JP2021169149A - 分解ベースのアセンブリ計画 - Google Patents
分解ベースのアセンブリ計画 Download PDFInfo
- Publication number
- JP2021169149A JP2021169149A JP2021068937A JP2021068937A JP2021169149A JP 2021169149 A JP2021169149 A JP 2021169149A JP 2021068937 A JP2021068937 A JP 2021068937A JP 2021068937 A JP2021068937 A JP 2021068937A JP 2021169149 A JP2021169149 A JP 2021169149A
- Authority
- JP
- Japan
- Prior art keywords
- waypoint
- arrangement
- local
- proposed
- waypoints
- 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 claims abstract description 111
- 230000008569 process Effects 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 94
- 230000009471 action Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 10
- 229910003460 diamond Inorganic materials 0.000 description 6
- 239000010432 diamond Substances 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 5
- 241000282412 Homo Species 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000014616 translation Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
- B25J9/1666—Avoiding collision or forbidden zones
-
- 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
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1687—Assembly, peg and hole, palletising, straight line, weaving pattern movement
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
【課題】構成要素の組み立て作業のためのロボット動作計画技術の提供。【解決手段】動作計画技術への入力は、組み立てられる構成要素の幾何学モデル、並びに初期配置及び目標配置を含む。方法は、制約が厳しい目標又は最終配置から開始し、制約が緩い初期配置の方向に計画する。ランダムサンプリングされたウェイポイント配置が提案され、続いて実行可能な配置のローカル探索が行われる。これにより、制約が厳しい領域をスライドしつつ、初期配置に向かって経路を延ばすノードが生成される。ローカル探索は、所与のランダムサンプリングされた配置に対して複数回反復可能である。完成経路が見つかると、動作シーケンスがトリミングされ、制約が緩い領域での不要な無関係な動きが排除される。開示の方法は、評価される非生産的な配置の数を劇的に減らし、既知のツリーベースの動作計画方法と比較して、アセンブリの解をはるかに速く見出す。【選択図】図9
Description
(関連出願の相互参照)
本出願は、2020年4月16日に提出された、タイトルを「DISASSEMBLY BASED ASSEMBLY PLANNING」とする米国仮出願第63/010724号の出願日の利益を主張するものである。
本出願は、2020年4月16日に提出された、タイトルを「DISASSEMBLY BASED ASSEMBLY PLANNING」とする米国仮出願第63/010724号の出願日の利益を主張するものである。
本開示は、広くは、産業用ロボット動作計画の分野に関し、より具体的には、厳密に制約された目標配置から始まり、緩く制約された初期配置の方向に計画する、コンポーネントアセンブリ操作のためのロボット動作計画技術に関する。該技術では、ランダムにサンプリングされた配置の後にローカル検索が続き、該ローカル検索は、厳密に制約された領域をスライドしながら、初期配置に向かって経路を拡張するノードを生成する。
産業用ロボットを使用して、製造、組み立て、及び材料移動の操作を幅広く実行することはよく知られている。そのようなアプリケーションの1つは、1つ又は複数のロボットを使用して、個々の構成要素(コンポーネント)を製品に組み立てることである。構成要素の組み立て作業では、2つの部品を適切な相対姿勢で保持するために、スロット内のタブ、穴内のピン、隣接する表面の直接接触等、複数の接触点及び表面を含む、2つの部品の組み立て構成が非常に一般的である。これらの接触点及び表面は、2つの部品が結合されるときに、アセンブリの動きを非常に正確にすることを要する制約を表す。
人間は、上述のやり方で構成要素を組み立てるために、直感とともに視覚と触覚を使用することに長けている。しかしながら、とりわけ費用対効果及び一貫した品質の理由から、そのような反復的なタスクにはロボットを使用することが望ましい。ロボットに適切な組み立てシーケンスを教示するために人間を使用することは、組み立てシーケンスの正確なモーションキャプチャを可能にするために正確な動作検知環境を設定する必要があるため、時間とコストがかかる。さらに、人間による部品の組み立てには、部品を適切な係合状態にするための微小な動きを特徴とする多くの試行錯誤が含まれることが多く、ロボットの動作プログラムでそれらの微小かつ無関係な動きをキャプチャすることは望ましくない。これらの理由から、コンピュータベースのアセンブリ動作計画手法は、人間の教示に代わるものとして評価されてきた。
高速探索ランダムツリー(RRT)法に基づく、コンピュータベースのアセンブリ動作計画のための従来技術の技術が開示されている。RRTは、初期配置から最終配置への経路を見つけるまで、ノードの空間充填ツリーを迅速かつランダムに構築する。組み立てられるべき2つの構成要素の数学モデル(サーフェスモデル又はソリッドモデル)と、それらの初期配置及び最終配置とが相互に関連している場合、RRTを使用してアセンブリモーションシーケンスを見つけることができる。但し、2つの構成要素の目標配置が厳しく制限されているため、部品の正確かつ正しい相対位置及び姿勢を持つ移動シーケンスを定義する経路ウェイポイントをRRTが見つける可能性は非常に低くなる。従って、厳しく制約された構成要素のアセンブリ計画のためのRRTベースの手法は、非効率的であることがわかっている。
他の周知のコンピュータベースのアセンブリ計画システムはルールベースであり、相対的な部品配置の平面及び円筒形の制約等の、幾何学的な制約及びルールを使用する。この種のシステムは、RRTベースの手法よりも効率的であり得るが、潜在的なインターフェイスごとにルールを定義する必要があるため、典型的には単純なパーツジオメトリしか処理できない。
上述の状況に照らして、現実のコンポーネントに典型的な複雑な形状を処理でき、かつ厳しく制約されたコンポーネントのアセンブリ動作を効率的に計画できる、コンポーネントアセンブリ操作のための改良されたロボット動作計画手法が望まれる。
上記方法は、複数のマーカをワークスペース全体に配置することを含み、その結果、2つの隣接するマーカの複数のペアをARデバイスの視野内で見ることができる。この方法はさらに、マーカの全てのペアにおける2つのマーカ間の距離関係を決定することと、マーカの全てのペアにおける2つのマーカ間の距離関係を使用して、非隣接マーカの全てのペア間の距離関係を決定することとを含む。この方法はまた、複数のマーカの1つとワークスペース内のオーグメンテーションとの間の距離関係を識別することと、隣接するマーカと非隣接マーカとの間の距離関係を使用して他のマーカとオーグメンテーションとの間の距離関係を識別することとを含む。一実施形態では、ワークスペースはロボットを含み、オーグメンテーションはロボット上の点である。
開示された装置及び方法の追加の特徴は、添付の図面と併せて、以下の説明及び特許請求の範囲から明らかになるであろう。
局所拘束エスケープ探索を使用する、分解ベース(disassembly-based)のアセンブリ動作計画技術を対象とした本開示の実施形態の以下の説明は、本質的に単なる例示であり、開示された装置及び技術、又はそれらのアプリケーション若しくは使用を制限することを意図するものではない。
人間は、コンポーネント(構成要素)を完成品に組み立てることに長けており、視覚及び触覚を直感とともに使用して、嵌合がタイトで必要な動作が複雑な場合でも、構成要素を組み合わせることができる。しかしながら、費用対効果及び製品の一貫した品質の理由から、そのような反復作業にはロボットを使用し、人間の労働者の退屈で反復的な動きを排除することが望ましい。人間を使って、ロボットに適切な組み立てシーケンス及び動きを教示することは周知である。残念ながら、アセンブリシーケンスの正確なモーションキャプチャを可能にするには正確な動作検知環境を設定する必要があるため、アセンブリモーションの人間による教示には時間とコストがかかる。さらに、人間による部品の組み立てには、部品を適切に係合するための微小な動きを特徴とする多くの試行錯誤が含まれることが多い。これらの微小な試行錯誤の人間の動きをロボットの動作プログラムに含めることは望ましくない。これらの理由から、人間の教育に代わるために、コンピュータベースのアセンブリ動作計画手法が開発された。
図1A、1B、1C及び1Dは、組み立て時の2つの構成要素の図であり、従来のロボット動作計画手法は非常に非効率的であることを示し、改善された動作計画手法の必要性を強調している。多くの製品は、係合する構成要素との適切な嵌合及び位置合わせを確保するために使用される一体型の形状を備えた複数の構成要素で構成される。ピンと穴、タブとスロット、入れ子式の幾何学的形状等のこれらの形状は、構成要素の組み立てが非常に正確なモーションシーケンスに従うことを必要とする。この種の状況は、図1A、1B、1C及び1Dに示されている。
第1の構成要素110は、第2の構成要素120の上に組み立てられる。構成要素110及び120は、図示するようなコンピュータシャーシの2つの部品等、任意の2つの部品であり得る。組み立て中、構成要素120は所定位置に固定され、構成要素110は、構成要素120と嵌合する最終位置に適合するように経路に沿って移動される。構成要素120の固定位置に対する構成要素110の動作経路を見つけることが、動作計画計算の目標である。構成要素110及び120の形状は、既知であるとともに動作計画計算への入力として提供され、典型的には、CADソリッドモデル又はサーフェスモデルの形式で提供される。
図1Aは、組み立て前の初期位置にある構成要素110及び120を示す。図1Dは、組み立てられた後の最終位置にある構成要素110及び120を示す。図1B及び1Cは、組み立て中の中間位置にある構成要素110及び120の2つの異なる図を示し、特定のアプローチ角度を有する経路130に沿った構成要素110の動きを明示する。図1Aは、3次元空間グリッド140を図示し、運動中の構成要素の形状及び配置が共通の固定座標フレームで計算されることを示す。以下の説明を通して、コンポーネントの「配置(configuration)」は、定義された座標フレーム内の構成要素の位置及び姿勢(向き)を意味すると理解されるべきである。つまり、固定された構成要素120に対する構成要素110の配置は、6つの自由度(DOF)、すなわち3つの位置及び3つの回転角度の全てを含み、回転角度は、局所座標フレーム回りのヨー/ピッチ/ロール、オイラー角、又は他の適切な角度方向の規則として定義され得る。
構成要素110及び120は、部品が適切に位置合わせされて互いに確りと適合することを確実にするいくつかの一体的形状を含む。構成要素110の一端のタブ112は、構成要素120のスロット122に嵌合する必要がある。同様に、構成要素120のタブ124は、構成要素110のスロット114に嵌合する必要がある。図1Cにおいて視認可能な構成要素110の他端のタブ116は、構成要素120のスロット126に嵌合する必要がある。
図面から明らかなように、構成要素120への構成要素110の組み立ては、構成要素110を特定の角度に傾けること、少なくとも1つのタブ112がスロット122の1つに係合し始めるように構成要素110を動かすこと、そして構成要素110を前方にスライドさせながら水平方向に戻すように傾けることを含む、正確な動作シーケンスに従う必要がある。この種の正確な6自由度の動作計画は、ロボットに組み立て操作を実行させるという目的のために、既知の動作計画手法には大きな課題があることを示す。
高速探索ランダムツリー(RRT)法に基づく、コンピュータベースのアセンブリ動作計画のための従来技術が開示されている。RRTは、初期配置から最終配置への経路を見つけるまで、ノードの空間充填ツリーを迅速かつランダムに構築する。組み立てられるべき2つの構成要素の数学モデル(サーフェスモデル又はソリッドモデル)と、それらの初期配置及び最終配置とが相互に関連している場合、RRTを使用してアセンブリモーションシーケンスを見つけることができる。RRT動作計画の各ノードは、有効又は実行可能なウェイポイントとして含まれるために、衝突がないことを評価されかつ決定される必要がある。但し、2つの構成要素のターゲット配置(目標配置)が厳しく制限されているため、部品の正確かつ正しい相対位置及び姿勢を持つ移動シーケンスを定義する経路ウェイポイントをRRTが見つける可能性は非常に低くなる。従って、厳しく制約された構成要素のアセンブリ計画のためのRRTベースの手法は、非効率的であることが判っている。
他の周知のコンピュータベースのアセンブリ計画システムはルールベースであり、相対的な部品構成の平面及び円筒形の制約等の、幾何学的な制約及びルールを使用する。この種のシステムは、RRTベースの手法よりも効率的であり得るが、潜在的なインターフェイスごとにルールを定義する必要があるため、典型的には単純なパーツジオメトリしか処理できない。
周知のRRTベースの動作計画技術の課題と、本開示の技術の利点とをより直感的に説明するために、以下のいくつかの図を使用して、動作計画及び制約遵守についてのいくつかの重要な概念を2次元で説明する。
図2は、スロット内へのボールの単純な組み立ての2次元図であり、初期配置の緩く拘束された性質と、構成要素の組み立て操作で一般的に見られるような目標配置の厳しく拘束された性質とを示す。ボール210は、左上に初期配置210Aで示され、下部中央に目標配置210Bで示されている。目標配置210Bでは、ボール210は、構造体230のスロット220内に配置されている。ボール210は、非常に小さなクリアランスでスロット220内に収まる。
ワークスペース240(グリッド全体)は、ボール210が構造体230に対して移動できる配置空間として定義される。初期配置210Aの近傍及びスロット220の上方の他の場所では、ワークスペース240は、緩く拘束された領域250によって特徴付けられる。領域250では、ボール210は構造体230と干渉することなく自由に動くことができる。対照的に、目標配置210Bの近傍及びスロット220近傍の他の場所では、ワークスペース240は、厳しく制約された領域260によって特徴付けられる。領域260では、ボール210は、構造体230との干渉を回避するために、スロット220のほぼ完全に中央に配置される必要がある。図2におけるボール210のファントム(点で描画した)画像は、厳しく制約された領域260内のボール210の唯一の実行可能な位置を示す。
図3は、図2のボール及びスロットのアセンブリ配置の図であり、当技術分野で周知の技術に従えば、ランダムツリー動作計画方法によって厳しく制約された領域への経路を見出すことは難しい。図3は、図2と同じワークスペース240を示す。ここではボール210の動きとワークスペース240とが2次元で幾何学的にマッピングされるように、水平軸310及び垂直軸320が含まれている。
従来のRRT動作計画ルーチンは、初期配置210Aから始めて、目標配置210Bへの経路を見つけようとする。当業者によって理解されるように、RRTは、配置空間内のランダムなウェイポイントを選択し、実行可能性(すなわち、構造体230と衝突しないこと)について各ポイントを評価する。実行可能なウェイポイントは、ツリー330内のノードとして保存され、各ノードからブランチが成長するが、そのブランチは実行不可能なウェイポイントが評価されると終端する。
図3では、ツリー330が成長して、制約が緩い領域250を完全に満たすことが判る。しかし多くの反復の後、RRT技術は、初期配置210Aから目標配置210Bへの経路を見つけることができなかった。目標配置210Bへの経路を見つけるためには、ツリー330上のノードは、制約が緩い領域250内でスロット中心線340に正確に到達しなければならず、次いで、制約が厳しい領域260内でスロット中心線340上のウェイポイントが試行されなければならない。ツリー330の急速な成長があっても、個々のブランチがスロット220に入る可能性は非常に低いので、RRT動作計画技術は非常に遅い。
上述のRRT技術の非効率性に照らして、現実の構成要素に典型的な複雑な形状を処理できかつ、厳しく制約された構成要素のためのアセンブリ動作を効率的に計画できる、構成要素組み立て操作のための改良されたロボット動作計画技術が望まれる。
図4は、図2〜図3のボール及びスロットのアセンブリ配置の図であり、本開示の一実施形態に従えば、動作計画は、目標配置210Bで始まり、ランダムに選択されたウェイポイント配置が選択され、複数のローカルサンプルが定義される。図3に示すRRTベースの方法と比較して、本開示の技術は、一連のウェイポイントを構築する際に評価される非生産的な配置の数を劇的に減らす。動作計画シーケンスの潜在的なウェイポイント配置の各々について衝突回避計算を実行する必要があることを考慮すると、評価される配置の数の劇的な減少により、動作計画プロセスがはるかに効率的になる。
図4(及び以下の図5〜図7)は、同じボール及びスロットのアセンブリ並びに図2〜図3のワークスペース240に関して、本開示の動作計画技術を示す。ボール210は、前述の構造体230内のスロット220とともに、初期配置210A及び目標配置210Bの双方において示されている。本開示の方法では、動作計画シーケンスは、目標配置210Bから始まる。開示された方法は、厳しく制約された領域(ここではスロット220の内部)から開始することにより、(図3に示すRRTベースの従来技術で行われたように)生産的ではない多くの場所でノード及びブランチのツリーが構築されることを回避する。
本方法は、目標配置210Bから開始して、配置空間内のウェイポイント410をランダムに提案する。図4〜図7における配置空間は2次元のワークスペース240であり、ボール210は丸いボールであるためその回転は示されていないが、一般的には配置空間は3次元であり、各配置は6つの自由度(DOF)の全て、つまり3つの並進及び3つの回転で定義される。
ウェイポイント410のランダムな定義に従って、ローカルサンプルのセット420が、提案されたウェイポイント(ここでは目標配置210B)に最も近い既存のウェイポイントの局所的な近傍で評価される。ローカルサンプルのセット420は、量(それらのうちの16個が図4に示されている)の観点と、既存のウェイポイント(配置210B)からの配置空間内の距離の観点とから構成可能である。一般的な3次元の場合の配置空間内の最大距離には、最大並進距離(ワークスペース240のサイズの10%等)と、最大回転角度(10°等)とが含まれる。ローカルサンプルの配置空間におけるこれらの最大範囲は単なる例示であり、任意の適切な値に設定可能である。セット420内の配置は、ローカル配置空間の最大範囲の制約内でランダムに定義される。次に、ローカルサンプルのセット420内の各配置が評価されて、衝突がないという要件を満たしているか否かが判断される。本着想は、厳しく制約された領域から開始し、近距離で多くのローカルサンプルを評価することにより、1つ以上の実行可能な(衝突のない)配置を見出し、実行可能な配置を使用して動作計画を作成する可能性を高くするものである。
図5は、図4のボール及びスロットのアセンブリ配置の図であり、本開示の一実施形態によれば、どのサンプルが衝突がなくかつランダムに選択された配置に最も近いかを識別するために、ローカルサンプル配置が評価される。図5は、開示された方法の次のステップを示しており、該ステップでは、ローカルサンプルのセット420内の各配置を評価し、衝突がある(すなわち実行不可能である)セット420内の配置のいずれをも排除し、次に、提案されたウェイポイント(提案ウェイポイント)410に最も近い実行可能な配置を選択する。
セット420内の配置のサブセット510は、ボール210がスロット220の左側で構造体230に干渉するため、実行不可能である。同様に、セット420内の配置のサブセット520は、ボール210がスロット220の右側で構造体230に干渉するため、実行不可能である。セット420内の残りの配置のうち、配置点530は、配置空間において提案ウェイポイント410に最も近いものとして識別される。故に配置点530は、動作計画において確認済のウェイポイントとなる。図5の2次元空間では、「最も近い」の意味は、単に平面内における最小距離である。現実の部品の3次元配置空間では、並進距離(x/y/z座標での差の二乗和の平方根)と、回転「距離」(方向角の差の二乗和の平方根等)と、適切な重み係数とを含む定義済みの計算式を使用して、最も近い点を特定することができる。
図6は、図4〜図5のボール及びスロットのアセンブリ配置を示し、本開示の一実施形態によれば、以前に選択した同じランダム配置に対する追加のローカルサンプル配置が評価され、その結果、計画された経路を厳しく制限された領域から徐々に移動させるウェイポイントが得られる。図6は、開示された方法の次のステップを示しており、該ステップでは、図4〜図5に示すようにローカルサンプルの評価を繰り返すが、該ローカルサンプルは、提案ウェイポイントに最も近い既存のウェイポイント(ここではポイント530)の周囲に定義される。故に、ローカルサンプルの新しいセット(例えば前述のように16個(視覚的な明瞭さを維持するために図示せず))がポイント530の周りに定義され、ローカルサンプルの該新しいセットから1つのポイントが選択される。該ポイントは実行可能(衝突なし)でありかつ、前述と同じ提案ウェイポイント410に最も近い。これにより、新しい確認済のウェイポイント610が得られる。
次に、新しい確認済のウェイポイント610の周りにローカルサンプルの新しいセット(例えば前述のように16個)が定義され、ローカルサンプルの該新しいセットから、実行可能(衝突なし)でかつ、前述と同じ提案ウェイポイント410に最も近い1つのポイントが選択される。これにより、別の新しい確認済のウェイポイント620が得られる。このプロセス(ローカルサンプルのセットを評価し、実行可能でかつ提案ウェイポイントに向かって移動する1つのローカルサンプルを選択する)は、新しい提案ウェイポイントがランダムに定義される前に、同じ提案ウェイポイント410を使用して複数回繰り返すことができる。新しい提案ウェイポイントを定義する前にローカルサンプルが評価される回数は設定可能であり、3、5、10、又は他の数等の値を採り得る。スロット220の中心線からのウェイポイント530、610及び620の距離は、視覚効果のために誇張されている。
一連のローカルサンプルを評価し、提案ウェイポイントに向かって移動する実行可能なサンプルを選択し、提案ウェイポイントについてこれを複数回実行することの背後にある思想は、固定部分(構造体230)の厳しく制約された領域(スロット220)の外に移動部分(ボール210)を「スライド」することである。図6では、ウェイポイント(ポイント530、610及び620)が、スロット220からオープンスペースに向かって移動する方向に蓄積されていることが分かる。この動作計画方法の目的は、厳しく制約された領域260を脱出し、緩く制約された領域250に入ることであり、これにより初期配置210Aに戻る経路を、制約がないために容易に見出すことができる。
ウェイポイント620が動作計画に追加された後、提案ウェイポイント410を置き換えるために、新しいランダムなウェイポイント配置を提案してもよい。新しい提案ウェイポイントは、ワークスペース420の配置空間のどの場所にあってもよい。次に、ウェイポイント620周りのローカルサンプルのセットが定義・評価されて、どのローカルサンプルが実行可能であり、かつ新しい提案ウェイポイントに最も近いかが決定される。
図7は、図4〜図6のボール及びスロットのアセンブリ配置を示し、本開示の一実施形態によれば、ランダムに選択された追加配置及びローカル探索は、厳しく制約された領域を脱出し、初期配置に戻る完全な経路を見出す。上述のやり方で、提案ウェイポイントが定義され、ローカルサンプルの複数のセットが評価され、このプロセスが複数回繰り返されて、目標配置210Bから離れる実行可能な確認されたウェイポイントが蓄積される。このプロセスは、厳しく制約された領域260を脱出する(スロット220を脱出する)ために必要な回数繰り返され、その結果、確認されたウェイポイントのセット710がスロット220を上に移動する。最終的に、ウェイポイント720は、緩く拘束された領域250内で確認される。その後、提案ウェイポイントが定義され、そして緩く拘束された領域250内のどこにでも配置可能でかつ、初期配置210Aに戻る経路を容易に見出せるローカルサンプルが評価される。これは図7の上部に示され、追加のウェイポイント730、732、734及び736に該当する。
図7からわかるように、定義された動作計画では、ボール210が目標配置210Bから、スロット内のポイントのセット710に沿ってポイント720まで上向きに移動し、次にウェイポイント730、732、734及び736を通って、初期配置210Aに戻る。この動作計画は、ボール210を初期配置210Aから目標配置210Bに移動させるという所望の動作を実行するために、逆にする必要がある。さらに、アクションシーケンスから不要な動作を除去することが有利である。例えば、動作シーケンスは、初期配置210Aから緩く拘束された領域250内のウェイポイント720まで、衝突なしで進行できることはすぐに判断でき、それにより、ウェイポイント730〜736を通る無駄な動きが排除される。
ボール210を効率的に初期配置210Aからウェイポイント720に移動させ、次に目標配置210Bに到達するまで、スロット220内のウェイポイントのいくつか(必ずしも全てではない)を通過させるために、最終動作シーケンス740を使用することができる。
図4〜図7の前述の議論は、2次元のボール及びスロットのアセンブリ並びにワークスペース240に関して、本開示の動作計画技術を示した。開示された技術を説明するための2次元の例の使用は、単に明確さと理解のし易さのためであった。図4〜図7において2次元(x及びy位置)で示すウェイポイント及び配置の各々に適用される技術は、3次元及び6自由度(x/y/z位置及び3つの回転角)における、ある3Dコンポーネントの他に対する配置に適用できることを理解されたい。同様に、図4〜図7の単純な衝突回避計算(ボール210が構造体230に干渉するか否か)は、2つの3D幾何学モデル間の最小距離及び衝突回避計算に対応する。これらの技術は、あるコンポーネントを別のコンポーネントと組み立てるための動作シーケンスを計画する効率的かつ効果的な方法を提供する。
図8A、8B及び8Cは、図1A、1B、1C及び1Dに示すように組み立てられる2つの構成要素の図であり、図8Aは、当技術分野で周知のRRT技術による動作計画結果を示し、図8Bは当技術分野で周知のRRT接続技術による動作計画結果を示し、図8Cは本開示の技術による動作計画結果を示す。直接計算(head-to-head computations)では、本開示の技術は、RRT技術又はRRT接続技術のいずれよりもはるかに高速かつ効率的に有効な動作計画を提供した。
図8Aは、初期配置の部品110及び120、並びにRRT方法を使用した部分的な計算結果を示す。RRT方法は、該方法が膨大な数の非生産的なウェイポイントを評価すること、またツリーの各ブランチが、厳しく制約されたアセンブリ領域に到達する可能性は非常に低いことから、最も低速であった。このことは、参照符号810で示すツリーのノード及びブランチによって示されている。
図8Bは、初期配置の部品110及び120、並びにRRT接続方法を使用した部分的な計算結果を示す。RRT接続方法は、初期配置及び目標配置の双方から、それらが接続するまでツリー構築を実行するものであり、RRTよりは効率的であったが、それでも本開示の方法よりははるかに低速であった。このことは、参照符号820で示すツリーのノード及びブランチによって示されている。
図8Cは、部分的に組み立てられた配置における部品110及び120を示す。動作計画830は、本開示の技術によって既に計算されており、ロボットによって実行中であるが、一方でRRT方法及びRRT接続方法はまだ計算中である。これらの図は、本開示の方法よりもアセンブリ動作シーケンスを見出すのにはるかに長い時間を要するRRT方法及びRRT接続方法とともに、上述の実際の直接計算の結果を反映している。
図9は、本開示の一実施形態に係る、厳しく制約された領域を脱出するためのローカル探索を伴う分解ベースのプロセスを使用するロボット構成要素アセンブリ動作計画のための方法のフローチャート図900である。ボックス902において、2つの構成要素の幾何学モデルが、初期配置及び目標配置とともに用意される。上述したように、幾何学モデルは、CADシステムの構成要素のソリッドモデル又はサーフェスモデルであってもよく、初期配置及び目標配置は、共通の固定座標フレーム内の構成要素の位置及び姿勢を定義する。典型的には、構成要素の一方は移動せず、他方の構成要素はその初期配置から、固定された構成要素と組み立てられる目標配置に移動される。このことは、図2〜図7のボールインスロットの例や、図1及び図8のコンピュータシャーシコンポーネントアセンブリの例と整合性が取れている。
ボックス904において、目標配置から始めて、配置空間内にランダムなウェイポイントが提案される。ランダムなウェイポイント並びに他の全てのサンプル及びウェイポイントは、(ロボットによって移動中の)1つの構成要素の、(所定位置に固定された)他の構成要素に対する移動を表す。ボックス906において、ローカルサンプルのセットが、提案ウェイポイント(初期は目標配置)に最も近い既存のウェイポイントの周りに定義される。ローカルサンプルの量と、現在の作業ポイントからの配置空間内の該ローカルサンプルの範囲とは、コンピュータでの方法の実行において定義可能なパラメータである。
ボックス908において、サンプル配置に従って構成要素の幾何学モデルを配置して干渉をチェックすることによって各ローカルサンプルが評価され、各ローカルサンプルに衝突が有るか否かが判定される。ボックス910において、実行可能であり(衝突がない)、かつランダムに提案されたウェイポイントに最も近い、配置空間内に配置されたローカルサンプルの1つが選択される。決定ダイヤモンド912において、ウェイポイント又はローカルサンプルポイントが初期配置と一致する(又はその許容範囲内にある)か否かが判定される。初期配置にてウェイポイントが定義されていない場合、プロセスは決定ダイヤモンド914に進む。
決定ダイヤモンド914において、予め定義されたローカルサンプルループの閾値に達したか否かが判断される。ローカルサンプルループの数に達していない場合、プロセスはボックス906にループバックし、提案ウェイポイントに最も近い既存のウェイポイント(ここではボックス910で選択されたローカルサンプルポイントに相当)の周囲に新たなローカルサンプルのセットが定義される。次に、この新たなローカルサンプルのセットは、実行可能性と、ボックス904で以前に提案されたものと同じウェイポイントに対する近接性とについて評価される。予め定義されたローカルサンプルループの閾値は、最良の結果を達成するために設定可能なパラメータであり、例えば3〜10の範囲の数に設定可能である。
決定ダイヤモンド914においてローカルサンプルループの数に達した場合、プロセスは、新しいランダムなウェイポイントが提案されるボックス904にループバックする。次に、提案ウェイポイントに最も近い既存のウェイポイントの周囲に、新たなローカルサンプルのセットが定義される。ボックス910にて選択された各ローカルサンプルポイントは、ウェイポイントの保存済経路の一部になる。決定ダイヤモンド914からボックス904又は906へのループバックは、ウェイポイントの経路が、ボックス902で提供された初期配置に戻る道筋を見出すまで続く。決定ダイヤモンド912において初期配置に到達すると、プロセスはボックス916に移行する。ボックス916において、動作シーケンスは、無駄な動作を排除するためにトリミングされ、初期配置から目標配置への最終的な動作シーケンスを提供するために反転される(すなわち、最終的な動作シーケンスは構成要素を組み立てる方向であるが、計画の計算は分解の方向で実行される)。プロセスは、終点918で終了する。
ボックス916での動作シーケンスのトリミングは、(障害物との衝突を回避するために必要でない場合に)経路の距離を不必要に増加させる経路ポイントをショートカットすることを含む。また動作シーケンスのトリミングは、図7で説明したように、ポイント間隔が非常に密な領域の経路ポイントの個数を減らすことも含む。そして最終的な動作シーケンスは、ロボット制御装置によって利用可能とされ、それにより1つの構成要素(すなわち部品110)が把持され、最終的な動作シーケンスに沿って動かされて、他の構成要素(すなわち、部品120)と組み立てられる。フローチャート図900の計算ステップは、任意の適切なコンピュータ/プロセッサで実行可能であり、最終的な動作シーケンスは、実行のためにロボット制御装置に提供される。或いは、フローチャート図900の計算ステップは、ロボット制御装置自体で実行されてもよい。
ある構成要素を他の構成要素に対して動かすための最終的な動作シーケンスは、単なる一連のポイントではなく、配置空間内の一連の3つの位置及び3つの姿勢である旨を覚えておくことが重要である。つまり、上述した各ウェイポイント、ランダムサンプル、及び保存済ポイントは、ワークスペース座標フレーム内での可動部の完全な6自由度配置(ポーズ)である。組み立てを行うロボットは、動作シーケンスの各シーケンシャル配置に適合するために必要な並進及び回転によって可動部を操作する。
これまでの説明を通じて、様々なコンピュータ及び制御装置が記載され暗示された。これらのコンピュータ及び制御装置のソフトウェアアプリケーション及びモジュールは、プロセッサ及びメモリモジュールを有する1つ又は複数のコンピューティングデバイスで実行されることを理解されたい。特に、これには、上述したロボット制御装置及び他のコンピュータ(使用されている場合)の各々のプロセッサが含まれる。具体的には、制御装置及び/又は他のコンピュータのプロセッサは、上述の開示全体を通して説明・図示された方法で局所制約回避探索を使用して、分解ベースのアセンブリ動作計画技術を実行するように構成される。
上で概説したように、局所的な制約回避探索を使用する分解ベースのアセンブリ動作計画のための開示技術は、従来技術の方法に勝る重要な利点を提供する。目標配置から開始し、ローカル探索ループを使用して、厳しく制約された領域を回避することにより、開示技術は、従来技術のRRTベースのアセンブリ動作計画技術よりもはるかに高速かつ効率的であるとともに、従来技術に係るルールベースのアセンブリ動作計画技術とは異なり、構成要素の複雑な形状にも適用可能である。
局所的な制約回避探索を使用した分解ベースのアセンブリ動作計画技術の複数の例示的態様及び実施形態が説明されたが、当業者は、それらの修正、並べ替え、追加及びサブコンビネーションを認識するであろう。従って、添付の特許請求の範囲及び請求項は、それらの真の精神及び範囲内にあるそのような修正、並べ替え、追加及びサブコンビネーションの全てを含むと解釈すべきである。
Claims (20)
- ロボットを用いた構成要素のアセンブリ動作を計画する方法であって、
組み立てられるべき第1及び第2の構成要素の幾何学モデル、並びに前記第2の構成要素に対する前記第1の構成要素の初期配置及び目標配置を用意することと、
前記目標配置を、第1の保存済ウェイポイントとして定義することと、
配置空間内の提案ウェイポイントをランダムに選択することと、
前記提案ウェイポイントに最も近い保存済ウェイポイントの周囲にローカルサンプル配置のセットを定義することと、
前記ローカルサンプル配置の各々を評価して、衝突がなくかつ前記提案ウェイポイントに最も近い、前記配置空間内の1つのローカルサンプル配置を識別し、識別されたローカルサンプル配置を保存済ウェイポイントとして追加することと、
前記初期配置に保存済ウェイポイントが追加されたときに、複数の保存済ウェイポイントを反転して前記アセンブリ動作を提供することと、
所定のローカルサンプルループカウントに達していないときは、ローカルサンプル配置のセットを定義する工程に戻ることと、
提案ウェイポイント配置をランダムに選択する工程に戻ることと、
を含む方法。 - 前記アセンブリ動作の間に構成要素の干渉条件を生じさせることなく排除可能な前記保存済ウェイポイントのいずれかを、前記アセンブリ動作から除去することをさらに含む、請求項1に記載の方法。
- 前記アセンブリ動作をロボット制御装置によって産業用ロボットに提供することと、前記アセンブリ動作を用いて、前記第1及び第2の構成要素を前記ロボットで組み立てることとをさらに含む、請求項1に記載の方法。
- 前記配置空間内の各ウェイポイント及び各サンプル配置は、前記第2の構成要素に対する前記第1の構成要素の3次元位置及び3つの姿勢角を含む、請求項1に記載の方法。
- 前記ローカルサンプル配置は、前記提案ウェイポイントに最も近い保存済ウェイポイントの距離及び回転角度の範囲内にある、請求項1に記載の方法。
- 前記ローカルサンプル配置の各々を評価して、衝突がない1つのローカルサンプル配置を識別することは、前記第1及び第2の構成要素の幾何学モデルの数学的干渉チェックを実行することを含む、請求項1に記載の方法。
- 前記ローカルサンプル配置の各々を評価して、前記提案ウェイポイントに最も近い、前記配置空間内の1つのローカルサンプル配置を識別することは、並進差項及び回転差項の加重和を用いることを含む、請求項1に記載の方法。
- 前記並進差項は、前記提案ウェイポイントに対する前記サンプル配置のx、y及びz位置での差の二乗和であり、前記回転差項は、前記提案ウェイポイントに対する前記サンプル配置の複数の角度位置での差の二乗和である、請求項7に記載の方法。
- 前記ローカルサンプル配置のセットのサイズは、10から30のローカルサンプル配置の範囲内である、請求項1に記載の方法。
- 前記所定のローカルサンプルループカウントは、予め定義されており、3から10の範囲内の値を有する、請求項1に記載の方法。
- 前記初期配置に追加される前記保存済ウェイポイントは、前記初期配置の距離及び回転角度の予め定義された範囲内で追加される保存済ウェイポイントを含む、請求項1に記載の方法。
- 前記アセンブリ動作は、前記初期配置から開始して前記目標配置で終了するウェイポイントのシーケンスを含み、各ウェイポイントは、前記第2の構成要素に対する前記第1の構成要素の6自由度配置である、請求項1に記載の方法。
- ロボットを用いた構成要素のアセンブリ動作を計画する方法であって、
初期配置及び目標配置における第1及び第2の構成要素の幾何学モデルを用意することと、
前記目標配置を、第1の保存済ウェイポイントとして定義することと、
ランダムに選択された提案ウェイポイントに最も近い保存済ウェイポイントの周囲のローカルサンプルのセットを評価して、衝突がなくかつ前記提案ウェイポイントに最も近い1つのサンプルを、ウェイポイントとして識別し保存することと、
保存済ウェイポイントが前記初期配置の許容範囲内に配置されるまで、前記ランダムに選択された提案ウェイポイントと同じウェイポイント及び新しいランダムな提案ウェイポイントに対するローカルサンプルの評価を繰り返すことと、
複数の前記保存済ウェイポイントのシーケンスを反転して前記アセンブリ動作を提供することと、
を含む方法。 - 前記アセンブリ動作の間に構成要素の干渉条件を生じさせることなく排除可能な前記保存済ウェイポイントのいずれかを、前記アセンブリ動作から除去することをさらに含む、請求項13に記載の方法。
- 各ウェイポイント及び各サンプル配置は、前記第2の構成要素に対する前記第1の構成要素の3次元位置及び3つの姿勢角を含む、請求項13に記載の方法。
- 前記ローカルサンプルは、前記提案ウェイポイントに最も近い保存済ウェイポイントの距離及び回転角度の予め定義された範囲内にある、請求項13に記載の方法。
- ローカルサンプルのセットを評価して、衝突がない1つのローカルサンプルを識別することは、前記第1及び第2の構成要素の幾何学モデルの数学的干渉チェックを実行することを含む、請求項13に記載の方法。
- ローカルサンプルのセットを評価して、ランダムな提案ウェイポイントに最も近い1つのローカルサンプルを識別することは、並進差項及び回転差項の加重和を用いることを含む、請求項13に記載の方法。
- 前記並進差項は、前記提案ウェイポイントに対する前記サンプルのx、y及びz位置での差の二乗和であり、前記回転差項は、前記提案ウェイポイントに対する前記サンプルの複数の角度位置での差の二乗和である、請求項18に記載の方法。
- 前記アセンブリ動作は、前記初期配置から開始して前記目標配置で終了するウェイポイントのシーケンスを含み、各ウェイポイントは、前記第2の構成要素に対する前記第1の構成要素の6自由度配置である、請求項13に記載の方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063010724P | 2020-04-16 | 2020-04-16 | |
US63/010,724 | 2020-04-16 | ||
US17/226,179 | 2021-04-09 | ||
US17/226,179 US11813756B2 (en) | 2020-04-16 | 2021-04-09 | Disassembly based assembly planning |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021169149A true JP2021169149A (ja) | 2021-10-28 |
Family
ID=77919645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021068937A Pending JP2021169149A (ja) | 2020-04-16 | 2021-04-15 | 分解ベースのアセンブリ計画 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11813756B2 (ja) |
JP (1) | JP2021169149A (ja) |
CN (1) | CN113524168A (ja) |
DE (1) | DE102021109195A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023145309A1 (ja) * | 2022-01-28 | 2023-08-03 | オムロン株式会社 | 動作経路生成装置、方法、及びプログラム |
CN117260735A (zh) * | 2023-11-01 | 2023-12-22 | 广东工业大学 | 一种机器人深框抓取的路径规划方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5452238A (en) | 1989-06-13 | 1995-09-19 | Schlumberger Technology Corporation | Method for solving geometric constraint systems |
JP3689226B2 (ja) * | 1997-03-13 | 2005-08-31 | 富士通株式会社 | 分解経路生成装置 |
US6725184B1 (en) * | 1999-06-30 | 2004-04-20 | Wisconsin Alumni Research Foundation | Assembly and disassembly sequences of components in computerized multicomponent assembly models |
US7974737B2 (en) * | 2006-10-31 | 2011-07-05 | GM Global Technology Operations LLC | Apparatus and method of automated manufacturing |
KR101667031B1 (ko) | 2009-11-02 | 2016-10-17 | 삼성전자 주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
WO2011067621A1 (en) | 2009-12-04 | 2011-06-09 | Toyota Jidosha Kabushiki Kaisha | Robot control system, motion data creation apparatus and its creating method |
KR101732902B1 (ko) * | 2010-12-27 | 2017-05-24 | 삼성전자주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
CN103235862B (zh) | 2013-05-10 | 2016-01-20 | 北京理工大学 | 选择拆卸序列规划方法及装置 |
KR102165437B1 (ko) | 2014-05-02 | 2020-10-14 | 한화디펜스 주식회사 | 이동 로봇의 경로 계획 장치 |
DE102015204641B4 (de) | 2014-06-03 | 2021-03-25 | ArtiMinds Robotics GmbH | Verfahren und System zur Programmierung eines Roboters |
EP3250347B1 (en) | 2015-01-26 | 2023-11-08 | Duke University | Specialized robot motion planning hardware and methods of making and using same |
DE102016120763B4 (de) | 2016-10-31 | 2019-03-14 | Pilz Gmbh & Co. Kg | Verfahren zur kollisionsfreien Bewegungsplanung |
US11000950B2 (en) | 2018-06-01 | 2021-05-11 | X Development Llc | Robotic motion planning |
CN115004193A (zh) * | 2019-11-15 | 2022-09-02 | 伟摩有限责任公司 | 生成环境数据 |
US11919170B2 (en) * | 2019-12-13 | 2024-03-05 | Edda Technology, Inc. | Fast method for robot path planning with obstacle avoidance |
-
2021
- 2021-04-09 US US17/226,179 patent/US11813756B2/en active Active
- 2021-04-13 DE DE102021109195.0A patent/DE102021109195A1/de active Pending
- 2021-04-15 CN CN202110404781.0A patent/CN113524168A/zh active Pending
- 2021-04-15 JP JP2021068937A patent/JP2021169149A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023145309A1 (ja) * | 2022-01-28 | 2023-08-03 | オムロン株式会社 | 動作経路生成装置、方法、及びプログラム |
CN117260735A (zh) * | 2023-11-01 | 2023-12-22 | 广东工业大学 | 一种机器人深框抓取的路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113524168A (zh) | 2021-10-22 |
US11813756B2 (en) | 2023-11-14 |
DE102021109195A1 (de) | 2021-10-21 |
US20210323154A1 (en) | 2021-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Makhal et al. | Reuleaux: Robot base placement by reachability analysis | |
CN109960880B (zh) | 一种基于机器学习的工业机器人避障路径规划方法 | |
Ananthanarayanan et al. | Real-time Inverse Kinematics of (2n+ 1) DOF hyper-redundant manipulator arm via a combined numerical and analytical approach | |
Alatartsev et al. | Robotic task sequencing problem: A survey | |
Ostanin et al. | Human-robot interaction for robotic manipulator programming in Mixed Reality | |
Baizid et al. | IRoSim: Industrial Robotics Simulation Design Planning and Optimization platform based on CAD and knowledgeware technologies | |
Kaltsoukalas et al. | On generating the motion of industrial robot manipulators | |
Bagnell et al. | An integrated system for autonomous robotics manipulation | |
US20180036882A1 (en) | Layout setting method and layout setting apparatus | |
Kohrt et al. | An online robot trajectory planning and programming support system for industrial use | |
Thomas et al. | Assembly planning and task planning—two prerequisites for automated robot programming | |
JP2021169149A (ja) | 分解ベースのアセンブリ計画 | |
Rout et al. | Optimal design of manipulator parameter using evolutionary optimization techniques | |
Chen et al. | Integrating combined task and motion planning with compliant control: Successfully conducting planned dual-arm assembly motion using compliant peg-in-hole control | |
Zacharias et al. | Using a model of the reachable workspace to position mobile manipulators for 3-d trajectories | |
CN113442129A (zh) | 用于确定工作空间的传感器布置的方法和系统 | |
Wong et al. | A novel clustering-based algorithm for solving spatially constrained robotic task sequencing problems | |
Ronzhin et al. | Automatic control of robotic swarm during convex shape generation | |
Vahrenkamp et al. | Planning multi-robot grasping motions | |
Ananthanarayanan et al. | A fast converging optimal technique applied to path planning of hyper-redundant manipulators | |
Wojtynek et al. | Assisted planning and setup of collaborative robot applications in modular production systems | |
JP2023084115A (ja) | 点集合の干渉チェック | |
Abu-Dakka et al. | Evolutionary path planning algorithm for industrial robots | |
Pedrosa et al. | A skill-based architecture for pick and place manipulation tasks | |
Baizid et al. | Industrial robotics platform for simulation design, planning and optimization based on off-line CAD programming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240306 |