CN110914022B - 直接教导机器人的***和方法 - Google Patents
直接教导机器人的***和方法 Download PDFInfo
- Publication number
- CN110914022B CN110914022B CN201880051514.6A CN201880051514A CN110914022B CN 110914022 B CN110914022 B CN 110914022B CN 201880051514 A CN201880051514 A CN 201880051514A CN 110914022 B CN110914022 B CN 110914022B
- Authority
- CN
- China
- Prior art keywords
- robot
- teaching
- data
- orientation
- controller
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000033001 locomotion Effects 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 30
- 230000013016 learning Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 14
- 239000011521 glass Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 2
- 238000011179 visual inspection Methods 0.000 claims description 2
- 230000031836 visual learning Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims description 2
- 230000003190 augmentative effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/42—Recording and playback systems, i.e. in which the programme is recorded from a cycle of operations, e.g. the cycle of operations being manually controlled, after which this record is played back on the same machine
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35464—Glove, movement of fingers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39451—Augmented reality for robot programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Manipulator (AREA)
Abstract
提供了用于教导机器人的***和方法。一个这样的***可以包括具有多个传感器的可穿戴设备,所述多个传感器用于感测表示被施加在目标上的用户身体的任何部分的至少一个移动、定向、位置、力和扭矩的信号。所述***进一步包括:被配置成接收感测信号的处理设备,处理设备进一步被配置成存储定义为教导命令的数据的感测信号;用于控制机器人的控制器,其接收教导命令的数据并根据接收到的教导命令的数据操作机器人;对象传感器,其用于检测作为机器人工件的对象的位置和定向;以及视觉输入设备,其通信地耦合到处理设备和控制器中的至少一个,其中视觉输入设备被配置成向用户生成由机器人关于对象执行的任务的视觉视图,并且在机器人操作期间视觉上校正机器人并覆写由控制器接收的教导命令的数据。
Description
相关应用的交叉引用
本申请要求2017年8月10日提交的、Colasanto等人的题为“SYSTEM AND METHODOF DIRECT TEACHING A ROBOT”的美国临时申请序列号62/543,652和2017年8月14日提交的、Colasanto等人的题为“SYSTEM AND METHOD OF DIRECT TEACHING A ROBOT”的美国临时申请序列号62/545,020的优先权,所述申请的公开内容特此通过引用以其整体并入本文中。
技术领域
本公开总体上涉及教导***,并且更具体地涉及直接教导机器人的***和方法。
背景技术
除非本文中另有指示,否则本节中描述的材料不是对本申请中权利要求的现有技术,并且不通过包含在本节中而被承认为现有技术。
发明内容
在下面阐述本文中公开的某些实施例的概述。应当理解,呈现这些方面仅仅是为了向读者提供这某些实施例的简要概述,并且这些方面不旨在限制本公开的范围。事实上,本公开可以涵盖下面可能没有阐述的各种方面。
本公开的实施例涉及用于教导机器人的***和方法。一个这样的***可以包括具有多个传感器的可穿戴设备,所述多个传感器用于感测表示被施加在目标上的用户身体的任何部分的至少一个移动、定向、位置、力和扭矩的信号。所述***进一步包括被配置成接收感测信号的处理设备,处理设备进一步被配置成存储定义为教导命令的数据的感测信号;用于控制机器人的控制器,其接收教导命令的数据并根据接收到的教导命令的数据操作机器人;用以检测作为机器人工件的对象的位置和定向的对象传感器;以及视觉输入设备,其通信地耦合到处理设备和控制器中的至少一个,其中视觉输入设备被配置成向用户生成由机器人关于对象执行的任务的视觉视图,并且在机器人操作期间视觉上校正机器人并覆写由控制器接收的教导命令的数据。控制器被配置成接收对象的检测到的位置和定向,并根据教导命令的数据操作机器人来执行操作,所述教导命令包括使机器人更靠近对象地移位、移动、升高和降低中的至少一个。视觉输入设备使得能够在机器人操作期间可视化学习结果。处理设备使得能够在可穿戴设备、对象传感器、视觉输入设备和控制器中的任何之间进行数据传递。可穿戴设备是手套、腕戴设备、手表或戒指。视觉输入设备是隐形眼镜、眼镜、护目镜或头盔式显示器。被定义为教导命令的数据的感测信号存储在计算机可读介质和云数据库中的至少一个上。教导命令的数据选自由以下各项组成的组:末端执行器运动、抓握运动、抓握强度、向对象的接近运动、提升运动、保持运动、投掷运动和挥动运动。传感器的示例是运动感测、位置感测、磁感测、加速度计、陀螺仪、全球定位(GPS)、惯性感测或力感测。
根据本公开的另一方面,一种用于教导机器人的***包括:输入组装件,其具有多个传感器并且在机器人操作期间可视化学习结果,所述多个传感器用于感测表示被施加在目标上的用户身体的任何部分的至少一个移动、定向、位置、力和扭矩的模拟信号。所述***进一步包括:被配置成接收感测信号的处理设备,处理设备进一步被配置成存储定义为教导命令的数据的感测信号;以及控制器,其接收教导命令的数据并根据接收到的教导命令的数据操作机器人,其中输入组装件被配置成在机器人操作期间视觉上校正机器人并覆写由控制器接收到的教导命令的数据。对象传感器被配置成检测作为机器人工件的对象对于所述***的位置和定向。控制器接收对象的检测到的位置和定向,并根据教导命令的数据操作机器人来执行操作,所述教导命令包括使机器人更靠近对象地移位、移动、升高和降低中的至少一个。处理设备使得能够在输入组装件、对象传感器和控制器中的任何之间进行数据传递。输入组装件包括:具有多个传感器的可穿戴设备,所述多个传感器用于感测表示被施加在目标上的用户身体的部分的至少一个移动、定向、位置、力和扭矩的模拟信号;以及视觉输入设备,其被配置成使得能够在机器人操作期间可视化学习结果并视觉上校正机器人。可穿戴设备是手套、腕戴设备、手表或戒指。视觉输入设备是隐形眼镜、眼镜、护目镜或头戴式显示器。
根据本公开的又一方面,一种教导机器人的方法包括:由输入设备感测模拟信号,所述模拟信号表示被施加在目标上的用户身体的任何部分的至少一个移动、定向、位置、力和扭矩;由处理器接收感测信号;将定义为教导命令的数据的感测信号存储在非暂时性计算机可读存储介质上;以及由控制器控制机器人。控制器接收教导命令的数据并根据接收到的教导命令的数据操作机器人,而输入设备在机器人操作期间视觉上校正机器人并覆写由控制器接收的教导命令的数据。所述方法进一步包括检测作为机器人工件的对象的位置和定向,其中由控制器接收对象的检测到的位置和定向,并根据教导命令的数据操作机器人来执行操作。所述方法进一步包括在机器人操作期间使得能够通过输入设备可视化学习结果。
根据本公开的另外的又一方面,一种教导机器人的***包括一个或多个处理器、存储器和一个或多个程序,其中所述一个或多个程序被存储在存储器中并被配置成由所述一个或多个处理器执行,所述一个或多个程序包括:用于利用可穿戴设备检测表示用户身体的任何部分的至少一个移动、定向、位置、力和扭矩的信号的指令,用于处理检测到的信号的指令,用于存储定义为教导命令的数据的经处理信号的指令,用于根据教导命令的数据操作机器人的指令,以及用于在机器人操作期间视觉上校正机器人的指令。所述***进一步包括用于在机器人操作期间可视化学习结果以及覆写由控制器接收的教导命令的数据的指令。
根据本公开的另一方面,一种其中存储有指令的计算机可读存储介质,所述指令当由用于教导机器人的设备执行时,使得所述设备:利用可穿戴设备检测表示用户身体的任何部分的至少一个移动、定向、位置、力和扭矩的信号,处理定义为教导命令的数据的检测到的信号,根据教导命令的数据操作机器人,以及在机器人操作期间视觉上校正机器人。所述计算机可读存储介质进一步包括指令,所述指令使得所述设备在机器人操作期间可视化学习结果,其中根据教导命令的数据操作机器人包括基于由对象传感器检测到的、作为机器人工件的对象的位置和定向,并且使机器人更靠近对象地移位、移动、上升或降低,以便根据教导命令的数据执行操作。
附图说明
当参考附图阅读以下对某些示例性实施例的详细描述时,本公开的这些和其他特征、方面和优点将变得更好理解,在附图中,同样的字符贯穿附图表示同样的技术,其中:
图1A是根据本公开的实施例的在操作者-机器人环境上实现的教导***的透视图;
图1B是示出了图1A的教导***的增强现实视图的示例;
图2A是根据本公开的另一实施例的在操作者-机器人环境上实现的教导***的透视图;
图2B是示出了图2A的教导***的增强现实视图的示例;以及
图3是根据本公开的实施例的机器人教导***的示意性框图。
图4是根据本公开的另一实施例的机器人教导***的示意性框图。
图5是图4的***的数据流的框图。
图6是由图4的***的对象传感器模块实现的过程的流程图。
图7是由图4的***的可穿戴设备模块实现的过程的流程图。
图8是由图4的***的训练模块实现的过程的流程图。
图9是由图4的***的规划模块实现的过程的流程图。
具体实施方式
出于促进对本公开原理的理解的目的,现在将对在附图中图示的并且在以下撰写说明书中描述的实施例进行参考。理解到,不因此而旨在限制本公开的范围。进一步理解到,本公开包括对图示的实施例的任何变更和修改,并且包括如本公开所属领域的普通技术人员通常将想到的本公开原理的另外应用。
以最有助于理解所要求保护的主题的方式,各种操作可以依次被描述为多个分立的动作或操作。然而,描述的次序不应当被解释为暗示这些操作必然是次序相关的。特别地,这些操作可以不按呈现的次序执行。所描述的操作可以以与所描述的实施例相比不同的次序来被执行。在附加实施例中,可以执行各种附加操作和/或可以省略所描述的操作。
图1A图示了根据本公开的实施例的在操作者-机器人环境100上实现的教导***的透视图。在环境100中,存在操作者或用户102和机器人104。由操作者102穿戴的可穿戴计算机或设备118被配置成跟踪或检测操作者102的身体或身体的一部分(诸如手臂、手、手指或手掌)的移动、定向、位置、力、扭矩或其组合。在一个示例中,可穿戴计算机或设备118包括多个元件,所述多个元件用于跟踪或检测表示操作者102的身体或身体的一部分(诸如手臂、手、手指或手掌)的至少一个移动、定向、位置、力或扭矩的模拟信号。在另一个示例中,可穿戴计算机或设备118包括多个元件,所述多个元件用于感测模拟信号,所述模拟信号表示操作者102的身体或身体的一部分(诸如手臂、手、手指或手掌)的至少一个移动、定向、位置、力或扭矩。可穿戴计算机或设备118可以是手套、腕戴设备、手表或戒指。可以提供由操作者102穿戴的基于视觉的计算机114,以在机器人104的操作之前、期间或之后可视化学***板电话、平板设备、个人数字助理(PDA)、膝上型计算机、便携式设备、腕戴设备、体戴设备或任何合适的设备。用于确定移动、定向、位置、力或扭矩的感测或跟踪元件的示例是运动感测、位置感测、磁感测、加速度计、陀螺仪、全球定位***(GPS)、惯性感测、压力感测或任何合适的感测和跟踪技术。从可穿戴设备118到处理器或非暂时性计算机可读存储介质中的至少一个的信息传送通过有线或无线链路来完成。
图1B图示了增强现实视图150的示例,增强现实视图150示出了通过组合了使用图1A的教导***的实现的基于视觉的计算机114而生成的学习结果。操作者102穿戴基于视觉的增强现实(AR)计算机114,并看到现实世界,其包括身体或身体的一部分的移动、定向、位置、力或扭矩连同表示例如机器人104’和学习结果的计算机生成的图形。一旦可视化了学习结果,基于视觉的AR计算机114就可以验证学习结果的准确性。基于视觉的AR计算机114使得控制器对机器人104’不做任何事情,或者变更/校正/改变机器人104’的控制或操作。在该图示中,与由操作者102执行的教导序列一致的学习结果经由操作者102穿戴的基于视觉的AR计算机114来被验证。教导***的细节可以在以下(一个或多个)图中进一步被描述。
图2A和2B分别图示了根据本公开的另一实施例的在操作者-机器人环境200上实现的教导***的透视图和AR视图250的示例。与图1A不同,用于在操作者-机器人环境200上使用的机器人204正在根据先前被存储或记录在非暂时性计算机可读存储介质或机器可读介质中的教导序列或教导命令的数据来执行任务。在机器人204的操作期间,操作者202通过基于视觉的AR设备214观察学习结果。如果学习结果与所记录的教导序列或教导命令的数据一致,则不需要改变。然而,如果学习结果需要一些升级或修改,则由机器人204执行的所记录的教导序列的至少一部分被修改或变更。例如,所记录的教导序列包括拾取、上升、从左到右以及降落移动,其现在被修改为在从左到右与降落移动之间包括第二拾取和上升移动。基于视觉的AR设备214生成所记录的任务或教导序列的学习结果的视觉视图,通过覆写由控制器接收的所记录的教导序列或任务来视觉上校正机器人,如图2B中所图示。取决于应用,可以全部或部分地替换、修改、更新或变更先前被记录的教导序列或教导命令的数据的整体或大部分。
图3是根据本公开的示例性实施例的机器人教导***300的示意性框图。***300包括一个或多个处理器370,一个或多个处理器370将可穿戴设备318通信地耦合到用于控制机器人304的控制器390。在***300中提供了非暂时性计算机可读存储介质372,诸如用于存储一个或多个程序的存储器。可替代地,非暂时性计算机可读存储介质可以远程地定位在***300之外的其他地方。例如,非暂时性计算机可读存储介质372可以定位在云网络或任何合适的远程无线网络上。由一个或多个处理器370执行的所存储程序包括但不限于:用于利用可穿戴设备318检测表示用户身体的任何部分的至少一个移动、定向、位置、力和扭矩的信号的指令、用于处理检测到的信号的指令、用于存储定义为教导命令的数据的经处理的信号的指令、用于根据教导命令的数据操作机器人304的指令以及用于在机器人304的操作期间视觉上校正机器人304的指令。由一个或多个处理器执行的所存储程序进一步包括:用于在机器人304的操作期间可视化学习结果以及覆写由控制器390接收的教导命令的数据的指令。用于跟踪、感测和检测用户身体的任何部分的移动、定向、位置、力和扭矩的一个或多个感测元件392可以并入可穿戴设备318中。在一些示例中,可穿戴设备318可以包括数据手套394,以确定人体或手势。
A.传感器数据:传感器数据是从对象传感器和可穿戴设备接收的数据。它包括但不限于被施加到对象的至少一个用户身体部分的移动、定向、位置、力和扭矩。传感器数据还包括从对象传感器接收的数据,例如对象的位置、定向、类型或类别。
B.教导算法——它是处理设备的主要过程。它应用数学变换和算法将传感器数据信息归纳成教导命令。
C.教导命令——教导命令是教导算法的计算的结果。它们利用以对象为中心的表示来描述演示的任务,其包括但不限于提升运动、保持运动、放置运动、抓握强度、对象相互作用力、对象姿势以及操作者执行的运动。这些教导命令独立于用于感测的硬件,并且独立于控制器和机器人。教导命令存储在存储器中。
D:控制器378——控制器是具有有限处理能力的机器人特定硬件。它接收教导命令,并根据来自对象传感器的当前信号对它们进行适配。控制器直接操作机器人。允许用户使用输入视觉设备来覆写教导命令。
E:机器人运动学和动力学380——从工作流程中删除。
F:机器人任务信息382——从工作流程中删除。
已经作为举例示出了以上描述的实施例,并且应当理解,这些实施例可以容许各种修改和替代形式。应当进一步理解,权利要求不旨在限于所公开的特定形式,而是覆盖落入本公开的精神和范围内的所有修改、等同物和替代物。
本公开范围内的实施例还可以包括用于在其上承载或存储有计算机可执行指令或数据结构的非暂时性计算机可读存储介质或机器可读介质。这样的非暂时性计算机可读存储介质或机器可读介质可以是通用或专用计算机可以访问的任何可用介质。作为举例而非限制,这样的非暂时性计算机可读存储介质或机器可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储装置、磁盘存储装置或其他磁存储设备,或者可以用于以计算机可执行指令或数据结构的形式承载或存储所期望的程序代码构件的任何其他介质。上述的组合也应当被包括在非暂时性计算机可读存储介质或机器可读介质的范围内。
也可以在分布式计算环境中实践实施例,在分布式计算环境中,由通过通信网络(通过硬连线链接、无线链接或通过其组合)而链接的本地和远程处理设备来执行任务。
计算机可执行指令包括例如使得通用计算机、专用计算机或专用处理设备执行特定功能或功能组的指令和数据。计算机可执行指令还包括由独立或网络环境中的计算机执行的程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件和数据结构等。计算机可执行指令、相关联的数据结构以及程序模块表示用于执行本文中公开的方法的步骤的程序代码构件的示例。这样的可执行指令的特定序列或相关联的数据结构表示用于实现这样的步骤中描述的功能的对应动作的示例。
图4是根据本公开的机器人教导***400的另一示例性实施例的示意性框图。***400包括可穿戴设备402、对象传感器404、机器人406、机器人控制器408、用户输入设备410、存储器412和处理设备414。
可穿戴设备402是由用户穿戴的设备,诸如手套、腕戴设备、戒指、贴片等,其被配置成跟踪或检测用户的身体或身体的一部分(诸如手臂、手、手指或手掌)的移动、定向、位置、力、扭矩或其组合。可穿戴设备402包括一个或多个感测元件,所述一个或多个感测元件用于感测或跟踪用户的手臂、手、手指或手掌的移动、定向、位置、力或扭矩。用于确定移动、定向、位置、力或扭矩的感测或跟踪元件的示例是运动感测、位置感测、磁感测、加速度计、陀螺仪、全球定位***(GPS)、惯性感测、压力感测或任何合适的感测和跟踪技术。
所述***包括至少一个对象传感器404,至少一个对象传感器404用于感测学习环境或工作空间的物理特性,并向处理设备提供传感器输出。所述***使用传感器输出来标识和区分学习环境中的对象。任何合适类型和数量的传感器可以用于向所述***提供输入,所述传感器包括光学传感器、接近传感器、加速度计、压力传感器、温度传感器等。
机器人406是被设计成在很少至没有来自人类操作者的干预的情况下执行一种或多种类型的任务的机电设备。一些机器人包括多个刚性部件,所述多个刚性部件通过形成肢体的电动化关节而连接,所述肢体可以以受控的铰接方式移动。机器人还可以被装备有使得能够例如使用轮、踏板、腿、翼、螺旋桨等从一个地方自主移动到另一个地方的机构。机器人肢体可以配备有各种不同类型的机构和/或工具,以用于执行不同类型的任务。机器人还可以配备有一个或多个传感器,以用于出于控制目的而感测机器人定位在其中的环境的一个或多个物理属性。
机器人控制器408是具有处理能力的电气设备,其被配置成从处理设备414接收高级命令(例如教导命令)以执行特定任务,并将命令转化成用于机器人406的致动器的低级命令序列,所述低级命令序列使得机器人执行特定任务。机器人控制器408可以接收例如来自对象传感器404和/或机器人406传感器的传感器输入,以促进用于机器人的控制和命令生成。控制器408直接操作机器人。
***400包括至少一个输入设备410,其使得用户能够与所述***交互。在一个实施例中,输入设备410是视觉输入设备(例如智能眼镜),其用于在机器人406的操作之前、期间或之后可视化学习结果。视觉输入设备410可以是由用户穿戴的隐形眼镜、智能眼镜、智能护目镜或头盔式显示器。在一些实施例中,视觉输入设备410可以包括基于视觉的增强现实(AR)***,所述***被配置成可视化学习结果,覆写由控制器接收的教导命令,以及视觉上校正机器人的操作。
存储器412是用于存储由处理设备414执行的程序指令以及由处理设备414用来实现所述***的各种功能的处理数据的非暂时性计算机可读存储介质。由处理设备414执行的所存储程序包括但不限于:用于利用可穿戴设备402检测表示用户身体的任何部分的至少一个移动、定向、位置、力和扭矩的信号的指令,用于处理检测到的信号的指令,用于存储定义为教导命令的数据的经处理的信号的指令,用于根据教导命令的数据操作机器人406的指令,以及用于在机器人操作期间视觉上校正机器人406的指令。由处理设备执行的所存储程序进一步包括用于在机器人406的操作期间可视化学习结果以及覆写由控制器408接收的教导命令的数据的指令。***存储器412可以是任何合适类型的存储器,并且可以在单个设备中被实现或者跨多个设备分布,仅举几例,所述存储器包括固态存储器、磁存储器或光学存储器。
处理设备414是***400的主要组件,并负责***的多个关键方面,所述多个关键方面包括:接收和处理(来自对象传感器和可穿戴设备的)传感器数据、通过直接演示而从操作者学习任务、规划学习任务的执行、向机器人控制器传送教导命令、接收操作者反馈以及经由视觉输入设备与用户交互。处理设备414包括至少一个处理器,诸如中央处理单元(CPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)设备或微控制器,所述至少一个处理器被配置成执行被存储在存储器412中的编程指令。
为了实现所述***的功能性,处理设备414由四个子模块组成。每个子模块具有由处理设备、外部设备或存储器单元的另一个子模块接收/发送的特定输入/输出。这些子模块包括对象传感器模块416、可穿戴设备模块418、训练模块420和规划器模块422。如本文中所使用的,术语“模块”和“子模块”是指能够执行与该元件相关联的功能性的任何已知的或以后开发的硬件、软件、固件、人工智能、模糊逻辑或这些的组合。模块或子模块封装相关的功能,并提供用于接收输入、传输输出和访问模块功能的清楚定义的接口。
图5描绘了通过存储器单元在处理设备414的不同子模块与机器人控制器408之间的信息流。这些存储器单元可以在***存储器中实现和/或可以在处理设备的内部或外部。任何合适的数据结构或存储器存储结构可以用于存储用于子模块的数据。如图5中所描绘的,可以以数据库(例如,查询唯一的“键”,检索与键相关联的信息)或堆栈(条目的协调列表(ordinated list))的形式来组织存储在存储器单元中的数据。
参考图5,对象传感器模块416负责区分和标识学习环境中的对象。为此,对象传感器模块416接收对应于来自对象传感器404的传感器输出的传感器数据,并处理传感器数据以标识工作空间中的对象。与对象传感器模块416有关的数据被存储在输入DB 424中。在一个实施例中,对象传感器模块416向每个标识的对象分配唯一标识符(例如,对象_ID,图6)。对象传感器模块416然后访问知识DB 426以确定对象的类型或分类。对象标识符和类型信息然后连同其他有关数据(诸如来自传感器的位置和定向数据)被存储在输入DB 424中。对象传感器模块416被配置成使用传感器输出来跟踪所标识的对象,并利用当前信息更新输入DB 424。
对象传感器模块处理来自连接到所述***的对象传感器的数据。它负责标识对象,并且跟踪它们在工作空间中的位置和定向。当在工作空间中引入新对象时,对象传感器模块通过向其分配唯一的对象_ID和类型_ID来标识它。因此,新条目在输入DB中被创建,并利用这些Id被实例化。对象_ID是对象DB的唯一键,并且用于存储和访问关于对象状态和属性的信息。类型_ID被用作知识DB的唯一键,来对对象库进行索引,所述对象库收集不同类型对象的特性(诸如几何和动态属性)。在算法的每次迭代处,通过使用对象传感器的传感器数据来计算处于工作空间中的对象的位置和定向。在对应的对象_ID条目处将每个对象的姿势存储在输入DB中。
图6是在对象传感器模块中实现的算法的实施例的流程图。所述过程在框600处开始。对象传感器数据被处理以确定传感器数据与新对象还是与先前被标识的对象相关(框602)。如果传感器数据指示在工作空间中检测到新对象,则将唯一标识符(对象_ID)分配给新对象(框604)。对象传感器模块然后访问知识DB 426以对新对象进行分类(框606)。基于知识DB 426中的信息,对象传感器模块向新对象分配类型标识符(类型_ID)(框608)。然后,新对象信息(例如,对象_ID、类型_ID和传感器数据)被存储在输入DB 424中(框610)。如果传感器数据与先前被标识的对象相关,则在输入DB 424中更新与该对象相关的传感器数据(框612)。
再次参考图5,可穿戴设备模块418被配置成以如下方式与(一个或多个)可穿戴设备402交互:所述方式类似于对象传感器模块416与(一个或多个)对象传感器404交互的方式。可穿戴设备模块418在输入DB 424中维护与(一个或多个)可穿戴设备相关的信息。可穿戴设备模块418向连接到所述***的每个可穿戴设备分配唯一标识符(例如,可穿戴_设备_ID,图7)。可穿戴设备模块418接收来自可穿戴设备402的输出,并处理数据以确定用户的身体部分的定向、位置、力、扭矩等。然后,该信息与对应的可穿戴设备标识符相关联地存储在输入DB 424中。可穿戴设备模块418监视(一个或多个)可穿戴设备402的输出,并相应地更新输入DB 424中的信息。
可穿戴设备模块418处理来自可穿戴设备的数据,以便跟踪用户的指尖的位置和定向以及用户施加到工作空间中的对象上的力和扭矩。当新的可穿戴设备连接到所述***时,模块向其分配唯一的可穿戴_设备_ID。因此,新条目在输入DB中被创建,并利用该ID被实例化。在算法的迭代期间,模块收集来自在工作空间中进行动作的可穿戴设备的传感器数据,对它们进行处理,并在对应的可穿戴_设备_ID条目处将它们存储到输入DB中。
图7是在可穿戴设备模块418中实现的过程的实施例的流程图。所述过程在框700处开始。可穿戴设备数据被处理以确定所述数据与新的可穿戴设备、与先前被标识的设备相关(框702)。如果设备数据指示检测到新设备,则将唯一标识符(可穿戴_设备_ID)分配给新设备(框704)。新设备信息(例如,可穿戴_设备_ID和设备输出)然后被存储在输入DB 424中(框706)。如果设备数据与先前被标识的设备相关,则在输入DB 424中更新与该设备相关的设备数据(框708)。
返回图5,训练模块420被配置成从用户学习要由机器人406实现的任务。训练模块420具有对输入DB 424中的数据的访问,所述数据包括对象传感器输出和可穿戴设备输出。训练模块420还具有对包含教导命令模板列表的知识DB 426的访问。训练模块420被配置成通过参考来自输入DB 424的对象传感器数据和可穿戴设备数据选择适当的教导命令模板来生成教导命令的序列,以实现用户的演示任务。该教导命令的序列被保存在教导命令堆栈428中作为实例化的教导命令的协调列表。
图8是用于实现训练模块420的功能性的过程的实施例的流程图。该模块负责通过直接演示而从操作者学习任务。为此目的,使用以对象为中心的表示来描述任务。所述过程在框800处开始。训练模块420查询输入DB 424以接收工作空间中的对象_Id和可穿戴_设备_Id以及与对象和设备相关的感测数据(框802)。一旦接收到该信息,训练模块就知道工作空间的当前状态,所述当前状态包括对象的位置、定向和类型,用户的指尖的位置和定向,以及由用户的手施加到对象的对应的力和扭矩。
然后,训练模块标识工作空间中的任何活动对象(对象_ID)(框804)。当用户对对象执行动作时,该对象被认为是“活动的”。用户动作的示例包括接近对象、抓握对象、提升对象、移动对象等等。训练模块访问知识DB 426,并选择与每个活动对象相关的教导命令模板,并将所选择的教导命令分配给对应的活动对象(框806)。训练模块选择最佳描述用户当前正在对活动对象执行的动作的教导命令模板。
参考被存储在输入_DB 424中的传感器信息,训练模块420为每个活动对象实例化所选择的模板(框808)。这结果得到教导命令的协调列表。实例化的教导命令模板(或简单的教导命令)描述对对象的特定动作,诸如对象从特定的初始位置移动到特定的最终位置,或者对象以特定配置且利用特定力被抓握。最后,教导模块将实例化的教导命令添加到教导命令堆栈430(框810)。
参考图5,规划器模块422具有对输入DB 424、知识DB 426、教导命令堆栈428和机器人命令堆栈430的访问。规划器模块422被配置成使用包含在知识DB 426中的信息将存储在教导命令堆栈428中的实例化的教导命令的序列转化成机器人命令的序列。机器人命令然后根据当前注册在输入DB 424中的对象而被实例化。最后,结果得到的实例化的机器人命令列表被存储在机器人命令堆栈430中。
图9是用于实现规划模块的功能性的过程的实施例的流程图。规划模块使用控制器将用以对象为中心的表示描述的学习任务转化成对机器人可执行的机器人命令的序列。所述过程在框900处开始。根据当前处于工作空间中的对象来规划机器人任务。为此,规划模块通过如下操作开始:选择工作空间中与要被实现的任务有关或兼容的对象(框902)。通过查询输入DB 424,规划模块能够取得定位在工作空间中的对象的位置、定向和类型。
规划模块422将对象分配给存储在堆栈中的教导命令(框904)。规划模块然后将教导命令转化成机器人命令(框906)。对于每个教导命令模板,知识DB包含如下指令:所述指令关于如何将对应的教导命令(用以对象为中心的表示来表述的单个动作)转换为机器人命令集。机器人命令是可以由控制器执行的参数化低级控制命令。因此,对于教导命令堆栈428的每个教导命令,规划模块使用相关联的对象的位置和定向来实例化对应的机器人命令集。实例化的机器人命令然后被添加到机器人命令堆栈430(框908)。为了执行任务,机器人控制器访问机器人命令堆栈,并依次执行机器人命令,以执行由用户先前演示的任务。
虽然已经在附图和前述描述中详细地图示和描述了本公开,但是其在性质上应当被认为是说明性的,而不是限制性的。理解到,已经呈现了仅优选实施例,并且期望保护落入本公开的精神内的所有改变、修改和另外的应用。
Claims (28)
1.一种用于教导机器人的***,包括:
可穿戴设备,其具有多个传感器,所述多个传感器用于感测表示被施加在目标上的至少身体和用户身体的一部分的至少一个移动、定向、位置、力和扭矩的信号;
处理设备,其被配置成从可穿戴设备接收移动、定向、位置和力,处理设备进一步被配置成存储定义为教导命令的数据的移动、定向、位置和力;
控制器,其用于控制机器人,控制器接收教导命令的数据,并根据接收到的教导命令的数据操作机器人;
对象传感器,其用于检测作为机器人工件的对象的位置和定向;以及
视觉输入设备,其通信地耦合到处理设备和控制器中的至少一个;
其中,视觉输入设备被配置成向用户生成来自机器人关于对象的移动、定向、位置和力的视觉视图,并且在机器人操作期间视觉上校正机器人并覆写由控制器接收的教导命令的数据。
2.根据权利要求1所述的***,其中,控制器接收对象的检测到的位置和定向,并根据教导命令的数据操作机器人来执行操作。
3.根据权利要求2所述的***,其中控制器操作机器人包括使机器人更靠近对象地移位、升高和降低中的至少一个。
4.根据权利要求3所述的***,其中,视觉输入设备使得能够在机器人操作期间可视化学习结果。
5.根据权利要求4所述的***,其中,处理设备使得能够在可穿戴设备、对象传感器、视觉输入设备和控制器之间进行数据传递。
6.根据权利要求5所述的***,其中,可穿戴设备是手套、腕戴设备和戒指。
7.根据权利要求5所述的***,其中视觉输入设备是隐形镜片、眼镜、护目镜和头盔式显示器中的一个。
8.根据权利要求1所述的***,其中定义为教导命令的数据的移动、定向、位置和力被存储在计算机可读介质和云数据库中的至少一个上。
9.根据权利要求1所述的***,其中教导命令的数据选自由以下各项组成的组:抓握运动、抓握强度、向对象的接近运动、提升运动、保持运动、投掷运动和挥动运动。
10.根据权利要求1所述的***,其中传感器选自由以下各项组成的组:力传感器、运动传感器和位置传感器。
11.一种用于教导机器人的***,包括:
用户接口,其具有多个传感器并且在机器人操作期间可视化学习结果,所述多个传感器用于感测表示被施加在目标上的至少身体和用户身体的一部分的至少一个移动、定向、位置、力和扭矩的信号;
处理设备,其被配置成从输入组装件接收移动、定向、位置和力,处理设备进一步被配置成存储定义为教导命令的数据的移动、定向、位置和力;以及
控制器,其接收教导命令的数据,并根据接收到的教导命令的数据操作机器人;
其中输入组装件被配置成在机器人操作期间视觉上校正机器人并覆写由控制器接收的教导命令的数据。
12.根据权利要求11所述的***,进一步包括对象传感器,以检测作为机器人工件的对象的位置和定向。
13.根据权利要求12所述的***,其中,控制器接收对象的检测到的位置和定向,并根据教导命令的数据操作机器人来执行操作。
14.根据权利要求13所述的***,其中控制器操作机器人包括使机器人更靠近对象地移位、升高和降低中的至少一个。
15.根据权利要求14所述的***,其中,处理设备使得能够在输入组装件、对象传感器和控制器之间进行数据传递。
16.根据权利要求15所述的***,其中输入组装件包括:
具有多个传感器的可穿戴设备,所述多个传感器用于感测信号,所述信号表示被施加在目标上的至少用户的手、用户的手指和用户的手掌的至少一个移动、定向、位置、力和扭矩;和
视觉输入设备,其被配置成使得能够在机器人操作期间可视化学习结果并视觉上校正机器人。
17.根据权利要求16所述的***,其中,可穿戴设备是手部手套、手指手套和手掌手套中的一个。
18.根据权利要求16所述的***,其中,视觉输入设备是隐形镜片、眼镜和护目镜中的一个。
19.一种教导机器人的方法,包括:
由输入设备感测传感器信号,所述传感器信号表示被施加在目标上的至少用户的手、用户的手指和用户的手掌的至少一个移动、定向、位置、力和扭矩;
从输入设备接收移动、定向、位置和力;
存储定义为教导命令的数据的移动、定向、位置和力;和
由控制器控制机器人;
其中控制器接收教导命令的数据,并根据接收到的教导命令的数据操作机器人;并且
其中输入设备在机器人操作期间视觉上校正机器人并覆写由控制器接收的教导命令的数据。
20.根据权利要求19所述的方法,进一步包括检测作为机器人工件的对象的位置和定向。
21.根据权利要求20所述的方法,其中由控制器接收对象的检测到的位置和定向,并且根据教导命令的数据操作机器人来执行操作。
22.根据权利要求21所述的方法,进一步包括在机器人操作期间,使得能够通过输入设备可视化学习结果。
23.一种教导机器人的***,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序存储在存储器中,并且被配置成由所述一个或多个处理器执行,所述一个或多个程序包括:
用于利用可穿戴设备检测一个或多个手指、手、手掌的至少一个移动、定向、位置、力和扭矩的指令;
用于处理所述至少一个移动、定向、位置、力和扭矩的指令;
用于存储定义为教导命令的数据的经处理的移动、定向、位置、力和扭矩的指令;
用于根据教导命令的数据操作机器人的指令;
用于在机器人操作期间视觉上校正机器人的指令;
用于在机器人操作期间可视化学习结果以及覆写由控制器接收的教导命令的数据的指令。
24.一种用于教导机器人的***,包括:
对象传感器,其被配置成输出指示工作空间中对象的位置和定向的对象传感器信号;
可穿戴设备,其被配置成输出可穿戴设备信号,所述可穿戴设备信号指示与穿戴可穿戴设备的用户身体的一部分相关的至少一个物理参数,所述至少一个物理参数包括定向、位置、力、移动方向、移动速度和扭矩中的至少一个,并且指示要教导给机器人的任务;
处理设备,其被配置成接收可穿戴设备信号和对象传感器信号,处理设备包括:
对象传感器模块,其被配置成处理对象传感器信号,并利用对象传感器信号指示的、工作空间中的对象的位置和定向来更新输入数据库;
可穿戴设备模块,其被配置成处理可穿戴设备信号,并利用由可穿戴设备信号指示的可穿戴设备的至少一个物理参数来更新输入数据库;
训练模块,其被配置成:
访问输入数据库以标识工作空间的当前状态,当前状态包括工作空间中对象的位置和定向以及由可穿戴设备的至少一个物理参数指示的任务;
基于工作空间的当前状态选择至少一个教导命令模板;并且
从至少一个选择的教导命令模板为机器人生成至少一个教导命令;以及
规划模块,其被配置成将教导命令转化成机器人命令并将机器人命令存储在存储器中,机器人命令被配置成使得机器人执行任务;以及
机器人控制器,其被配置成访问存储器并执行被存储在存储器中的机器人命令,机器人控制器被配置成生成用于使得机器人基于机器人命令执行任务的控制信号。
25.根据权利要求24所述的***,进一步包括:
视觉输入设备,其被配置成向用户生成来自机器人关于对象的移动、定向、位置和力的视觉视图,并且在机器人操作期间视觉上校正机器人并覆写由机器人控制器接收的教导命令的数据。
26.根据权利要求25所述的***,其中,视觉输入设备是隐形镜片、眼镜和护目镜中的一个。
27.根据权利要求24所述的***,其中,可穿戴设备是手套、腕戴设备和戒指中的一个。
28.根据权利要求24所述的***,进一步包括:
机器人,其被配置成执行任务。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762543652P | 2017-08-10 | 2017-08-10 | |
US62/543652 | 2017-08-10 | ||
US201762545020P | 2017-08-14 | 2017-08-14 | |
US62/545020 | 2017-08-14 | ||
PCT/US2018/045984 WO2019032814A1 (en) | 2017-08-10 | 2018-08-09 | SYSTEM AND METHOD FOR DIRECT TEACHING TO A ROBOT |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110914022A CN110914022A (zh) | 2020-03-24 |
CN110914022B true CN110914022B (zh) | 2023-11-07 |
Family
ID=65272663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880051514.6A Active CN110914022B (zh) | 2017-08-10 | 2018-08-09 | 直接教导机器人的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11413748B2 (zh) |
CN (1) | CN110914022B (zh) |
DE (1) | DE112018002565B4 (zh) |
WO (1) | WO2019032814A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3788570A1 (en) * | 2018-04-30 | 2021-03-10 | Telefonaktiebolaget LM Ericsson (publ) | Automated augmented reality rendering platform for providing remote expert assistance |
US20200301510A1 (en) * | 2019-03-19 | 2020-09-24 | Nvidia Corporation | Force estimation using deep learning |
US20210316450A1 (en) * | 2020-04-14 | 2021-10-14 | 3Deo, Inc. | Robotics for three-dimensional printing |
US11472025B2 (en) * | 2020-05-21 | 2022-10-18 | Intrinsic Innovation Llc | Robotic demonstration learning device |
CN112157645A (zh) * | 2020-08-07 | 2021-01-01 | 北京航天自动控制研究所 | 一种七自由度协作机器人智能控制器 |
CN114193442A (zh) * | 2020-09-18 | 2022-03-18 | 宇龙计算机通信科技(深圳)有限公司 | 机器人控制方法、装置及计算机存储介质 |
GB2619991A (en) * | 2021-04-12 | 2023-12-27 | Sanctuary Cognitive Systems Corp | Systems, devices, and methods for developing robot autonomy |
DE102021121743A1 (de) | 2021-08-23 | 2023-02-23 | Aeon Robotics GmbH | Roboterhand eines Roboters und Verfahren zum Trainieren eines Roboters sowie ein tragbares Sensor- und Kraftrückführungselement hierzu |
DE102021212494B4 (de) | 2021-11-05 | 2024-07-04 | Robert Bosch Gesellschaft mit beschränkter Haftung | Vorrichtung und Verfahren zur Steuerung einer Robotervorrichtung |
DE102022120633A1 (de) | 2022-08-16 | 2024-02-22 | Syntegon Technology Gmbh | Verfahren zu einem Anlernen einer Handhabungsvorrichtung, Handhabungsvorrichtung, die mit einem derartigen Verfahren anlernbar ist, sowie Produktions- und/oder Transportmaschine mit einer derartigen Handhabungsvorrichtung |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04210390A (ja) * | 1990-11-30 | 1992-07-31 | Fujita Corp | ロボットハンドの遠隔操作システム |
JP2013091114A (ja) * | 2011-10-05 | 2013-05-16 | Kyokko Denki Kk | インタラクション操作システム |
CN105058396A (zh) * | 2015-07-31 | 2015-11-18 | 深圳先进技术研究院 | 机器人示教***及其控制方法 |
CN105818129A (zh) * | 2016-04-12 | 2016-08-03 | 华南理工大学 | 一种基于数据手套的仿人机械手控制*** |
CN106922185A (zh) * | 2014-09-30 | 2017-07-04 | 微软技术许可有限责任公司 | 经由可穿戴和移动设备的基于自然运动的控制 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5803738A (en) * | 1994-06-24 | 1998-09-08 | Cgsd Corporation | Apparatus for robotic force simulation |
JPH08257948A (ja) | 1995-03-20 | 1996-10-08 | Yaskawa Electric Corp | ロボットの遠隔操作装置 |
US20020133264A1 (en) * | 2001-01-26 | 2002-09-19 | New Jersey Institute Of Technology | Virtual reality system for creation of design models and generation of numerically controlled machining trajectories |
JP4878842B2 (ja) * | 2003-11-13 | 2012-02-15 | 独立行政法人科学技術振興機構 | ロボットの駆動方法 |
DE102005061211B4 (de) * | 2004-12-22 | 2023-04-06 | Abb Schweiz Ag | Verfahren zum Erzeugen einer Mensch-Maschine-Benutzer-Oberfläche |
US20100082118A1 (en) * | 2008-09-30 | 2010-04-01 | Rockwell Automation Technologies, Inc. | User interface display object for logging user-implemented solutions to industrial field problems |
WO2013039551A1 (en) * | 2011-09-15 | 2013-03-21 | Persimmon Technologies Corporation | System and method for operation of a robot |
KR101978740B1 (ko) * | 2012-02-15 | 2019-05-15 | 삼성전자주식회사 | 원격조종시스템 및 그 제어방법 |
US9092698B2 (en) * | 2012-06-21 | 2015-07-28 | Rethink Robotics, Inc. | Vision-guided robots and methods of training them |
KR101343860B1 (ko) | 2013-01-03 | 2013-12-20 | 재단법인대구경북과학기술원 | 하이브리드 인터페이스를 사용하는 로봇 아바타 시스템과 로봇 아바타 시스템에서 사용되는 명령 서버, 학습 서버 및 지각 서버 |
US9221170B2 (en) * | 2013-06-13 | 2015-12-29 | GM Global Technology Operations LLC | Method and apparatus for controlling a robotic device via wearable sensors |
DE102015204641B4 (de) * | 2014-06-03 | 2021-03-25 | ArtiMinds Robotics GmbH | Verfahren und System zur Programmierung eines Roboters |
JP2016107379A (ja) | 2014-12-08 | 2016-06-20 | ファナック株式会社 | 拡張現実対応ディスプレイを備えたロボットシステム |
US9643314B2 (en) * | 2015-03-04 | 2017-05-09 | The Johns Hopkins University | Robot control, training and collaboration in an immersive virtual reality environment |
JP6420229B2 (ja) | 2015-12-10 | 2018-11-07 | ファナック株式会社 | 仮想物体の画像をロボットの映像に重畳表示する映像表示装置を備えるロボットシステム |
JP6038417B1 (ja) * | 2016-01-29 | 2016-12-07 | 三菱電機株式会社 | ロボット教示装置及びロボット制御プログラム作成方法 |
US20170249561A1 (en) * | 2016-02-29 | 2017-08-31 | GM Global Technology Operations LLC | Robot learning via human-demonstration of tasks with force and position objectives |
US10449672B2 (en) * | 2016-03-14 | 2019-10-22 | California Institute Of Technology | Wearable electromyography sensor array using conductive cloth electrodes for human-robot interactions |
JP6457441B2 (ja) * | 2016-07-12 | 2019-01-23 | ファナック株式会社 | ロボットの重心表示装置、ロボット制御装置およびロボットシミュレーション装置 |
JP6514258B2 (ja) * | 2017-03-31 | 2019-05-15 | ファナック株式会社 | ロボットシステム |
CA3071332A1 (en) * | 2017-07-25 | 2019-01-31 | Mbl Limited | Systems and methods for operations a robotic system and executing robotic interactions |
JP6861604B2 (ja) * | 2017-10-02 | 2021-04-21 | 株式会社オカムラ | 管理システム及び制御方法 |
-
2018
- 2018-08-09 CN CN201880051514.6A patent/CN110914022B/zh active Active
- 2018-08-09 DE DE112018002565.9T patent/DE112018002565B4/de active Active
- 2018-08-09 WO PCT/US2018/045984 patent/WO2019032814A1/en active Application Filing
- 2018-08-09 US US16/627,080 patent/US11413748B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04210390A (ja) * | 1990-11-30 | 1992-07-31 | Fujita Corp | ロボットハンドの遠隔操作システム |
JP2013091114A (ja) * | 2011-10-05 | 2013-05-16 | Kyokko Denki Kk | インタラクション操作システム |
CN106922185A (zh) * | 2014-09-30 | 2017-07-04 | 微软技术许可有限责任公司 | 经由可穿戴和移动设备的基于自然运动的控制 |
CN105058396A (zh) * | 2015-07-31 | 2015-11-18 | 深圳先进技术研究院 | 机器人示教***及其控制方法 |
CN105818129A (zh) * | 2016-04-12 | 2016-08-03 | 华南理工大学 | 一种基于数据手套的仿人机械手控制*** |
Also Published As
Publication number | Publication date |
---|---|
DE112018002565T5 (de) | 2020-03-12 |
CN110914022A (zh) | 2020-03-24 |
DE112018002565B4 (de) | 2021-07-01 |
US11413748B2 (en) | 2022-08-16 |
US20200130178A1 (en) | 2020-04-30 |
WO2019032814A1 (en) | 2019-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110914022B (zh) | 直接教导机器人的***和方法 | |
US20210205986A1 (en) | Teleoperating Of Robots With Tasks By Mapping To Human Operator Pose | |
Li et al. | Survey on mapping human hand motion to robotic hands for teleoperation | |
US20090306825A1 (en) | Manipulation system and method | |
US20170249561A1 (en) | Robot learning via human-demonstration of tasks with force and position objectives | |
Bouteraa et al. | Task-space region-reaching control for medical robot manipulator | |
EP4059671A1 (en) | Training collaborative robots through user demonstrations | |
CN114516060A (zh) | 用于控制机器人装置的设备和方法 | |
Chen et al. | A human–robot interface for mobile manipulator | |
Müller et al. | Cyber-physical-system for representing a robot end effector | |
Ovur et al. | Naturalistic robot-to-human bimanual handover in complex environments through multi-sensor fusion | |
Amatya et al. | Real time kinect based robotic arm manipulation with five degree of freedom | |
Deng et al. | Human-like posture correction for seven-degree-of-freedom robotic arm | |
Sylari et al. | Hand gesture-based on-line programming of industrial robot manipulators | |
Weng et al. | Applications of light-weight wearable devices to online programming of industrial dual-arm robots | |
Fang et al. | Learning from wearable-based teleoperation demonstration | |
Xu et al. | A Novel Robot Teaching System Based on Mixed Reality | |
Mariappan et al. | Real Time Robotic Arm using Leap Motion Controller | |
US20220317659A1 (en) | Transfer between Tasks in Different Domains | |
Rodríguez Hoyos et al. | Virtual reality interface for assist in programming of tasks of a robotic manipulator | |
Solberg et al. | Utilizing Reinforcement Learning and Computer Vision in a Pick-And-Place Operation for Sorting Objects in Motion | |
Guzman | Robotic Embodiment of Human-Like Motor Skills via Sim-to-Real Reinforcement Learning | |
Frizzell et al. | Modifiable intuitive robot controller: Computer vision-based controller for various robotic designs | |
Thompson | Redesigning the human-robot interface: intuitive teleoperation of anthropomorphic robots | |
Huang et al. | Human-Like Dexterous Manipulation for the Anthropomorphic Hand-Arm Robotic System via Teleoperation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |