机器人装配方法、装置、非易失性存储介质和计算机设备与流程

本发明涉及机器人，具体而言，涉及一种机器人装配方法、装置、非易失性存储介质和计算机设备。

背景技术：

1、自动化装配系统在电子、汽车、航空航天等高精度制造领域发挥着至关重要的作用。传统的工业装配系统多依赖于人工示教或基于规则的编程方式，由工程师根据产品设计图纸手动规划装配路径、设定抓取姿态、配置夹具与机器人动作序列。近年来，部分先进系统尝试引入离线编程（olp）与数字孪生技术，结合三维建模软件（如cad）进行装配仿真与路径预演，以提升自动化程度。

2、当前，自动化装配规划的技术方案，在面对多零件、双臂协同、复杂几何结构的实际工业装配任务时，仍存在以下显著缺陷：

3、长时序装配规划能力弱：多零件装配涉及复杂的先后依赖关系、握持切换与路径避障。传统规划方法在组合爆炸下难以高效求解，尤其在双臂协同、交替握持等复杂工况中，难以在合理时间内生成可行且高效的装配序列。

4、接触阶段鲁棒性差：在插入、卡扣等高接触力操作中，微小的几何误差、材料形变或定位偏差极易导致装配失败。纯规划方法缺乏实时纠偏能力，而端到端学习方法又难以覆盖长时序的动作组合，导致在接触瞬间容易因控制不稳而失败。

5、泛化能力受限：现有系统对装配方向、抓取姿态及零件几何变化极为敏感。一旦更换产品或调整工艺，通常需要重新设计约束条件、调整参数甚至重新训练模型，导致部署成本高昂，难以满足多品种、小批量生产的柔性需求。

6、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种机器人装配方法、装置、非易失性存储介质和计算机设备，以至少解决由于传统方法依赖人工经验导致装配策略生成效率低、接触阶段缺乏实时纠偏能力导致装配成功率低的技术问题。

2、根据本发明实施例的一个方面，提供了一种机器人装配方法，包括：获取装配体的cad模型，其中，装配体包括多个零件；基于cad模型，提取零件三维网格模型和多个零件的配合关系；根据零件三维网格模型和多个零件的配合关系，构建装配先序关系和仿真环境；基于装配先序关系，枚举可行装配序列，得到多个候选装配序列；基于多个候选装配序列和预设优化目标函数，对多个零件分别采样候选抓取姿态并进行碰撞检测，确定目标装配序列以及多个零件各自对应的目标抓取姿势，其中，预设优化目标函数以装配序列与抓取姿势在预设的多维度指标下评价最优为目标；基于目标装配序列和多个零件各自对应的目标抓取姿势，生成运动轨迹；基于仿真环境，以运动轨迹为基准，采用强化学习算法训练，得到目标强化学习网络，其中，目标强化学习网络用于基于末端位姿输出纠偏残差动作；控制机器人基于运动轨迹移动并在机器人进入装配阶段的情况下，获取机器人的当前末端位姿；将当前末端位姿输入至目标强化学习网络中，得到当前纠偏残差动作；基于当前纠偏残差动作，对机器人的末端进行控制使得机器人装配当前零件。

3、可选地，基于多个候选装配序列和预设优化目标函数，对多个零件分别采样候选抓取姿态并进行碰撞检测，确定目标装配序列以及多个零件各自对应的目标抓取姿势，包括：随机生成多个初始抓取姿态候选集，其中，每个初始抓取姿势候选集中包括多个零件各自对应的一个候选姿势；对多个初始抓取姿态候选集进行碰撞检测并剔除不可行抓取姿态，得到可行抓取姿态集合；基于可行抓取姿态集合，构建装配状态搜索树，其中，节点表征装配状态，装配状态包括已完成装配的零件集合、待装配零件以及对应的抓取姿态；遍历装配状态搜索树中的边，基于预设优化目标函数，对每个边进行评分，得到装配状态搜索树中多个分支各自对应的评分；基于装配状态搜索树中多个分支各自对应的评分，选取累计评分最高的分支路径，确定目标装配序列，其中，分支路径中包括多个边；提取目标装配序列对应的分支路径上每个零件对应的抓取姿态作为多个零件各自对应的目标抓取姿势。

4、可选地，多维度指标包括抓取稳定性指标、操作效率指标和装配可行性指标，其中，抓取稳定性指标用于评估抓取姿态下零件重心的支撑范围及抵抗外力的力矩余量，操作效率指标，用于评估相邻零件抓取姿态之间的切换成本，装配可行性指标，用于评估在抓取姿势及运动轨迹是否与环境障碍物发生干涉。

5、可选地，基于仿真环境，以运动轨迹为基准，采用强化学习算法训练，得到目标强化学习网络，包括：以装配孔的插入方向为z轴正向，以装配孔的中心为原点，设置规范坐标系；基于仿真环境，以运动轨迹为基准，获取训练末端位姿和训练装配位姿；通过空间变换矩阵，将训练末端位姿和训练装配位姿映射至规范坐标系，得到映射后的末端位姿和映射后的装配位姿；将映射后的末端位姿和映射后的装配位姿，输入至初始强化学习网络，输出初始纠偏残差动作；将初始纠偏残差动作与映射后的末端位姿相结合，确定新的末端位姿；通过最小化新的末端位姿和映射后的装配位姿在规范坐标系下的距离作为奖励信号，更新初始强化学习网络的参数，得到目标强化学习网络。

6、可选地，控制机器人基于运动轨迹移动并在机器人进入装配阶段的情况下，获取机器人的当前末端位姿，包括：实时监测机器人末端与当前零件之间的距离；在距离小于预设的距离阈值的情况下，确定机器人进入装配阶段；获取机器人的当前末端位姿。

7、可选地，于当前纠偏残差动作，对机器人的末端进行控制使得机器人进行装配体的装配，包括：确定运动轨迹在当前时刻的基准动作指令；将当前纠偏残差动作叠加至基准动作指令上，得到最终控制指令；基于最终控制指令，控制机器人的末端执行位姿调整；以预设的控制频率，重复执行获取当前末端位姿、输入目标强化学习网络得到当前纠偏残差动作以及得到上述最终控制指令的步骤，直至当前零件装配完成。

8、根据本发明实施例的另一方面，还提供了一种机器人装配装置，包括：获取模块，用于获取装配体的cad模型，其中，装配体包括多个零件；提取模块，用于基于cad模型，提取零件三维网格模型和多个零件的配合关系；构建模块，用于根据零件三维网格模型和多个零件的配合关系，构建装配先序关系和仿真环境；枚举模块，用于基于装配先序关系，枚举可行装配序列，得到多个候选装配序列；确定模块，用于基于多个候选装配序列和预设优化目标函数，对多个零件分别采样候选抓取姿态并进行碰撞检测，确定目标装配序列以及多个零件各自对应的目标抓取姿势，其中，预设优化目标函数以装配序列与抓取姿势在预设的多维度指标下评价最优为目标；生成模块，用于基于目标装配序列和多个零件各自对应的目标抓取姿势，生成运动轨迹；训练模块，用于基于仿真环境，以运动轨迹为基准，采用强化学习算法训练，得到目标强化学习网络，其中，目标强化学习网络用于基于末端位姿输出纠偏残差动作；控制模块，用于控制机器人基于运动轨迹移动并在机器人进入装配阶段的情况下，获取机器人的当前末端位姿；输入模块，用于将当前末端位姿输入至目标强化学习网络中，得到当前纠偏残差动作；装配模块，用于基于当前纠偏残差动作，对机器人的末端进行控制使得机器人装配当前零件。

9、根据本发明实施例的又一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述中任意一项机器人装配方法。

10、根据本发明实施例的再一方面，还提供了一种计算机设备，计算机设备包括处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项机器人装配方法。

11、根据本发明实施例的再一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述中任意一项机器人装配方法。

12、在本发明实施例中，采用机器人装配方法的方式，通过获取装配体的cad模型，其中，装配体包括多个零件；基于cad模型，提取零件三维网格模型和多个零件的配合关系；根据零件三维网格模型和多个零件的配合关系，构建装配先序关系和仿真环境；基于装配先序关系，枚举可行装配序列，得到多个候选装配序列；基于多个候选装配序列和预设优化目标函数，对多个零件分别采样候选抓取姿态并进行碰撞检测，确定目标装配序列以及多个零件各自对应的目标抓取姿势，其中，预设优化目标函数以装配序列与抓取姿势在预设的多维度指标下评价最优为目标；基于目标装配序列和多个零件各自对应的目标抓取姿势，生成运动轨迹；基于仿真环境，以运动轨迹为基准，采用强化学习算法训练，得到目标强化学习网络，其中，目标强化学习网络用于基于末端位姿输出纠偏残差动作；控制机器人基于运动轨迹移动并在机器人进入装配阶段的情况下，获取机器人的当前末端位姿；将当前末端位姿输入至目标强化学习网络中，得到当前纠偏残差动作；基于当前纠偏残差动作，对机器人的末端进行控制使得机器人装配当前零件，达到了通过cad模型自动解析生成装配先序关系与抓取姿态，并利用强化学习在接触阶段输出规划轨迹的残差纠偏量的目的，从而实现了提高装配效率和成功率的技术效果，进而解决了由于传统方法依赖人工经验导致装配策略生成效率低、接触阶段缺乏实时纠偏能力导致装配成功率低的技术问题。