機器人在物流領(lǐng)域的應(yīng)用正在迅速增加。由于物品在尺寸、形狀、重量和易碎性方面存在很大的差異，并且物品的放置任務(wù)都有特定的約束條件，使用機器人自動化地完成這些任務(wù)仍是一項挑戰(zhàn)。操作規(guī)劃和控制是機器人系統(tǒng)的相關(guān)組成部分。以REFILLS項目為背景，Marco Costanzo、Simon Stelter、Ciro Natale、Salvatore Pirozzi、Georg Bartels、Alexis Maldonado、Michael Beetz等幾位研究人員對使用機器人進行超市內(nèi)貨架補貨的問題進行了研究。這項研究也得到了歐盟委員會的支持。

　　操作規(guī)劃和控制是機器人系統(tǒng)的相關(guān)組成部分。它們的緊密集成是提高機器人自動化的關(guān)鍵因素，并使機器人能夠執(zhí)行越來越復(fù)雜的操作任務(wù)，例如店內(nèi)物流領(lǐng)域所需的那些操作任務(wù)。在超市中需要將各種各樣的物品放置在貨架上，而這些放置任務(wù)都有特定的約束條件。因此，使用機器人完成這些任務(wù)是一項挑戰(zhàn)，機器人需要很高的靈活性。然而，反應(yīng)性抓取控制和運動規(guī)劃的集成，可以使機器人即使在使用靈活性有限的夾持器的情況下，也能夠執(zhí)行此類任務(wù)。本文的主要貢獻在于提出了一種新的方法——使用提供了更多控制形式（即避免滑倒和控制滑動）的反應(yīng)性控制層來規(guī)劃操作任務(wù)的執(zhí)行。使用配備了移動機械臂夾持器的新型力/觸覺傳感器的實驗表明，該方法使機器人能夠成功地執(zhí)行標(biāo)準(zhǔn)固定抓取無法實現(xiàn)的操作任務(wù)。

　　引言

　　機器人在物流領(lǐng)域的應(yīng)用正在迅速增加，但目前大多僅限于物流中心，例如，Kiva移動機器人的使用提高了包裝過程的效率。然而，產(chǎn)品裝箱很難實現(xiàn)自動化，這主要是由于箱子中的物品在尺寸、形狀、重量和易碎性方面存在很大差異。實際上，移動操作解決方案在市場上很少見。亞馬遜發(fā)起了著名的亞馬遜拾取挑戰(zhàn)賽（Amazon Picking Challenge，APC）[1]，很多研究人員從中對抓取已知和未知物體產(chǎn)生了新的見解，例如Zeng等人在2018年IEEE機器人與自動化國際會議（International Conference on Robotics and Automation）上所提出的“利用多功能抓取和跨域圖像匹配，實現(xiàn)機器人在復(fù)雜環(huán)境下新物品的拾取與放置”。正如在關(guān)于第一屆APC的綜述論文（Correll等人于2018年）中所詳細(xì)討論的那樣，在“機器人有朝一日能夠有助于提升效率和吞吐量，同時降低成本”之前，還有許多挑戰(zhàn)有待解決。

　　本文以REFILLS項目[2]為背景，對超市內(nèi)貨架的補貨問題進行了研究。除了在APC中看到的那些挑戰(zhàn)之外，這個場景還提出了新的挑戰(zhàn)。機器人將需要一個大量的技能集來執(zhí)行獲取和放置任務(wù)，因為它們必須在狹小的空間中操作并處理各種物體。這個技能集必須包括在控制中的操作（in-hand manipulation），以至少避免耗時的重新抓取。圖1給出了一個示例。假設(shè)機器人必須在桌子中央拾取紅色物體，并將其放置在中間的架子層中，以實現(xiàn)圖中右側(cè)的目標(biāo)姿態(tài)。顯然，具有夾持器姿勢的固定抓取無法實現(xiàn)，并且無法避免拾取和放置姿勢的碰撞。在標(biāo)準(zhǔn)的規(guī)劃過程（Chitta、Sucan和Cousins于2012年提出）中，只有在緩沖托盤上執(zhí)行重新抓取的動作才能使機器人執(zhí)行任務(wù)。然而，通過在保持物體固定的情況下旋轉(zhuǎn)夾持器來執(zhí)行物體受控制的旋轉(zhuǎn)滑動（即所謂的夾持器繞軸旋轉(zhuǎn)），規(guī)劃器具備更大的搜索空間，并且可能會找到可行的路徑。

　　最近有兩篇關(guān)于在控制中的操作的論文。第一篇論文通過利用微分平坦（differential flatness）概念和反饋線性化（feedback linearization）技術(shù)解決平面推動問題。第二篇論文涉及到同樣的應(yīng)用，但重點是基于運動錐（motion cone）的概念規(guī)劃推動軌跡。然而，根據(jù)定義，開環(huán)的方法不會對感知反饋做出反應(yīng)。在不確定的環(huán)境中，需要基于傳感器的控制來穩(wěn)健地執(zhí)行規(guī)劃。在過去，我們一直在研究一種控制器，該控制器可以進行參數(shù)設(shè)置，以在避免所持物體滑動和控制所持物體旋轉(zhuǎn)滑移之間進行切換（Costanzo、Maria和Natale于2018年提出）。根據(jù)眾所周知的外部靈活性（Dafle等人于2014年提出）的概念，提高機器人靈活性是通過對抓取的智能控制來實現(xiàn)的，而不是通過使用額外的自由度。它被證明可以足夠可靠地處理各種各樣的物體。

　　然而，這僅僅是機器人將需要的上述技能之一。要以更高的自動化程度使用這種新潛力，必須將其與具有利用潛力的運動規(guī)劃器相結(jié)合。

　　在REFILLS項目中，最終需要一個基于知識和規(guī)劃的控制架構(gòu)，即，受Beetz等人于2012年所發(fā)表的論文的啟發(fā)，從一個規(guī)劃庫中有能力地選擇和執(zhí)行規(guī)劃。Winkler等人（于2016年）已經(jīng)成功地證明，基于知識和規(guī)劃的控制范式非常適合零售環(huán)境中的機器人貨架補充任務(wù)。

　　本文的主要貢獻在于，提出了一種實現(xiàn)底層反應(yīng)性控制層與運動規(guī)劃器緊密集成的方法，該運動規(guī)劃器是REFILLS架構(gòu)的組成部分。其重點是貨架補給任務(wù)的取出和放置階段，在此階段，必須安全地處理各種各樣的物體，即，以特定的姿勢（可能與抓取姿勢不同）將其取出并放在架子上，同時避免物體滑倒。該方法依賴于一種通過抓取控制器在控制中的操作能力來提供給運動規(guī)劃器的能力，改變機器人的運動學(xué)模型，以擴大搜索空間，從而使其更有可能找到解決方案。

　　除此之外，我們還提供了一個力/觸覺傳感器（Costanzo等人于2019年提出）的改進版本，該傳感器與反應(yīng)性控制算法配合使用。該傳感器已經(jīng)集成到一個商業(yè)夾持器的手指上，并且其尺寸適合進入貨架上物體之間的狹窄空間。其PCB（Printed Circuit Board，印制電路板）設(shè)計已經(jīng)得到改進，以通過LED的電流饋電來提高信噪比，使用模擬緩沖器將電壓信號連接到模數(shù)轉(zhuǎn)換器（Analog-to-Digital Converter）以及微型控制器與通信接口的幾種可能性在板上的集成。

　　實驗將展示貨架補給所必需的操縱任務(wù)，盡管在固定抓取的情況下不可行，但通過使用對滑動的控制所提供的額外靈活性如何變得可行。實驗在一個移動機械臂上進行（如圖2所示）。該機械臂配備了一個帶有力/觸覺傳感器的夾持器（如圖3所示，但本文中未使用相機）。圖4所示的5個物體被用于實驗。

　　傳感裝置

　　這項研究中所使用的感應(yīng)手指是基于De Maria、Natale和Pirozzi（于2012年）的論文中所最初提出的技術(shù)。發(fā)達的觸覺傳感器主要由三部分組成：印制電路板（PCB）、剛性網(wǎng)格（rigid grid）和可變形墊（deformable pad）。 Costanzo等人（于2019年）對這些觸覺傳感器進行了初步設(shè)計。其與本文所用版本的主要區(qū)別在于印制電路板（PCB）的設(shè)計。

　　PCB設(shè)計：本研究設(shè)計了一個不同版本的PCB來改善以下幾個方面。PCB上的每個感應(yīng)點（稱為taxel）都由New Japan Radio （代碼NJL5908AR）制造的光反射器（photo-reflector）構(gòu)成。該PCB集成了25個以5×5矩陣排列的taxel，空間分辨率為3.55毫米。在先前版本中，光反射器的LED是由電壓電源和串聯(lián)電阻驅(qū)動的。而在這種情況下，LED由可調(diào)電流源（制造商代碼LM334）驅(qū)動，通過降低其溫度漂移（temperature drift）來提高反射光的穩(wěn)定性。此外，為了提高信噪比并簡化查詢固件，也進行了進一步的改進。

　　該解決方案能夠避免使用額外的SPI接口，從而獲得具有可編程設(shè)備的完整集成的傳感器，可用于通過不同接口采集傳感器數(shù)據(jù)。在本文中，已通過USB到串行商業(yè)電纜開發(fā)了一個標(biāo)準(zhǔn)串行接口。所有傳感器數(shù)據(jù)的最終采樣頻率為500Hz。圖5展示了重新設(shè)計和組裝的PCB。

　　剛性網(wǎng)格：本研究對網(wǎng)格框架略加修改，使其機械部分與PCB和taxel完美匹配，而無需使用先前版本中所使用的剛性銷釘（rigid pin）。因此，該網(wǎng)格是用氰基丙烯酸酯基膠水粘在PCB上的。

　　可變形墊：它的作用是將施加的力轉(zhuǎn)化為可被taxel檢測到的變形。它已經(jīng)實現(xiàn)了Costanzo等人（于2019年）發(fā)表的論文中詳細(xì)說明的一致的尺寸、材料和成型程序。

　　組裝好的力/觸覺傳感器被固定在一個盒子內(nèi)，該盒子是用于放置傳感器的，并安裝在WSG系列凸緣上。

　　實施和架構(gòu)

　　在本節(jié)中，我們展示集成系統(tǒng)的架構(gòu)（如圖6所示）。任務(wù)執(zhí)行器將目標(biāo)發(fā)送給運動規(guī)劃器，這些目標(biāo)是完成任務(wù)（例如補充貨架）所需要的。該模塊能夠訪問知識庫并設(shè)置摩擦系數(shù)?， ?是物體滑動控制器的具體參數(shù)。

　　該運動規(guī)劃器生成關(guān)節(jié)空間（joint space）軌跡，以實現(xiàn)給定的目標(biāo)，同時利用機器人的能力將被抓取的物體進行繞軸旋轉(zhuǎn)。

　　控制模式切換模塊在將軌跡發(fā)送給機器人之前對其進行后處理（post-process）。在執(zhí)行軌跡時，模塊向滑動控制器發(fā)送命令，在兩種控制方式之間進行切換。

　　我們詳細(xì)介紹了滑動控制器、對運動規(guī)劃器的更改，以及控制模式切換。我們省略了任務(wù)執(zhí)行器，因為它在我們的實驗中是運動目標(biāo)的一個簡單序列。

　　實驗評估

　　本節(jié)描述了用圖4中的物體所進行的實驗評估，描述了三組實驗。第一組評估物體在繞軸旋轉(zhuǎn)過程中的角度；第二組評估有和沒有繞軸旋轉(zhuǎn)的情況下進行簡單拾取和放置任務(wù)的可行性；第三組是一個配備不同物體和障礙的完整的拾取和放置實驗。

　　結(jié)論

　　本文展示了抓取控制與運動規(guī)劃器的緊密集成如何使移動機械臂在現(xiàn)實的物流場景中解決復(fù)雜的操作任務(wù)。該規(guī)劃算法利用底層滑動控制層提供的在控制中的操作能力來解決有限空間中的取出和放置任務(wù)。這是通過在兩種不同的抓取控制模式（避免滑倒和夾持器繞軸旋轉(zhuǎn)）之間的一種新穎的切換方法來實現(xiàn)的。夾持器繞軸旋轉(zhuǎn)使機器人能夠改變抓取配置，而無需重新抓取物體，這有效地增加了自由度?；瑒涌刂破餍枰粋€物體的具體摩擦參數(shù)才能工作，該參數(shù)目前是預(yù)先估計好的并保存在知識庫中。

　　未來，我們計劃將其集成到為REFILLS項目而提出的基于知識和規(guī)劃的控制架構(gòu)中，用于自動補充超市貨架。另外，我們希望通過對未知物體的觸覺探測來自主地估計物體的具體摩擦參數(shù)。

　　參考文獻

　　[1] “Amazon picking challenge，” http：//amazonpickingchallenge.org/ how-much-has-amazon-invested-in-automation/， accessed： 2019-08-31.

　　[2] “Refills project，” http：//www.refills-project.eu， accessed： 2019-09-01.

　　編輯部編譯

關(guān)注讀覽天下微信， 100萬篇深度好文， 等你來看……