果是否包含机械臂碰撞;若包含所述机械臂碰撞,则顺序选取下一运行方案作为当前仿真方案,直至当前仿真方案的仿真结果不包括机械臂碰撞为止;若不包含所述机械臂碰撞,则根据当前仿真结果是否满足预设条件确定目标控制方案。
可选地,所述预设条件包括装配质量条件和装配序列条件。
所述根据当前仿真结果是否满足预设条件确定目标控制方案,包括:判断所述装配序列条件和所述装配质量条件是否满足装配规范;若所述装配序列条件和所述装配质量条件满足所述装配规范,则确定当前所述仿真方案为所述目标控制方案;若所述装配序列条件和/或所述装配质量条件不满足所述装配规范,则执行顺序选取下一运行方案作为当前仿真方案,并判断当前仿真结果是否包含机械臂碰撞的操作。
可选地,在当前仿真方案对应的仿真结果包括机械臂碰撞时,还包括:反馈当前仿真方案对应的碰撞信息。
第二方面,本发明提供一种机械臂集群的控制装置,所述装置包括:信息获取模块,用于获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序。
方案输出模块,用于将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至优化控制模型,获得所述机械臂集群的至少一个运行方案,所述运行方案包括每个机械臂的待抓取组件和每个所述机械臂的控制顺序。
仿真优化模块,用于基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个所述运行方案对应的仿真结果,根据至少一个所述仿真结果确定所述机械臂集群的目标控制方案。
第三方面,本发明还提供了一种电子设备,所述电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的机械臂集群的控制方法。
第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的机械臂集群的控制方法。
本发明实施例提供的机械臂集群的控制方案,首先获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;然后通过将每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序输入至优化控制模型,获得机械臂集群的至少一个运行方案,运行方案包括每个机械臂的待抓取组件和每个机械臂的控制顺序;最后基于每个机械臂的控制顺序对应的待抓取组件进行仿真,获得每个运行方案对应的仿真结果,根据至少一个仿真结果确定机械臂集群的目标控制方案。本方案通过优化模型可输出适用于当前待装配产品对应的至少一个机械臂集群的运行方案,并进一步通过对每个运行方案进行自动仿真的方式,可以确定出目标控制方案,通过目标控制方案对待装配产品进行相关组装操作,能够以较优的方式提高产品组装效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的机械臂集群的控制方法的一个流程示意图。
图2是本发明实施例提供的机械臂集群的控制方法的另一流程示意图。
图3是本发明实施例提供的机械臂集群的控制装置的一个结构示意图。
图4是本发明实施例提供的电子设备的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例提供的机械臂集群的控制方法的一个流程示意图,本实施例可适用于在工业互联网柔性装配场景中对机械臂集群中的多个机械臂进行控制的情况,该方法可以由机械臂集群装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于服务器等计算机设备中。具体地,请参考图1,该方法具体可以由如下步骤S110~步骤S130实现。
S110、获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序。
一般地,对于厂区内包含的至少两个机械臂,组装不同产品时所使用的机械臂不同,即组装不同产品时所使用的机械臂数量、机械臂类型以及多个机械臂运行顺序均有所区别。示例性地,组装A产品时所需的机械臂及对应的运行顺序可以为a、b、c、d和e;组装B产品时所需的机械臂及对应的运行顺序可以为a、e、 b和f等,具体组装每个产品所需的机械臂类型、机械臂数量以及机械臂的运行顺序以实际需求为准,在此不做限制。
上述机械臂集群可指示厂区内所有机械臂的集合,也可以指示当前待组装产品需要被使用到的机械臂的集群,具体机械臂集群所包含的内容在此不做限制。其中,机械臂集群中包括至少两个机械臂,一个机械臂对应一个夹爪,夹爪用于对装配组件进行夹取。
其中,在机械臂集群指示厂区内所有机械臂的集合时,本实施例首先要从所有机械臂的集合中确定出适用于本方案待装配产品所需的机械臂,再确定出每个机械臂的待抓取组件以及对每个机械臂的控制顺序等;在机械臂集群指示当前待组装产品有可能被使用到的机械臂的集群时,本实施例需要从需要被使用到的机械臂的集群中确定出每个机械臂的待抓取组件,以及确定出对每个机械臂的控制顺序等。具体机械臂集群的指示范围在此不做限制。
上述每个机械臂的基础设备信息至少包括如下内容:每个机械臂可行到达空间、每个机械臂的最大承载重量、每个机械臂夹取不同物体时的最优速度(最优速度指的是机械臂夹取物体移动时,在机械臂不会因为过度振动而影响物体的加工或装配等情况下的机械臂末端最优速度)、每个机械臂可支持夹取的零部件以及每个机械臂的相对位置关系等。其中,每个机械臂可行到达空间、每个机械臂的最大承载重量、每个机械臂夹取不同物体时的最优速度以及每个机械臂可支持夹取的零部件可在机械臂出厂时确定,每个机械臂的相对位置关系可以为相邻机械臂的位置关系,也可以为每个机械臂的空间位置等,具体每个机械臂的相对位置关系的表示形式在此不做限制。
上述待装配产品中每个装配组件的组件信息至少包括如下内容:组件类型,组件标识,组件重量、组件形状以及组件装配位置等。需要说明的是,当前装配组件可以为组成待装配产品的最小零部件,也可以为对最小零部件进行组装后的产品单元,具体装配组件的类型在此不做限制。
上述每个装配组件对应的装配顺序用于表示在机械臂对组件进行组装时对应的产品形成顺序,如底座优先被装配,其次是中间组件,最后为顶端组件等。
S120、将每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序输入至优化控制模型,获得机械臂集群的至少一个运行方案。
上述优化控制模型可以基于大语言模型(Large Language Model,简称LLM)训练获得。本实施例提供的优化控制模型在训练阶段使用了大规模的无标签文本数据来建立语言模型,并通过预测下一个词的任务来提高模型的语言理解和生成能力。LLM大模型可以应用于多种自然语言处理任务,例如文本生成、机器翻译、情感分析、问答系统等。它可以根据输入的上下文生成连贯、合理的文本内容,也能够回答关于特定主题的问题。
那么,在当前步骤中,通过训练完成的优化控制模型对每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序进行识别,并且在优化控制模型中包含有目标条件和约束函数,则对于输出的每个运行方案,其目标条件可以为机械臂集群中选取的机械臂的运行时间尽可能短,对应的约束函数可以为,满足对产品的质量条件和装配条件的约束,从而进行优化求解,以输出关于机械臂集群的至少一个运行方案。
其中,上述运行方案包括每个机械臂待抓取的组件和每个机械臂的控制顺序。示例性地,对于运行方案A和运行方案B而言,即使方案中使用的机械臂完全相同,但是在每个机械臂的控制顺序不同时,在方案运行结束后对应的运行时长等相关参数也有所区别。那么,经优化模型输出的至少一个运行方案为适用于待装配产品所有可能的产生的运行方案。
S130、基于每个机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个运行方案对应的仿真结果,根据至少一个仿真结果确定机械臂集群的目标控制方案。
经上述步骤S120优化控制模型输出的为较为合理的运行方案,进一步在当前步骤中需对每个运行方案进行仿真,以根据仿真结果确定每个运行方案实施的可行性,若运行方案可行,则可根据当前运行方案为每个机械臂生成对应的控制程序,从而控制每个机械臂基于当前控制程序对待组装产品中的组装配件进行相应的组装操作。
其中,每个运行方案对应的仿真结果至少包括仿真时长和机械臂是否发生碰撞。仿真时长指示在当前运行方案中,基于每个机械臂的控制顺序对对应的待抓取组件进行仿真,从仿真开始到仿真结束时的时长。一般地,为提高机械臂对待组装产品的组装效率,则选取仿真时长最短且机械臂未发生碰撞的运行方案为目标控制方案。若机械臂发生碰撞,表明当前运行方案不可行,需重新对其他运行方案进行仿真。通过本实施例提供的机械臂集群的控制方案,能够基于服务器自动化实现对待组装产品所需多个机械臂的选择、仿真与控制,从而确定出最优的控制方案,以提升机械臂的工作效率。
本实施例提供的机械臂集群的控制方法,首先获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;然后通过将每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序输入至优化控制模型,获得机械臂集群的至少一个运行方案,运行方案包括每个机械臂的待抓取组件和每个机械臂的控制顺序;最后基于每个机械臂的控制顺序对应的待抓取组件进行仿真,获得每个运行方案对应的仿真结果,根据至少一个仿真结果确定机械臂集群的目标控制方案。本方案通过优化模型可输出适用于当前待装配产品对应的至少一个机械臂集群的运行方案,并进一步通过对每个运行方案进行自动仿真的方式,可以确定出目标控制方案,通过目标控制方案对待装配产品进行相关组装操作,能够以较优的方式提高产品组装效率。
图2是本发明实施例提供的机械臂集群的控制方法的另一流程示意图,本实施例与上述实施例之间的关系对上述实施例相应特征的进一步细化。具体地,请参考图2,该方法可以由如下步骤S210~步骤S233实现。
S210、获取机械臂集群的第一描述信息以及待装配产品的第二描述信息。
本实施例提供的机械臂集群的控制方案,在应用时可以通过在计算机设备上集成预设应用程序的方式实现。其中,该预设应用程序具备下述步骤S210~S211的预设语言模型对应的关键字识别功能,也具备下述步骤S220的优化控制模型对应的输出运行方案的功能,还具备下述步骤S230~S233的运行方案仿真功能等。
那么在预设应用程序展示的可视化界面中可以展示第一文本框和第二文本框。其中,第一文本框用于获取关于机械臂集群的第一描述信息,第二文本框用于获取待装配产品的第二描述信息。在本实施例中,第一描述信息包括每个机械臂的设备标识和对应的设备信息;第二描述信息包括每个装配组件的组件标识和对应的装配信息。
其中,上述获取关于机械臂集群的第一描述信息的方式可以为,测试人员向第一文本框中输入每个机械臂的设备标识和对应的设备信息的描述语言;其中,设备标识可以为每个机械臂的身份标识信息、网际协议地址或编码标识等,只要能够根据设备标识匹配到唯一对应的机械臂即可;上述设备信息指示每个设备标识对应的每个机械臂可行到达空间、每个机械臂的最大承载重量、每个机械臂夹取不同物体时的最优速度(最优速度指的是机械臂夹取物体移动时,在机械臂不会因为过度振动而影响物体的加工或装配等情况下的机械臂末端最优速度)、每个机械臂可支持抓取的零部件以及每个机械臂的相对位置关系等,具体设备信息指示的内容在此不做限制。
上述获取待装配产品的第二描述信息的方式可以为,测试人员向第二文本框中输入每个装配组件的组件标识和对应的装配信息。其中,组件标识用于指示当前装备组件类型,装配信息可以包含当前装配组件的装配顺序。其中,描述装配信息的方式可以为,首先搭建A装配组件、其次搭建B装配组件、再搭建C装配组件以及最后搭建D装配组件的方式进行描述;还可以基于阿拉伯数字或英文字母对每个装配组件的实现顺序进行描述,具体描述装配信息的方式在此不做限制。
可选地,为便于下述步骤S211基于预设语言模型对第一描述信息和第二描述信息进行关键字识别,本实施例提供的获取关于机械臂集群的第一描述信息的方式和获取待装配产品的第二描述信息的方式可以为,在预设应用程序中分别包含有关于机械臂设备信息数据库和待装配产品所需装配组件信息库,那么测试人员通过待装配产品的实际信息在对应数据库中进行选择,可根据选择的关键字自动生成关于机械臂集群的第一描述信息以及关于待装配产品的第二描述信息。具体获取机械臂集群的第一描述信息以及待装配产品的第二描述信息的方式在此不做限制。
S211、基于预设语言模型对第一描述信息和第二描述信息进行关键字识别,获得每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序。
上述预设语言模型可以由统计语言模型、神经网络语言模型或者GPT(GenerativePretrained Transformer)模型实现,具体语言模型的使用类型在此不做限制。
S220、将每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序输入至优化控制模型的装配时间函数中,在装配时间最短时,求解装配质量函数和装配序列函数,获得机械臂集群的至少一个运行方案。
优化控制模型在基于每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序输出运行方案时,每个运行方案的目标在于装配时间函数尽可能最短,进一步基于装配质量函数和装配序列函数进行求解。其中,机械臂选择规则指示,在针对多个机械臂选择时,优先选择相邻的机械臂去完成同一套零部件的装配,减少对无效的机械臂应用方案进行整套仿真优化时的时间浪费。
一种优选实施例,本实施例提供的装配质量函数包括装配朝向因子、装配偏差因子以及装配力矩因子至少一种,以便在后续仿真结束时针对结果进行合规性检查。
本实施例提供的运行方案包括每个机械臂的待抓取组件和每个机械臂的控制顺序。
S230、将顺序排列第一的运行方案作为当前仿真方案,基于每个机械臂的控制顺序对对应的待抓取组件进行仿真,获得仿真结果。
对于获得的多个运行方案,可基于运行时长顺序排列,如根据时长递增进行排列,那么顺序排列第一的为运行时长最短的运行方案。该运行时长为优化模型预估的每个方案在实现完成后的运行时长,进一步需对多个运行方案进行依次仿真。
由于在对待装配产品进行装配时,装配目标为提高产品的组装效率,那么需要装配时间最短。可优选选取顺序排列第一的运行方案进行仿真,在仿真软件中驱动每个机械臂按照对应的控制顺序对分配的待抓取组件进行抓取仿真,以模拟真是运行场景。
S231、判断当前仿真结果是否包含机械臂碰撞。
若包含,即是,则执行步骤S232;若不包含,即否,则执行步骤S233。
在整个机械臂运行时,包括多组机械臂装配不同装配组件的问题,由于当某些机械臂运行抓取要考虑到其中的机械臂干涉问题,因此,不是所有的机械臂一起工作,所以要考虑所有机械臂的运行方案,那么在什么样的执行方案下才能使得整个零部件的装配时间最短。通过本实施例提供的方案不仅计算出最优的机械臂的运行方案,还要记录所有可能的机械臂运行方案。在使用仿真软件仿真时,如果使用最优的机械臂运行方案,会发生机械臂的干涉碰撞说明控制顺序不正确,需执行步骤S232。
S232、顺序选取下一运行方案作为当前仿真方案。
进一步重复执行上述步骤S230,直至仿真结果不包含机械臂碰撞为止。
一种优选实施例,在当前仿真方案对应的仿真结果包括机械臂碰撞时,还包括:反馈当前仿真方案对应的碰撞信息。当前碰撞信息可以包括碰撞的机械臂标识和碰撞机械臂待抓取的组件标识,以使得测试人员根据当前碰撞信息明确是否需要进行方案调整的操作。
S233、根据当前仿真结果是否满足预设条件确定目标控制方案。
在当前运行方案的仿真结果满足不含包机械臂碰撞的基础上,进一步还需基于预设条件对当前仿真结果进行评估,以确定出目标控制方案。
一种优选实施例,预设条件包括装配质量条件和装配序列条件。在本实施例提供的机械臂集群的控制方案中,根据当前仿真结果是否满足预设条件确定目标控制方案,包括:判断装配序列条件和装配质量条件是否满足装配规范;若装配序列条件和装配质量条件均满足装配规范,则确定当前仿真方案为目标控制方案;若装配序列条件和/或装配质量条件不满足装配规范,则执行顺序选取下一运行方案作为当前仿真方案,并判断当前仿真结果是否包含机械臂碰撞的操作。
若不满足装配序列条件,则会超出机械臂可达空间或导致机械臂碰撞。装配质量条件用于描述待装配产品被组装完成之后的质量是否符合要求。若装配序列条件和装配质量条件均满足装配规范,则确定当前仿真方案为目标控制方案,可基于当前运行方案对机械臂集群进行实际控制;若装配序列条件和装配质量条件任一不满足装配规范,需对次优运行方案进行仿真,直至仿真结果不包含机械臂碰撞,以及运行方案满足装配质量条件和装配序列条件为止。
本实施例提供一个具体的实现方案,以5个机械臂将20个零件装配成一个整体为例,首先根据实际装配情况,统计机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,确定每个装配组件对应的装配顺序、机械臂的装配序列条件和装配质量条件,在仿真软件中开始运行时,优化控制模型给出机械臂的应用方案,例如,将20个零件装配完需要八步,第一步是选择A机械臂、B机械臂和C机械臂将零件a、b、c、d共四个零件组装成A0,第二步是选择D和E机械臂完成零件e、f、g共3个零件组装成A1,其他步骤类似,直到将所有零件全都装配在一起,则组装完毕。上述即为机械臂的应用方案。进一步使用优化算法,计算每一步的机械臂运行顺序,得到时间最短情况下的机械臂运行顺序,然后进行仿真。最后根据优化控制模型给出的所有可行的机械臂执行方案都进行一遍求优,统计所有执行方案的最佳的仿真时间,得到装配路径最优的机械臂运行方案,以根据最优的机械臂运行方案实现对机械臂集群的控制,完成对待装配产品的组装。
本实施例提供的机械臂集群的控制方法,首先获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;然后通过将每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序输入至优化控制模型,获得机械臂集群的至少一个运行方案,运行方案包括每个机械臂的待抓取组件和每个机械臂的控制顺序;最后基于每个机械臂的控制顺序对应的待抓取组件进行仿真,获得每个运行方案对应的仿真结果,根据至少一个仿真结果确定机械臂集群的目标控制方案。本方案通过优化模型可输出适用于当前待装配产品对应的至少一个机械臂集群的运行方案,并进一步通过对每个运行方案进行自动仿真的方式,可以确定出目标控制方案,通过目标控制方案对待装配产品进行相关组装操作,能够以较优的方式提高产品组装效率。
图3是本发明实施例提供的机械臂集群的控制装置的一个结构示意图,该装置适用于执行本实施例提供的机械臂集群的控制方法。如图3所示,该装置具体可以包括:信息获取模块310、方案输出模块320和仿真优化模块330。
其中,信息获取模块310,用于获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序。
方案输出模块320,用于将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至优化控制模型,获得所述机械臂集群的至少一个运行方案,所述运行方案包括每个机械臂的待抓取组件和每个所述机械臂的控制顺序。
仿真优化模块330,用于基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个所述运行方案对应的仿真结果,根据至少一个所述仿真结果确定所述机械臂集群的目标控制方案。
本发明实施例的机械臂集群的控制装置,首先获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;然后通过将每个机械臂的基础设备信息、每个装配组件的组件信息以及每个装配组件对应的装配顺序输入至优化控制模型,获得机械臂集群的至少一个运行方案,运行方案包括每个机械臂的待抓取组件和每个机械臂的控制顺序;最后基于每个机械臂的控制顺序对应的待抓取组件进行仿真,获得每个运行方案对应的仿真结果,根据至少一个仿真结果确定机械臂集群的目标控制方案。本方案通过优化模型可输出适用于当前待装配产品对应的至少一个机械臂集群的运行方案,并进一步通过对每个运行方案进行自动仿真的方式,可以确定出目标控制方案,通过目标控制方案对待装配产品进行相关组装操作,能够以较优的方式提高产品组装效率。
一实施例中,信息获取模块310包括信息获取单元和信息识别单元。
信息获取单元,用于获取所述机械臂集群的第一描述信息,以及所述待装配产品的第二描述信息;所述第一描述信息包括每个机械臂的设备标识和对应的设备信息,所述第二描述信息包括每个装配组件的组件标识和对应的装配信息。
信息识别单元,用于基于预设语言模型对所述第一描述信息和所述第二描述信息进行关键字识别,获得每个所述机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序。
一实施例中,方案输出模块320,具体用于将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至所述优化控制模型的装配时间函数中,在所述装配时间最短时,求解装配质量函数和装配序列函数,获得所述机械臂集群的至少一个运行方案。
一实施例中,所述装配质量函数包括装配朝向因子、装配偏差因子以及装配力矩因子至少一种。
一实施例中,至少一个所述运行方案基于运行时长顺序排列。
所述仿真优化模块330,具体用于将顺序排列第一的运行方案作为当前仿真方案,基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得仿真结果;判断当前仿真结果是否包含机械臂碰撞;若包含所述机械臂碰撞,则顺序选取下一运行方案作为当前仿真方案,直至当前仿真方案的仿真结果不包括机械臂碰撞为止;若不包含所述机械臂碰撞,则根据当前仿真结果是否满足预设条件确定目标控制方案。
一实施例中,所述仿真优化模块330,具体还用于判断所述装配序列条件和所述装配质量条件是否满足装配规范;若所述装配序列条件和所述装配质量条件满足所述装配规范,则确定当前所述仿真方案为所述目标控制方案;若所述装配序列条件和/或所述装配质量条件不满足所述装配规范,则执行顺序选取下一运行方案作为当前仿真方案,并判断当前仿真结果是否包含机械臂碰撞的操作。
一实施例中,所述仿真优化模块330,具体还用于反馈当前仿真方案对应的碰撞信息。
本领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明还提供了一种电子设备,所述电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的机械臂集群的控制方法。
本发明还提供了一种计算机可读介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的机械臂集群的控制方法。
下面参考图4,图4是本发明实施例提供的电子设备的一个结构示意图,其示出了适于用来实现本发明的电子设备的计算机系统500的结构示意图。图4示出的电子设备仅仅是一个示例,不应对本实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本实施例中所涉及到的模块和/或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块和/或单元也可以设置在处理器中,例如,可以描述为:一种处理器包括信息获取模块、方案输出模块和仿真优化模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至优化控制模型,获得所述机械臂集群的至少一个运行方案,所述运行方案包括每个机械臂的待抓取组件和每个所述机械臂的控制顺序;基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个所述运行方案对应的仿真结果,根据至少一个所述仿真结果确定所述机械臂集群的目标控制方案。
根据本实施例的技术方案,通过优化模型可输出适用于当前待装配产品对应的至少一个机械臂集群的运行方案,并进一步通过对每个运行方案进行自动仿真的方式,可以确定出目标控制方案,通过目标控制方案对待装配产品进行相关组装操作,能够以较优的方式提高产品组装效率。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种机械臂集群的控制方法,其特征在于,包括:
获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;
将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至优化控制模型,获得所述机械臂集群的至少一个运行方案,所述运行方案包括每个机械臂的待抓取组件和每个所述机械臂的控制顺序;
基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个所述运行方案对应的仿真结果,根据至少一个所述仿真结果确定所述机械臂集群的目标控制方案。
2.根据权利要求1所述的机械臂集群的控制方法,其特征在于,所述获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序,包括:
获取所述机械臂集群的第一描述信息,以及所述待装配产品的第二描述信息;所述第一描述信息包括每个机械臂的设备标识和对应的设备信息,所述第二描述信息包括每个装配组件的组件标识和对应的装配信息;
基于预设语言模型对所述第一描述信息和所述第二描述信息进行关键字识别,获得每个所述机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序。
3.根据权利要求1所述的机械臂集群的控制方法,其特征在于,所述将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至优化控制模型,获得所述机械臂集群的至少一个运行方案,包括:
将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至所述优化控制模型的装配时间函数中,在所述装配时间最短时,求解装配质量函数和装配序列函数,获得所述机械臂集群的至少一个运行方案。
4.根据权利要求3所述的机械臂集群的控制方法,其特征在于,所述装配质量函数包括装配朝向因子、装配偏差因子以及装配力矩因子至少一种。
5.根据权利要求1所述的机械臂集群的控制方法,其特征在于,至少一个所述运行方案基于运行时长顺序排列;
所述基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个所述运行方案对应的仿真结果,根据至少一个所述仿真结果确定所述机械臂集群的目标控制方案,包括:
将顺序排列第一的运行方案作为当前仿真方案,基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得仿真结果;
判断当前仿真结果是否包含机械臂碰撞;
若包含所述机械臂碰撞,则顺序选取下一运行方案作为当前仿真方案,直至当前仿真方案的仿真结果不包括机械臂碰撞为止;
若不包含所述机械臂碰撞,则根据当前仿真结果是否满足预设条件确定目标控制方案。
6.根据权利要求5所述的机械臂集群的控制方法,其特征在于,所述预设条件包括装配质量条件和装配序列条件;
所述根据当前仿真结果是否满足预设条件确定目标控制方案,包括:
判断所述装配序列条件和所述装配质量条件是否满足装配规范;
若所述装配序列条件和所述装配质量条件满足所述装配规范,则确定当前所述仿真方案为所述目标控制方案;
若所述装配序列条件和/或所述装配质量条件不满足所述装配规范,则执行顺序选取下一运行方案作为当前仿真方案,并判断当前仿真结果是否包含机械臂碰撞的操作。
7.根据权利要求5所述的机械臂集群的控制方法,其特征在于,在当前仿真方案对应的仿真结果包括机械臂碰撞时,还包括:
反馈当前仿真方案对应的碰撞信息。
8.一种机械臂集群的控制装置,其特征在于,包括:
信息获取模块,用于获取机械臂集群中每个机械臂的基础设备信息、待装配产品中每个装配组件的组件信息,以及每个装配组件对应的装配顺序;
方案输出模块,用于将每个所述机械臂的基础设备信息、每个所述装配组件的组件信息以及每个所述装配组件对应的装配顺序输入至优化控制模型,获得所述机械臂集群的至少一个运行方案,所述运行方案包括每个机械臂的待抓取组件和每个所述机械臂的控制顺序;
仿真优化模块,用于基于每个所述机械臂的控制顺序对对应的待抓取组件进行仿真,获得每个所述运行方案对应的仿真结果,根据至少一个所述仿真结果确定所述机械臂集群的目标控制方案。
9.一种电子设备,其特征在于,所述电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的机械臂集群的控制方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的机械臂集群的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410224842.9A CN117798936A (zh) | 2024-02-29 | 2024-02-29 | 机械臂集群的控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410224842.9A CN117798936A (zh) | 2024-02-29 | 2024-02-29 | 机械臂集群的控制方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117798936A true CN117798936A (zh) | 2024-04-02 |
Family
ID=90431923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410224842.9A Pending CN117798936A (zh) | 2024-02-29 | 2024-02-29 | 机械臂集群的控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117798936A (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009014357A (ja) * | 2007-06-29 | 2009-01-22 | Kanto Auto Works Ltd | 表面検査装置及び表面検査方法 |
WO2015155295A1 (de) * | 2014-04-11 | 2015-10-15 | Kuka Systems Gmbh | Verfahren zum teilautomatisierten fertigen von werkstücken an einem mrk-arbeitsplatz und zugehöriger mrk-arbeitsplatz |
CN109760045A (zh) * | 2018-12-27 | 2019-05-17 | 西安交通大学 | 一种离线编程轨迹生成方法及基于该方法的双机器人协同装配系统 |
CN110355762A (zh) * | 2019-07-22 | 2019-10-22 | 广州川也汽车装备有限公司 | 一种双机器人加工工作站 |
US20200405417A1 (en) * | 2019-06-27 | 2020-12-31 | Ethicon Llc | Cooperative operation of robotic arms |
JP2021022306A (ja) * | 2019-07-30 | 2021-02-18 | 日本電産株式会社 | 部品管理システムおよびコンピュータプログラム |
US20210122046A1 (en) * | 2019-10-25 | 2021-04-29 | Dexterity, Inc. | Robotic system simulation engine |
CN113256125A (zh) * | 2021-05-28 | 2021-08-13 | 西安交通大学 | 异构机器人集群任务分配方法、系统、设备及存储介质 |
CN113305845A (zh) * | 2021-06-03 | 2021-08-27 | 广东工业大学 | 一种多机械臂的协作方法 |
WO2022105589A1 (zh) * | 2020-11-20 | 2022-05-27 | 上海连尚网络科技有限公司 | 资源调度方法、装置、电子设备和计算机可读介质 |
CN114888801A (zh) * | 2022-05-16 | 2022-08-12 | 南京邮电大学 | 一种基于离线策略强化学习的机械臂控制方法及系统 |
CN115070749A (zh) * | 2021-03-12 | 2022-09-20 | 腾讯科技(深圳)有限公司 | 控制机器人的方法、装置、设备、系统及可读存储介质 |
CN115648232A (zh) * | 2022-12-30 | 2023-01-31 | 广东隆崎机器人有限公司 | 机械臂控制方法、装置、电子设备及可读存储介质 |
CN116460851A (zh) * | 2023-05-11 | 2023-07-21 | 无锡埃姆维工业控制设备有限公司 | 一种视觉迁移的机械臂装配控制方法 |
CN116673963A (zh) * | 2023-07-13 | 2023-09-01 | 温州大学 | 面向无序断路器零件的双机械臂协作柔性装配系统及方法 |
CN116690588A (zh) * | 2023-08-07 | 2023-09-05 | 南京云创大数据科技股份有限公司 | 多机械臂多任务的目标获取方法、装置、设备及存储介质 |
CN117139949A (zh) * | 2023-10-12 | 2023-12-01 | 中冶赛迪工程技术股份有限公司 | 钢结构件多机器人协同装焊方法、装置、电子设备及介质 |
CN117207186A (zh) * | 2023-09-27 | 2023-12-12 | 东北大学 | 一种基于强化学习的流水线双机械臂协同抓取方法 |
CN117359639A (zh) * | 2023-11-22 | 2024-01-09 | 山东正方智能机器人产业发展有限公司 | 一种机器人集群协作控制方法及系统 |
CN117562674A (zh) * | 2024-01-11 | 2024-02-20 | 科弛医疗科技(北京)有限公司 | 手术机器人及由其执行的方法 |
-
2024
- 2024-02-29 CN CN202410224842.9A patent/CN117798936A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009014357A (ja) * | 2007-06-29 | 2009-01-22 | Kanto Auto Works Ltd | 表面検査装置及び表面検査方法 |
WO2015155295A1 (de) * | 2014-04-11 | 2015-10-15 | Kuka Systems Gmbh | Verfahren zum teilautomatisierten fertigen von werkstücken an einem mrk-arbeitsplatz und zugehöriger mrk-arbeitsplatz |
CN109760045A (zh) * | 2018-12-27 | 2019-05-17 | 西安交通大学 | 一种离线编程轨迹生成方法及基于该方法的双机器人协同装配系统 |
US20200405417A1 (en) * | 2019-06-27 | 2020-12-31 | Ethicon Llc | Cooperative operation of robotic arms |
CN110355762A (zh) * | 2019-07-22 | 2019-10-22 | 广州川也汽车装备有限公司 | 一种双机器人加工工作站 |
JP2021022306A (ja) * | 2019-07-30 | 2021-02-18 | 日本電産株式会社 | 部品管理システムおよびコンピュータプログラム |
US20210122046A1 (en) * | 2019-10-25 | 2021-04-29 | Dexterity, Inc. | Robotic system simulation engine |
WO2022105589A1 (zh) * | 2020-11-20 | 2022-05-27 | 上海连尚网络科技有限公司 | 资源调度方法、装置、电子设备和计算机可读介质 |
CN115070749A (zh) * | 2021-03-12 | 2022-09-20 | 腾讯科技(深圳)有限公司 | 控制机器人的方法、装置、设备、系统及可读存储介质 |
CN113256125A (zh) * | 2021-05-28 | 2021-08-13 | 西安交通大学 | 异构机器人集群任务分配方法、系统、设备及存储介质 |
CN113305845A (zh) * | 2021-06-03 | 2021-08-27 | 广东工业大学 | 一种多机械臂的协作方法 |
CN114888801A (zh) * | 2022-05-16 | 2022-08-12 | 南京邮电大学 | 一种基于离线策略强化学习的机械臂控制方法及系统 |
CN115648232A (zh) * | 2022-12-30 | 2023-01-31 | 广东隆崎机器人有限公司 | 机械臂控制方法、装置、电子设备及可读存储介质 |
CN116460851A (zh) * | 2023-05-11 | 2023-07-21 | 无锡埃姆维工业控制设备有限公司 | 一种视觉迁移的机械臂装配控制方法 |
CN116673963A (zh) * | 2023-07-13 | 2023-09-01 | 温州大学 | 面向无序断路器零件的双机械臂协作柔性装配系统及方法 |
CN116690588A (zh) * | 2023-08-07 | 2023-09-05 | 南京云创大数据科技股份有限公司 | 多机械臂多任务的目标获取方法、装置、设备及存储介质 |
CN117207186A (zh) * | 2023-09-27 | 2023-12-12 | 东北大学 | 一种基于强化学习的流水线双机械臂协同抓取方法 |
CN117139949A (zh) * | 2023-10-12 | 2023-12-01 | 中冶赛迪工程技术股份有限公司 | 钢结构件多机器人协同装焊方法、装置、电子设备及介质 |
CN117359639A (zh) * | 2023-11-22 | 2024-01-09 | 山东正方智能机器人产业发展有限公司 | 一种机器人集群协作控制方法及系统 |
CN117562674A (zh) * | 2024-01-11 | 2024-02-20 | 科弛医疗科技(北京)有限公司 | 手术机器人及由其执行的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378463B (zh) | 一种人工智能模型标准化训练平台及自动化系统 | |
US20220121183A1 (en) | Method and Apparatus for Simulating the Machining on a Machine Tool Using a Self-learning System | |
CN109993299A (zh) | 数据训练方法及装置、存储介质、电子装置 | |
CN111651207B (zh) | 一种神经网络模型运算芯片、方法、装置、设备及介质 | |
CN109992407A (zh) | 一种yarn集群gpu资源调度方法、装置和介质 | |
CN107838922B (zh) | 一种机器人免重复示教的方法 | |
CN109732597A (zh) | 一种基于机器人的远程调试方法、装置及控制器 | |
CN110705690A (zh) | 基于生成模型和元学习优化方法的连续学习方法及系统 | |
CN116127899A (zh) | 芯片设计系统、方法、电子设备和存储介质 | |
CN109822549A (zh) | 一种机器人编程方法、装置及控制器 | |
CN112417122A (zh) | 多轮问答方法及装置、计算机可读存储介质、电子设备 | |
US5781454A (en) | Process modeling technique | |
CN110209565A (zh) | 一种元数据模型调试方法及其装置 | |
CN113033806A (zh) | 一种训练深度强化学习模型的方法、装置以及调度方法 | |
CN117798936A (zh) | 机械臂集群的控制方法、装置、电子设备及存储介质 | |
Mueller et al. | Automatic generation of simulation models for semiconductor manufacturing | |
CN117235527A (zh) | 端到端容器化的大数据模型构建方法、装置、设备及介质 | |
CN112463334A (zh) | 一种训练任务排队原因分析方法、系统、设备以及介质 | |
Yang et al. | Verification of intelligent scheduling based on deep reinforcement learning for distributed workshops via discrete event simulation. | |
CN110187829A (zh) | 一种数据处理方法、装置、系统及电子设备 | |
CN114493360A (zh) | 基于rpa和ai的流程创意评估方法、装置、设备及介质 | |
US20160357879A1 (en) | Method and apparatus for checking the buildability of a virtual prototype | |
CN116757254B (zh) | 任务处理方法、电子设备及存储介质 | |
GB2195479A (en) | Planning support method and system | |
CN115033997B (zh) | 基于ar的建筑施工设计系统 |
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 |