CN109791393B - 用于优化目标工作线的方法和装置 - Google Patents

Abstract

公开了一种用于优化目标工作线(110、210)的方法和装置。目标工作线(110、210)包括至少一个机器人(112、212)机械手、至少一个传送器(111、211)以及在传送器(111、211)上的要由机器人(112、212)机械手移位的至少一个物品(113、213)。该方法包括：获得用于目标工作线(110、210)的评价模型(140、400)(301)，该评价模型(140、400)基于至少一个测量参数来产生将物品(113、213)从一个传送器(111、211)移动到另一传送器(111、211)的总体成功率，该测量参数是目标工作线(110、210)的物理属性；根据目标工作线(110、210)的用于测量参数的值来产生针对目标工作线(110、210)的总体成功率(302)；以及在所产生的总体成功率低于预定阈值率的情况下(303)，基于总体成功率来更新用于配置参数的值(304)，该配置参数与测量参数相对应，并且该配置参数为工作线(110、210)的状态。评价模型(140、400)的优化不需要现场过程的实现、或者经验丰富的工程师或工人的参与。相反，模拟软件可以用于获得针对目标工作线(110、210)使用的定制参数，从而在短时间段内提高成功率。

Description

用于优化目标工作线的方法和装置

技术领域

本文中所公开的示例实施例总体涉及一种优化目标工作线的方法，并且还涉及一种用于优化目标工作线的装置。

背景技术

在物流行业或其他行业中，机器人被广泛用于拾取物体。在一些场景中，传送器上的物体需要由机器人机械手拾取，并且然后由同一机器人机械手放置在另一传送器上。诸如盒子之类的物体被随机地直接放置在传送器上或传送器上的容器中。当物体或物品被随机放置在传送器上时，可编程应用可以用于通过机器人机械手来执行拾取和放置操作。视觉***可以用于在传送带上找到随机放置的物体或物品。这些产品使用综合图形接口或其他形式的接口来配置功能强大的应用，通过这些应用，这些产品可以控制多个机器人来拾取和放置在不同传送带上检测到的物品。

工作线通常包括多个部件或元件，诸如一个或多个机器人、对应的夹持器(即，机械手)、一个或多个传送器、一个或多个相机、I/O接口和其他外部设备。工程师需要为所有这些设备或元件配置必要的参数或配置参数，以便产生将物体从一个传送器传送到另一传送器的更高成功率。

如今，工程师需要基于他们的经验来定义初始配置参数。需要在这些配置参数的现场调整上做出巨大努力以实现相对令人满意的成功率。该过程需要经验丰富的工程师或工人，并且也很耗时。因此，该行业需要更快地调整配置参数，以便在工作线中准确地拾取和放置物体。

发明内容

本文中所公开的示例实施例提出了一种优化目标工作线的方法。因此，在根据本公开的优化之后提高目标工作线的成功率是目标之一。

在一个方面中，本文中所公开的示例实施例提供了一种优化目标工作线的方法。目标线包括至少一个机器人机械手、至少一个传送器以及在传送器上的要由机器人机械手移位的至少一个物品。该方法包括：获得用于目标工作线的评价模型，该评价模型基于至少一个测量参数来产生将物品从一个传送器移动到另一传送器的总体成功率，该测量参数是目标工作线的物理属性；根据目标工作线的用于测量参数的值来产生针对目标工作线的总体成功率；以及在所产生的总体成功率低于预定阈值率的情况下，基于总体成功率来更新用于配置参数的值，该配置参数与测量参数相对应，并且该配置参数为工作线的状态。

在另一方面中，本文中所公开的示例实施例提供了一种用于优化目标工作线的装置。工作线包括至少一个机器人机械手、至少一个传送器以及在传送器上的要由机器人机械手移位的至少一个物品。该装置包括控制器，该控制器被配置为：获得用于目标工作线的评价模型，该评价模型基于至少一个测量参数来产生将物品从一个传送器移动到另一传送器的总体成功率，该测量参数是目标工作线的物理属性；根据目标工作线的用于测量参数的值来产生针对目标工作线的总体成功率；以及在所产生的总体成功率低于预定阈值率的情况下，基于总体成功率来更新用于配置参数的值，该配置参数与测量参数相对应，并且该配置参数为工作线的状态。

通过以下描述，应当领会，根据本公开的装置或方法提供了用于以软件级别自动地调整评价模型的参数的闭环。可以特意地选择评价模型并将该评价模型分配给特定工作线。评价模型的优化不需要现场过程的实现、或者经验丰富的工程师或工人的参与。相反，模拟软件可以用于获得针对特定(目标)工作线使用的定制参数，从而在短时间段内提高成功率。

附图说明

通过以下参考附图的具体实施方式，本文中所公开的示例实施例的上述和其他目的、特征和优点将变得更易于理解。在附图中，将在示例中并且以非限制性方式来图示本文中所公开的若干示例实施例，其中：

图1图示了根据一个示例实施例的初始化评价模型的示例过程流；

图2图示了根据一个示例实施例的更新用于特定工作线或目标工作线的评价模型的配置参数的示例过程流；

图3图示了示出根据一个示例实施例的优化目标工作线的步骤的示例流程图；以及

图4图示了根据一个示例实施例的示例评价模型。

在整个附图中，相同或对应的附图标记表示相同或对应的部件。

具体实施方式

现在，将参考若干示例实施例对本文中所描述的主题进行描述。仅出于使本领域技术人员能够更好地理解并因此实现本文中所描述的主题的目的而讨论这些实施例，而非暗示对主题的范围的任何限制。

术语“包括(comprises)”或“包含(includes)”及其变型应被解读为意指“包括但不限于”的开放式术语。除非上下文清楚指出相反，否则术语“或”应被解读为“和/或”。术语“基于”应被解读为“至少部分基于”。术语“可操作以”意指功能、动作、运动或状态可以通过由用户或外部机制引起的操作而被实现。术语“一个实施例”和“实施例”应被解读为“至少一个实施例”。术语“另一实施例”应被解读为“至少一个其他实施例”。除非另有说明或限制，否则术语“安装”、“连接”、“支撑”和“耦合”及其变型被概括地使用，并且包括直接和间接安装、连接、支撑和耦合。进一步地，“连接”和“耦合”不限于物理或机械连接或耦合。在下面的描述中，相同的附图标记和标号被用于描述图1至图7的若干视图中的相同、相似或对应的部件。下文可以包括其他明确的和隐含的的定义。

图1示出了初始化评价模型的示例过程流100。评价模型是基于若干个因素来输出率(rate)的模型。该率被用于预测或产生成功地抓取在传送器上的物品以将同一物品放置到另一传送器上的百分比。因素中的每个因素都会影响成功率，并且因此这些因素可以被称为测量参数。评价模型可以基于来自现场工程师/工人的大量现场研究或经验而被构建。在一些其他示例中，评价模型可以在程序的拾取/放置过程中被自动地初始化。下面将参考图4对评价模型的构造进行详细描述。

在图1中，示出了工作线110。工作线110可以是现场线(on-siteline)或就地线(in-situ line)(“现场”和“就地”在本文中可互换使用，指代工厂或车间中的实际工作线)，该现场线或就地线包含至少一个传送器111，该至少一个传送器111用于在其上运输一些物品或多个物品113。工作线110还具有至少一个机器人112，该至少一个机器人112用于拾取传送器111上的物品113。机器人112通常通过该机器人112的机械手(未示出)一次拾取一个物品113。尽管图1仅示出一个传送器，但是工作线110可以包括另一传送器111。在存在两个传送器的情况下，机器人112可能需要将物品113从一个传送器拾取到另一传送器。在这种情况下，(一个或多个机械手)可能无法在整个过程中拾取或移动或放置物品113，从而导致失败。因此，对于现场工作线来说，最小化失败率(即，提高总体成功率)很重要。可以在工作线110中设置相机114以记录视频剪辑。可以通过上文所提及的程序分析视频剪辑以初始化评价模型。因此，不必在现场工作线110中执行过程100。相反，可以以正确的程序或以软件级别完成模拟。

在公共工作线110中，物品113被随机地放在传送器111上，并且因此机器人112可以包含传感器以检测物品113的位置、速率、尺寸和其他属性。备选地，可以为控制器分析由相机114记录的视频剪辑，来控制机器人112的运动以便拾取物品113。然而，该分析或检测不够准确，以使机器人112每次都成功地拾取物品133。有时，当将物品移动到另一传送器时，机器人112的机械手未能拾取该物品或使该物品掉落。是否失败取决于许多因素，诸如机械手的速度、物品的速度、物品的重量(质量)等。这些因素被用作评价模型的测量参数，因为它们都会影响总成功率。

在一个实施例中，如果工作线110是现场线，则相机114将输出样本物品记录，该样本物品记录记录了传送器111上的物品113的分布和模式。该记录稍后可以被用于提取用于该工作线110的测量参数。样本物品记录由图1中的框120表示。

在一个实施例中，工作线110之后是训练库框130，在该训练库框130中要训练评价模型。框130中的训练过程将借助于所设置的工作线110来提高评价模型的准确性。因为每个工作线110可能不同，所以如果在训练过程中考虑了大量工作线，则评价模型将会更准确(以便正确地反映测量参数与成功率之间的关系)。例如，即使找到影响成功率的所有测量参数，也需要针对不同类型的工作线来调节它们的权重。训练过程可以由熟悉正在训练的工作线的经验丰富的用户手动完成，或者可以由专家在观看所捕获的视频剪辑之后远程完成。备选地，可以应用分析程序来调节用于描述特定工作线的评价模型。在利用针对工作线获得的更准确的评价模型来训练该工作线之后，可以在训练库中记录该评价模型。因此，如果将来要优化类似的工作线，可以从库中选择评价模型，这大大提高了效率。

在该示例中，如图1中所示，可以在框140中获得评价模型。换句话说，特别是针对工作线110来在框140中获得评价模型。在针对不同的工作线重复过程100之后，可以获得相对较大的库，这有益于下面介绍的优化过程。

图2图示了更新用于目标工作线210的评价模型的配置参数的示例过程流200。目标工作线210是其配置参数待被调节的实际工作线。例如，在完成实际工作线210的设置之后，工作线210的初始成功率可能较低，并且因此工作线210需要优化。待优化的工作线210包括一个或多个传送器211、一个或多个机器人212以及(一个或多个)传送器211上的多个物品213。还可以包括一个或多个相机214以输出块样本物品记录220中的视频剪辑。框210和220与图1中的框110和120相对应。然而，图2中的工作线210是需要被优化的“目标”，而图1中的工作线110是用于预先训练评价模型的工作线。

在上下文中，测量参数是工作线的诸如速度、位置、重量等之类的各种物理值，该物理值可以由传感器或检测器直接或间接地测量。另一方面，配置参数是工作线的部件的状态。例如，一些配置参数可以是传送器的移动速度、由机械手施加到物品的压力等。因此，通过设置配置参数，测量参数受到影响。最终，成功率也将受到影响。

在一个实施例中，目标工作线210之后是评价框230，评价框230基于目标工作线210的配置或设置来从目标工作线210的训练库中选择正确的评价模型。一般而言，所选择的评价模型可以用于描述目标工作线，并基于测量参数准确地产生总成功率。在一些示例中，库可能不包含正确的评价模型。在这种情况下，可以随机选择评价模型中的一个评价模型，并且可以例如在优化过程中对随机选择的模型进行校正。

在一些实施例中，可以基于来自库的目标工作线210来选择场景，并且库可以包括多个预设场景。场景中的每个场景与具有作为输入的测量参数组的一个评价模型相对应。以这种方式，目标工作线210可以自动地或由现场工人分配评价模型。然后，可以获得与所选择的场景相关联的评价模型。

在评价框230之后，相应地产生成功率。然后，所产生的率与(菱形)框235中的预设阈值率进行比较，以检查成功率是否足够高。如果所产生的率低于预设阈值率一预定义的差，则意味着需要进一步调节配置参数。通过一些预定算法或模型(例如，基于凭经验建立的库、通过穷举法获得的算法或模型)，可以在优化框240处为配置参数中的一些配置参数分配(一个或多个)新值，该新值反映了工作线210的对应改变。然后，在配置框250中相应地更新多个配置参数。通过将来自样本物品记录220的参数与来自配置框250的更新的参数进行组合，组合的结果再次被传送到评价框230，从而形成闭环。更新后的成功率可以再次在评价框230中被生成，并且然后在框235中与预设的阈值率进行比较。可以重复上述过程，直到所产生的率和预设的阈值率之间的差足够小为止。

另一方面，如果框235中的比较令人满意、从而意味着成功率足够高，则过程200可以在输出框260中结束，通过该输出框260，多个配置参数以及附加地对应测量参数被输出到就地机器。利用这些输出参数，可以有效且高效地优化现场工作线。

在优化过程200中，工作线210不需要是实际工作线。相反，为了加速优化过程200，可以以软件级别模拟整个闭环。为了实现这一点，视频剪辑可以由现场工人/工程师发送到评价框230，该评价框230能够从视频剪辑中提取测量参数。另外，现场工人/工程师可以向评价框230提供可能无法从视频剪辑中提取的额外测量参数，诸如重量。在框250中更新的配置参数可以与从框220中的视频剪辑中提取的参数进行组合，该过程在上文进行了阐述。

以这种方式，可以对目标工作线210执行闭环模拟，以便更新配置参数，直到成功率达到令人满意的水平为止。换句话说，不需要实时运行工作线，并且可以以软件级别完成模拟，从而显著缩短针对优化所需的时间。比如，一些经验丰富的工人/工程师进行现场优化所需的时间比根据本公开的优化过程长几倍、或甚至几十倍。更进一步地，人员不需要先验知识来操作该优化，从而使该优化更为一致和可靠。

然而，在一些示例中，应当领会，尤其是对于在现场工作线的操作过程中实际总体成功率降至一定值以下的情况，还可以基于在目标工作线的操作期间测量的实际总体成功率来实时调节或更新配置参数。在一些其他示例中，可以通过分配先前使用的工作线的配置参数来在开始时初始化配置参数。在如上文所讨论的闭环自学习过程之后，可以相应地更新配置参数。

图3图示了示出了优化目标工作线的步骤的示例流程图300。在框301中，获得评价模型。评价模型与在图2中所示的框230中获得的评价模型相对应，并且目标工作线与在图2中所示的框210中的工作线相对应。在框302中，根据用于目标工作线的测量参数的值来产生针对目标工作线的总体成功率。这与框230的输出相对应。在框303中，确定所产生的总体成功率是否低于预定阈值率的状态。如果答案为“是”，则进行到框304，其中基于总体成功率来更新用于配置参数的值。配置参数与测量参数相对应。在框304之后，再次返回到框302，在框302中确定新的总体成功率。如果框303输出“否”，则将跳过框304并返回到框302。

图4图示了示例评价模型400。评价模型400的输入410在图4的左侧示出。这样的输入410可以是如上文参考图1和图2所讨论的多个(n个)测量参数k₁，k₂...k_n。测量参数k₁，k₂...k_n中的每个测量参数可以是在评价函数420中使用的变量。评价函数420的形式可以为y＝f(k₁，k₂...k_n)，其中y表示成功率。图4的右侧的输出430是总体成功率或单个动作的成功率。在一个示例中，总体成功率可以是多个动作的成功率的乘积。评价模型400用于“模仿”工作线中发生的实际动作，从而可以以软件级别模拟成功率。

在一个实施例中，测量参数包括以下项中的至少一项：与机器人机械手相关联的属性；与第一传送器相关联的属性，物品要在该第一传送器上被拾取；与物品相关联的属性；以及与第二传送器相关联的属性，物品要被放置在该第二传送器上。具体地，测量参数可以是物理属性，诸如机械手的速度、机械手的姿势、物品的位置、跟踪时间等。

总体成功率可以包括拾取成功率、移动成功率和放置成功率。然后，总体成功率可以是拾取成功率、移动成功率和放置成功率的乘积。拾取成功率定义了机器人机械手成功地从第一传送器拾取物品的概率(“拾取动作”)。移动成功率定义了机器人机械手成功地将物品从第一传送器上方的拾取位置移动到第二传送器上方的放置位置的概率(“移动动作”)。放置成功率定义了机器人机械手成功地将物品放置到第二传送器上的概率(“放置动作”)。在一个示例中，拾取动作可以涉及多个测量参数，诸如机械手的速度、机械手的位置、物品的速度、物品的位置、跟踪时间(当机械手相对于物品或物体保持静止时，机器人机械手跟踪传送器上的特定物品或物体的时间段)、物品的重量等。移动动作可以涉及多个测量参数，诸如机械手的速度、物品的重量等。放置动作可以涉及多个测量参数，诸如机械手的速度、机械手的位置、容器的位置(如果物品需要被放入该容器中)、容器的速度、容器的加速度、传送器的速度、物品的重量等。

尽管可以在图1中所示的框130中例如通过上文所讨论的函数y＝f(k₁，k₂...k_n)来训练总体成功率，但是还可以采用其他形式的函数。在一个实施例中，评价函数的形式可以为x＝h(m₁...m_i)g(n₁...n_j)，其中x表示总体成功率或单个动作的成功率。h表示开关函数(switch function)，其意指测量参数中的一些测量参数直接确定成功或失败，而不管其余的测量参数如何。例如，机械手和物品的位置将直接确定成功，因为如果两个位置差异太大则动作失败。m_i表示用于开关函数的参数，诸如机械手和物品/容器的位置。g是表示不直接确定成功或失败的不同测量参数的成功可能性的权重函数。n_j表示诸如机械手和物品的速度、机械手和物品的加速度、物品的重量等之类的参数。

在本公开的一个方面中，公开了一种用于优化目标工作线的装置。该装置可以是现场计算机、远程计算机、或者能够与工作线通信并处理从该工作线获得的信息的任何其他处理设备。目标工作线包括至少一个机器人机械手、至少一个传送器以及在传送器上的要由机器人机械手移位的至少一个物品。该装置包括控制器，该控制器被配置为：获得用于目标工作线的评价模型，该评价模型基于至少一个测量参数来产生将物品从一个传送器移动到另一传送器的总体成功率，该测量参数是目标工作线的物理属性；根据目标工作线的用于测量参数的值来产生针对目标工作线的总体成功率；以及在所产生的总体成功率低于预定阈值率的情况下，基于总体成功率来更新用于配置参数的值，该配置参数与测量参数相对应，并且该配置参数为工作线的状态。

在示例实施例中，控制器可以被配置为：通过从目标工作线生成用于测量参数的值来产生针对目标工作线的总体成功率；以及产生总体成功率作为所获得的评价模型的输出，其中所生成的用于测量参数的值作为所获得的评价模型的输入。

在又一示例实施例中，控制器可以被配置为：通过从目标工作线中的相机捕获的视频中提取用于测量参数的值，来生成用于测量参数的值。

在另一示例实施例中，测量参数可以包括以下中的至少一项：与机器人机械手相关联的属性；与第一传送器相关联的属性，物品要在该第一传送器上被拾取；与物品相关联的属性；以及与第二传送器相关联的属性，物品要被放置在该第二传送器上。

在又一示例实施例中，控制器可以被配置为：通过从包括多个场景的库中选择基于目标工作线的场景来获得评价模型，场景中的每个场景与具有作为输入的测量参数组的一个评价模型相对应；以及获得与所选择的场景相关联的评价模型。

在再一示例实施例中，可以在多个就地工作线中分别训练多个评价模型，评价模型中的每个评价模型包括用于该测量参数组的相应权重。

在另一示例实施例中，控制器还可以被配置为：基于在目标工作线的操作期间测量的实际总体成功率来调节用于配置参数的值。

在另一示例实施例中，总体成功率可以包括拾取成功率、移动成功率和放置成功率。拾取成功率定义了机器人机械手成功地从第一传送器拾取物品的概率，移动成功率定义了机器人机械手成功地将物品从第一传送器上方的拾取位置移动到第二传送器上方的放置位置的概率，放置成功率定义了机器人机械手成功地将物品放置到第二传送器上的概率。

在又一实施例中，总体成功率可以是拾取成功率、移动成功率和放置成功率的乘积。

虽然在以上描述中以特定次序描绘了操作，但是不应当理解为要求以所示的特定次序或按顺序次序来执行这些操作、或者执行所有图示的操作以实现期望结果。在某些情况下，多任务处理和并行处理可能是有利的。同样地，尽管在上述讨论中包含若干细节，但是这些细节不应被解释为对本文中所描述的主题的范围的限制，而是应被解释为可能特定于具体实施例的特征的描述。在不同实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。另一方面，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合在多个实施例中实现。

尽管以特定于结构特征和/或方法动作的语言描述了本主题，但是应当理解，所附权利要求中定义的主题不必限于上文所描述的具体特征或动作。相反，公开了上文所描述的具体特征和动作作为实现权利要求的示例形式。

Claims (18)

1.一种优化目标工作线的方法，所述目标工作线包括至少一个机器人机械手、至少两个传送器以及在所述传送器上的要由所述机器人机械手移位的至少一个物品，所述方法包括：

获得用于所述目标工作线的评价模型，所述评价模型基于至少一个测量参数来产生将所述物品从一个传送器移动到另一传送器的总体成功率，所述测量参数是所述目标工作线的物理属性；

根据所述目标工作线的用于所述测量参数的值来产生针对所述目标工作线的所述总体成功率；以及

在所产生的所述总体成功率低于预定阈值率的情况下，基于所述总体成功率来更新用于配置参数的值，并且所述配置参数是所述工作线的状态；并且

其中所述测量参数包括与所述机器人机械手相关联的属性、以及与第一传送器相关联的属性和与第二传送器相关联的属性，所述物品要在所述第一传送器上被拾取，所述物品要被放置在所述第二传送器上。

2.根据权利要求1所述的方法，其中产生针对所述目标工作线的所述总体成功率包括：

从所述目标工作线生成用于所述测量参数的所述值；以及

产生所述总体成功率作为所获得的所述评价模型的输出，其中所生成的用于所述测量参数的所述值作为所获得的所述评价模型的输入。

3.根据权利要求2所述的方法，其中生成用于所述测量参数的所述值包括：

从由所述目标工作线中的相机捕获的视频中提取用于所述测量参数的所述值。

4.根据权利要求1至3中任一项所述的方法，其中所述测量参数还包括：

与所述物品相关联的属性。

5.根据权利要求1至3中任一项所述的方法，其中获得所述评价模型包括：

从库中选择基于所述目标工作线的场景，所述库包括多个场景，所述场景中的每个场景与具有作为输入的测量参数组的一个评价模型相对应；以及

获得与所选择的所述场景相关联的所述评价模型。

6.根据权利要求5所述的方法，其中多个评价模型分别在多个就地工作线中被训练，所述评价模型中的每个评价模型包括用于所述测量参数组的相应权重。

7.根据权利要求1至3中任一项所述的方法，其中所述方法还包括：

基于在所述目标工作线的操作期间测量的实际总体成功率来调节用于所述配置参数的所述值。

8.根据权利要求1至3中任一项所述的方法，其中所述总体成功率包括拾取成功率、移动成功率和放置成功率，

所述拾取成功率定义所述机器人机械手成功地从第一传送器拾取所述物品的概率，

所述移动成功率定义所述机器人机械手成功地将所述物品从所述第一传送器上方的拾取位置移动到第二传送器上方的放置位置的概率，以及

所述放置成功率定义所述机器人机械手成功地将所述物品放置到所述第二传送器上的概率。

9.根据权利要求8所述的方法，其中所述总体成功率是所述拾取成功率、所述移动成功率和所述放置成功率的乘积。

10.一种用于优化目标工作线的装置，所述目标工作线包括至少一个机器人机械手、至少两个传送器以及在所述传送器上的要由所述机器人机械手移位的至少一个物品，所述装置包括：

控制器，所述控制器被配置为：

获得用于所述目标工作线的评价模型，所述评价模型基于至少一个测量参数来产生将所述物品从一个传送器移动到另一传送器的总体成功率，所述测量参数是所述目标工作线的物理属性；

根据所述目标工作线的用于所述测量参数的值来产生针对所述目标工作线的所述总体成功率；以及

在所产生的所述总体成功率低于预定阈值率的情况下，基于所述总体成功率来更新用于配置参数的值，并且所述配置参数是所述工作线的状态；并且

其中所述测量参数包括与所述机器人机械手相关联的属性、以及与第一传送器相关联的属性和与第二传送器相关联的属性，所述物品要在所述第一传送器上被拾取，所述物品要被放置在所述第二传送器上。

11.根据权利要求10所述的装置，其中所述控制器被配置为通过以下方式产生针对所述目标工作线的所述总体成功率：

从所述目标工作线生成用于所述测量参数的所述值；以及

产生所述总体成功率作为所获得的所述评价模型的输出，其中所生成的用于所述测量参数的所述值作为所获得的所述评价模型的输入。

12.根据权利要求11所述的装置，其中所述控制器被配置为通过以下方式生成用于所述测量参数的所述值：

从由所述目标工作线中的相机捕获的视频中提取用于所述测量参数的所述值。

13.根据权利要求10至12中任一项所述的装置，其中所述测量参数还包括：

与所述物品相关联的属性。

14.根据权利要求13所述的装置，其中所述控制器被配置为通过以下方式获得所述评价模型：

从库中选择基于所述目标工作线的场景，所述库包括多个场景，所述场景中的每个场景与具有作为输入的测量参数组的一个评价模型相对应；以及

获得与所选择的所述场景相关联的所述评价模型。

15.根据权利要求14所述的装置，其中多个评价模型分别在多个就地工作线中被训练，所述评价模型中的每个评价模型包括用于所述测量参数组的相应权重。

16.根据权利要求10至12中任一项所述的装置，其中所述控制器还被配置为：

基于在所述目标工作线的操作期间测量的实际总体成功率来调节用于所述配置参数的所述值。

17.根据权利要求10至12中任一项所述的装置，其中所述总体成功率包括拾取成功率、移动成功率和放置成功率，

所述拾取成功率定义所述机器人机械手成功地从第一传送器拾取所述物品的概率，

所述移动成功率定义所述机器人机械手成功地将所述物品从所述第一传送器上方的拾取位置移动到第二传送器上方的放置位置的概率，以及

所述放置成功率定义所述机器人机械手成功地将所述物品放置到所述第二传送器上的概率。

18.根据权利要求17所述的装置，其中所述总体成功率是所述拾取成功率、所述移动成功率和所述放置成功率的乘积。

Images