用于机器人优化动作规划的初始参考生成的制作方法

1.本公开涉及工业机器人动作控制领域，并且更具体地涉及一种机器人优化动作规划技术，其通过选择具有与新路径类似的开始点和目标点以及避撞约束的先前计算的路径，并且基于新路径的开始点和目标点相对于先前计算的路径之间的差异而修改沿着该先前计算的路径的点位置，来创建用于新路径的迭代优化计算的初始参考路径。


背景技术：

2.使用工业机器人来执行各种各样的制造、组装和材料移动操作是众所周知的。在一些机器人应用中，开始和/或目标点位置对于每个机器人任务都改变。例如，当机器人的任务是从入站传送机拾取部件并将部件放置在装运集装箱中的开放位置中时，就是这种情况。在这些应用中，必须为每个任务实时计算新的机器人动作路径。此外，在许多机器人工作空间环境中，障碍物存在并且可能位于机器人动作的路径中。障碍物可以是永久性结构，例如机器和固定装置，或者障碍物可以是临时的或可移动的。必须绝对避免机器人和任何障碍物之间的碰撞。
3.一种用于机器人动作规划的技术包括基于开始/目标点、避撞约束和其他约束来对优化问题建模，将初始参考路径限定为优化计算的第一次迭代，并且运行优化计算直到其收敛到预定标准。用于限定初始参考路径的最常见的现有技术是简单地限定从新路径的开始点到目标点的直线路径。然而，由于避撞约束和与机器人动作限制有关的可能的其它约束，新路径的最终收敛解通常与初始直线路径大不相同。
4.用于对机器人优化动作规划进行建模的现有技术的问题在于，由于与初始直线路径的显著差异，需要多次迭代来计算新路径的最终收敛解。如果需要多次迭代以达到收敛解，则动作规划计算花费太长时间，以至于在机器人操作时必须实时执行计算的环境中不实用。
5.鉴于上述情况，需要使用精确的初始参考路径以便快速收敛于解的机器人动作规划优化技术。


技术实现要素：

6.根据本公开的教导，公开了一种使用精确的初始参考路径的机器人优化动作规划技术。当要使用动作优化来计算新路径时，从存储器中选择候选参考路径，该候选参考路径先前被计算并且具有与新路径相似的开始点和目标点以及避撞环境约束。考虑新路径的开始点和目标点与先前计算的路径的开始点和目标点相比之间的差异，在沿其长度的所有状态点处调整候选参考路径，以创建初始参考路径。然后，将已调整为适合开始点和目标点的初始参考路径用作动作优化计算的开始状态。通过使用与最终收敛的新路径相似的初始参考路径，优化计算比如果使用朴素初始参考路径收敛得更快。
7.结合附图，根据以下描述和所附权利要求，当前公开的装置和方法的附加特征将变得显而易见。
附图说明
8.图1是执行拾取、移动和放置操作的工业机器人的示意图，其中必须为每个被移动的工件计算新的路径，并且工作空间环境包括一个或多个要被避开的障碍物；
9.图2是根据本公开的实施例的使用精确的初始参考路径来在图1的场景中进行机器人优化动作规划的方法的流程图；
10.图3a、3b和3c是根据本公开的实施例的用于基于新路径的开始点和目标点修改先前计算的路径以提供精确的初始参考路径的技术的示意图；
11.图4是描绘与现有技术相比本公开的技术的动作规划优化收敛行为的曲线图；
12.图5是描绘与现有技术相比本公开的技术的动作规划优化计算时间的曲线图；
13.图6a是根据现有技术具有大量路径迭代的轨迹的机器人的示意图，这些路径迭代是在优化动作规划中使用朴素参考计算的；以及
14.图6b是根据本公开实施例具有少量路径迭代的轨迹机器人的示意图，这些路径迭代是在优化动作规划中使用精确的初始参考计算的。
具体实施方式
15.本公开的实施例的针对使用精确的初始参考的机器人优化动作规划技术的以下讨论本质上仅是示例性的，并且决不旨在限制所公开的设备和技术或它们的应用或使用。
16.使用工业机器人进行各种制造、组装和材料移动操作是众所周知的。在这些操作的一些类型中，机器人必须被编程为沿着具有从一个操作到下一个操作不同的开始点和目的地(目标)点的路径移动。例如，在移动、拾取和放置操作中，传送机上的各个入站部件可以由机器人每次在不同位置拾取，并且由机器人放置在装运集装箱中的部件将各自放置在集装箱内的不同分配位置。存在许多其他示例应用，其中必须针对机器人的每个单个任务或操作计算新的路径。
17.此外，在许多机器人工作空间环境中，障碍物存在并且可能在机器人动作的路径中，即，一个或多个障碍物可能位于开始点和目标点之间，或者更一般地，位于机器人的当前位置和机器人的目的地位置之间。障碍物可以是永久性结构，例如机器和固定装置，或者障碍物可以是临时的或可移动的。
18.图1是在上述类型的场景中执行拾取、移动和放置操作的工业机器人的示意图，其中必须为每个被移动的工件计算新的路径，并且工作空间环境包括一个或多个要被避开的障碍物。具有夹持器102的机器人100在工作空间104内操作。机器人100的动作由控制器110控制，该控制器通常经由电缆112与机器人100通信。如本领域所公知的，控制器110向机器人100提供关节动作命令，并且从机器人100的关节中的编码器接收关节位置数据。控制器110还提供命令以控制夹持器102的操作。图1的拾取、移动和放置场景仅仅是说明性和示例性的。本公开的优化动作规划技术可应用于任何类型的机器人操作，并且夹持器102可以由任何类型的机器人工具代替。
19.相机120与控制器110通信并提供工作空间104的图像。来自相机120的图像可以用于识别机器人100要操作的工件的位置和取向，或者机器人100要放置工件的位置，或者甚至识别工作空间104中的移动或路过障碍物。在一些实施例中，完全不需要相机120，因为障碍物移动是不可能的，并且使用其它手段来识别正由机器人100移动的工件的开始和目标
位置。
20.工件130在传送机140上进入工作空间104。机器人100的任务是从传送机140拾取工件130，移动工件130并将其放置在集装箱150(例如装运集装箱)中。再次，这仅是可变的开始和目标位置的一个示例；可以设想许多其它示例。开始点160的位置和取向基于关于工件130在传送机140上的位置和传送机140的速度的信息来限定。需要工件130在开始点160处的取向以便确定夹持器102的取向。类似地，目标点162的位置和取向基于关于集装箱150内的下一个可用隔间或位置的信息来限定。图1中示出了一个中间点164，其位于开始点160和目标点162之间的中间。在实际的机器人动作规划计算中，计算多个中间路径点以满足所有路径约束，并且计算经过多个路径点的平滑工具路径。
21.障碍物170(显示为墙)存在于开始点160和目标点162之间。还可以理解，集装箱150的侧面代表机器人100必须避开的并且在路径规划中考虑的障碍物。也可能存在其它障碍物。
22.对于在传送机140上到达的每个工件130，必须由控制器110计算新的路径，这使得机器人100将夹持器102从原始或接近位置沿着路径区段180移动，以在开始点160处拾取工件130，并且将工件130沿着路径区段182移动到目标点162，同时避开障碍物170，然后将夹持器102返回到原始或接近位置，以为下一个工件130做准备。新的路径必须由控制器110非常快速地计算，因为必须与机器人110能够移动一个工件130并返回以拾取下一个工件一样快地实时执行路径计算。
23.用于计算机器人动作以使得工具跟随从特定开始点到特定目标点的路径、同时避免机器人与任何障碍物的碰撞并且同时满足其他类型的约束的优化技术已经被开发并且在本领域中是已知的。然而，这些已知技术要么没有考虑计算效率，要么已经研究了不同的优化算法以试图减少计算时间。根据本公开的技术，通过向优化例程提供精确的初始参考路径而不是现有技术中使用的朴素参考路径，可以显著提高计算效率。
24.图2是根据本公开的实施例的用于使用精确的初始参考路径在图1的场景中进行机器人优化动作规划的方法的流程图200。在框202处，限定机器人工作区104中的任何障碍物(障碍物170和任何其他障碍物)的位置和形状。障碍物可以由工作空间坐标系中的cad数据来限定，或者由来自诸如前述的相机120之类的传感器的数据来限定。障碍物数据通常是实心体、表面或表面点簇，并且必须足以允许在优化问题中对避撞约束进行建模。对避撞约束进行建模，使得机器人100的任何部分与任何障碍物之间的最小距离超过针对所计算的动作中的每个路径点的预定门限值，其中以任何适当有效的方式计算最小距离，诸如通过限定机器人部件和障碍物周围的几何图元，或者通过将障碍物建模为距离场矩阵。
25.在框204处，基于机器人要执行的任务来限定机器人路径的开始和目标点(q
start
，q
goal
)。如图1所示，开始点160可根据传送装置140上的进入工件130的位置来限定，而目标点162可以根据工件130的在集装箱150中要放置的分配位置来限定。中间点164不被限定为动作优化中的输入；中间点164连同其它路径点是优化计算的输出。在框206处，生成初始参考路径。初始参考路径提供迭代动作优化计算的开始点(初始解)。在现有技术的动作优化技术中，初始参考路径通常被朴素地限定为从开始点到目标点的直线。使用本公开的技术，基于先前计算的具有类似开始点和目标点的路径来创建精确的初始参考路径。这种技术将在下面详细讨论，回到在框206处的计算的讨论。
26.在框208处，在机器人控制器中对动作优化问题进行建模。对动作优化问题建模包括限定目标函数和各种约束函数。这样，可以限定动作优化问题以找到如下最优路径q：使得：g(q)≤0
ꢀꢀꢀꢀꢀꢀꢀ
(2)h(q)＝0
ꢀꢀꢀꢀꢀꢀꢀ
(3)其中f(q)是在包括姿态q＝{q1,...,q
t
}的整个机器人动作上最小化的优化目标函数(例如工具中心点的路径长度)，g(q)是必须满足的不等式约束(例如：关节位置保持在限制内，关节速度、加速度和加加速度，以及工具中心点速度、加速度和加加速度保持在限制以下；以及，通常在对于动作解中的所有机器人姿态而言最小机器人到障碍物距离必须大于门限值d
safe
的情况下限定的避撞约束)，h(q)是必须满足的等式约束(例如：必须满足开始点和目标点的位置；以及必须满足系统动力学或运动学)。
27.在框210处，求解优化问题。优化求解是迭代计算，其开始于对初始参考路径q的约束和目标函数的评估，其中评估附加路径直到收敛到满足约束并且目标函数处于最小值的解。为了改善计算的收敛行为，可以在求解之前凸化优化问题。凸化优化问题包括将一个或多个约束近似为多项式时间函数，其中所得到的计算可更容易求解并且仅产生一个最优解。在一个实施例中，通过近似为一阶泰勒展开式来线性化避撞不等式约束。
28.在可选的凸化之后，在框210处求解优化问题，其中在决策菱形框212处进行检查以确定解是否已经收敛到预定公差内。在框214处，对收敛的优化解进行插值以限定包括满足约束函数的所有关节动作和工具动作的完整机器人轨迹，所述约束函数包括避撞约束、关节动作约束和具有指定的开始和目标点(q
start
，q
goal
)的工具。
29.当在决策菱形框212处达到收敛的解时，在框216处，所规划的路径也作为路径p存储在数据库或数据储存库中。根据本公开的技术，包括多个路径点(p0,...,p
l
)的存储的路径p可以用作在随后的优化动作规划序列中新的初始参考路径的基础。随着时间的推移，对于给定的机器人工作空间设置，大量规划的路径将被存储在数据储存库中。
30.考虑要根据图2的流程图200执行新的优化动作规划计算的情况，在框206处，不使用诸如从q
start
到q
goal
的直线路径之类的朴素初始参考路径，而是可以使用所公开的技术来计算精确的初始参考路径。当遇到框206以生成初始参考路径时，过程移动到框218，其中从存储在数据储存库中的许多规划的路径中选择候选路径。主要基于新路径的开始点和目标点(q
start
，q
goal
)与所存储的规划的路径的开始点和目标点(p0,p1)的相似性或接近度来选择候选路径。在选择候选路径时也可以考虑其它因素，例如解质量(收敛级别)、沿路径要避免的障碍物的一致性等。在框218处从先前规划的路径的存储中选择候选路径之后，过程返回到框206以计算精确的初始参考路径。
31.图3a、3b和3c是根据本公开的实施例的用于基于新路径的开始点和目标点来修改先前计算的路径以提供精确的初始参考路径的技术的示意图。当前公开的技术包括图2中以虚线轮廓示出的区域220中所含有的各个步骤。图3a、3b和3c中示出的精确的初始参考路径的计算在区域220内的框206中发生。
32.在图3a中，示出了路径310。路径310是在框218处从在框216处存储的先前规划的
路径的储存库中选择的候选路径。路径310包括多个点p
α
，包括第一点312(p0)和最后点314(p
l
)。如前所述，候选路径310的第一点312(p0)和最后点314(p
l
)应当分别相当紧密地接近要规划的新路径的开始点和目标点(q
start
，q
goal
)。
33.在图3b中，候选路径310的第一点312(p0)被示出为接近被限定的初始参考路径的第一点322(q0)。被限定的初始参考路径的第一点322(q0)等效于被规划的路径的开始点(q
start
)。偏差332(δ0)被限定为在被限定的初始参考路径的第一点322(q0)和候选路径310的第一点312(p0)之间的矢量差。即：δ0＝q0‑
p
0 (4)。
34.类似地，候选路径310的最后点314(p
l
)被示出为接近被限定的初始参考路径的最后点324(q
l
)。被限定的初始参考路径的最后点324(q
l
)等效于被规划的路径的目标点(q
goal
)。偏差334(δ
l
)被限定为在被限定的初始参考路径的最后点324(q
l
)和候选路径310的最后点314(p
l
)之间的矢量差。也就是说，偏差334被计算为：δ
l
＝q
l
‑
p
l (5)。
35.在图3c中，新的初始参考路径340包括多个点q
α
，其根据候选路径310的点p
α
、在两端处的偏差(δ0、δ
l
)以及沿该路径的比例距离α计算。也就是说，新初始参考路径340中的每个点被计算为：q
α
＝p
α
(1
‑
α)δ0 αδ
l (6)其中每个α在从0到1的范围内(α∈[0,1])。
[0036]
在图3c中可以看出，新的初始参考路径340具有与候选路径310的形状非常相似的形状。通过如上所述地转置和缩放候选路径310，新的初始参考路径340具有与要规划的新路径的开始点和目标点(q
start
，q
goal
)相匹配的端点。此外，如果候选路径310是从具有与要规划的新路径相同或相似的障碍物环境的先前规划的路径的存储中选择的，则新初始参考路径340将具有其是最佳路径的良好近似的形状。新的初始参考路径340可能不是最优的，即，它可能离障碍物稍远地经过(因此不使目标函数最小化)，或者它可能离障碍物稍近地经过(因此不满足避撞不等式约束)，但是新的初始参考路径340用作用于优化计算的非常好的开始点(初始迭代)。新的初始参考路径340被提供给流程图200的框208，用于对优化问题建模和求解。
[0037]
图4是描绘与现有技术相比本公开的技术的动作规划优化收敛行为的曲线图400。曲线图400绘出了纵轴410上的目标函数f的值与横轴420上的状态变量x的值的关系。被计算的优化路径由状态x*表示。曲线图400包括曲线430，其示出了以朴素初始参考路径开始的优化动作规划计算的迭代和收敛行为。曲线430包括相当大次数的迭代，并且可以看出，它四处漂移并且包括不会均匀地且直接地导致优化解路径的状态x*的迭代。这是当初始参考解远离最优解时复杂优化问题中收敛行为的性质。
[0038]
曲线图400还包括曲线440，其示出了根据本公开的实施例的优化动作规划计算的迭代和收敛行为，该优化动作规划计算以精确的初始参考路径开始。如图3a、3b和3c所示以及如上所讨论的，计算精确的初始参考路径。曲线440包括少量迭代，并且可以看出，其直接导致优化解路径的状态x*。由于精确的初始参考路径与最优路径的相似性，这种快速收敛行为代表了当前公开的技术的显著益处。由精确的初始参考路径产生的快速收敛在所有动作规划计算应用中是期望的，并且当必须为针对每个任务具有独特的开始和/或目标点的
机器人应用实时执行动作规划计算时是特别期望的。
[0039]
图5是描绘与现有技术相比的本公开的技术的动作规划优化计算时间的曲线图500。曲线图500绘出了纵轴510上的最优动作规划(计算)时间与横轴520上的被计算的路径中的内插点的数量(点的数量α)。曲线图500包括曲线530，其示出了在代表性机器人控制器上用于以朴素初始参考路径开始的优化动作规划计算的计算时间。曲线530对于较大数目的内插点急剧上升，计算时间接近一秒。这也是当初始参考解远离最优解时复杂优化问题中的收敛行为的性质，并且导致太长而不能实时执行的计算时间。
[0040]
曲线图500还包括曲线540，其示出了在同一代表性机器人控制器上用于根据本公开的实施例的以精确的初始参考路径开始的优化动作规划计算的计算时间。曲线540对于较大数目的内插点仅稍微上升，计算时间接近或低于0.2秒，比由朴素初始参考路径产生的等效计算时间少三到四倍。
[0041]
当必须为针对每个任务的具有独特的开始和/或目标点的机器人应用实时执行动作规划计算时，图5中所示的动作规划计算时间之间的差异特别显著。当前公开的技术使得能够足够快速地执行动作规划计算以维持机器人的全速操作，在这种情况下利用朴素初始参考路径的现有技术动作规划技术可能需要降低机器人速度以等待动作规划计算完成。
[0042]
图6a是根据现有技术具有大量路径迭代的轨迹的机器人的示意图，这些路径迭代是在优化动作规划中使用朴素参考计算的。在图6a(以及下面讨论的图6b)中，场景是机器人600正从支架610拾取工件并将工件放置在集装箱620中。支架610可以用入站传送机来代替，并且集装箱620可以在其中具有限定的隔间，从而需要为每个工件计算新的动作路径。
[0043]
在图6a中，优化计算需要大量迭代来在以朴素初始参考路径630开始之后达到收敛到最终路径640。图6a中画出了与每次迭代相关联的路径。这种大量的迭代(路径630、632、634等)代表图4的曲线430上的点。从朴素(直线)初始参考路径630开始，接下来的几次迭代产生开始向上拱起的路径，但不足以避免与由集装箱620的侧壁代表的障碍物碰撞。最终，找到拱起得足够高以越过集装箱620的侧壁的路径640；然而，由于缺乏与朴素初始参考路径630的相似性，所以需要大量迭代来找到路径640。
[0044]
图6b是根据本公开实施例具有少量路径迭代的轨迹机器人的示意图，这些路径迭代是在优化动作规划中使用精确的初始参考计算的。在图6b中，优化计算需要很少量迭代来在以精确的初始参考路径650开始之后达到收敛到最终路径660。这种少量迭代(路径650和660，以及仅一个中间路径)表示图4的曲线440上的点。该精确的初始参考路径650与最终路径660如此相似，以致优化计算在初始参考之后在仅两次迭代中收敛。图6b视觉上示出了与根据本公开的使用精确的初始参考路径的优化动作规划技术相关联的效率。这种效率导致比现有技术方法短得多的计算时间，从而使得能够为必须针对每个工件计算新路径的应用进行实时动作规划。
[0045]
在整个前述讨论中，描述并暗示了各种计算机和控制器。应当理解，这些计算机和控制器的软件应用和模块在具有处理器和存储器模块的一个或多个计算设备上执行。特别地，这包括上面讨论的图1的机器人控制器110中的处理器。具体地，控制器110中的处理器被配置为以贯穿前述公开内容并且具体地在流程图200中描述的方式提供用于优化路径规划计算的精确的初始参考路径。另一计算机也可以执行优化动作规划并且将所计算的路径提供给控制器110，在这种情况下，控制器110简单地控制机器人100，并且另一计算机被配
置为提供并且使用精确的初始参考路径用于优化路径规划计算。
[0046]
如上所述，用于使用精确的初始参考路径的机器人优化动作规划技术的所公开的技术改进了机器人路径规划的速度和可靠性。与在使用朴素初始参考路径时所经历的相比，所公开的技术提供更快的对最优路径的收敛，并且该快速收敛使得能够为必须针对每个工件计算新路径的应用实时执行路径规划。
[0047]
尽管以上已经讨论了使用精确的初始参考路径的优化动作规划技术的多个示例性方面和实施例，但是本领域技术人员将认识到其的修改、置换、添加和子组合。因此，旨在将所附权利要求和此后引入的权利要求解释为包括所有这些修改、置换、添加和子组合，因为这些修改、置换、添加和子组合在它们的真实精神和范围内。