CN114924513B - 一种多机器人协同控制***及方法 - Google Patents
一种多机器人协同控制***及方法 Download PDFInfo
- Publication number
- CN114924513B CN114924513B CN202210637246.4A CN202210637246A CN114924513B CN 114924513 B CN114924513 B CN 114924513B CN 202210637246 A CN202210637246 A CN 202210637246A CN 114924513 B CN114924513 B CN 114924513B
- Authority
- CN
- China
- Prior art keywords
- robot
- task
- preset
- acquiring
- early warning
- 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
Images
Classifications
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种多机器人协同控制***及方法,其中,***包括:获取模块,用于获取目标任务;确定模块,用于基于目标任务和预设的神经网络模型,确定适宜的任务分工;控制模块,用于基于任务分工,对多个第一机器人进行协同控制,以执行目标任务。本发明的多机器人协同控制***及方法,无需工作人员对机器人进行协同控制,降低了人力成本,另外,引入神经网络模型,有效避免了人工进行协同控制可能会导致机器人分工不明确造成任务执行不高效等问题发生。
Description
技术领域
本发明涉及机器人技术领域,特别涉及一种多机器人协同控制***及方法。
背景技术
目前,一些待由机器人执行的任务由于进度紧张和/或任务较复杂,需要多个机器人共同进行,例如:大量工件的清洗上下料任务。当多个机器人共同执行任务时,需要对机器人进行协同控制,一般的,协同控制均由工作人员完成,人力成本较大,另外,人工进行协同控制可能会导致机器人分工不明确造成任务执行不高效等问题发生。
因此,亟需一种解决办法。
发明内容
本发明提供一种多机器人协同控制***及方法,无需工作人员对机器人进行协同控制,降低了人力成本,另外,引入神经网络模型,有效避免了人工进行协同控制可能会导致机器人分工不明确造成任务执行不高效等问题发生。
本发明提供一种多机器人协同控制***,包括:
获取模块,用于获取目标任务;
确定模块,用于基于目标任务和预设的神经网络模型,确定适宜的任务分工;
控制模块,用于基于任务分工,对多个第一机器人进行协同控制,以执行目标任务。
优选的,获取模块获取目标任务,包括:
获取预设的任务收集库;
基于预设的第一特征提取模板,对任务收集库中的任务进行特征提取,获得多个第一特征值;
基于第一特征值,构建任务描述因子;
基于任务描述因子和预设的多机器人执行任务识别库,确定对应任务是需要多机器人执行;
若是,将对应任务作为目标任务。
优选的,多机器人协同控制***,还包括:
修正模块,用于当对多个第一机器人进行协同控制时,获取第一机器人的执行情况,基于执行情况,对任务分工进行修正,基于修正后的任务分工,对第一机器人进行接力协同控制。
优选的,修正模块获取第一机器人的执行情况,包括:
获取第一机器人当前的第一位置;
通过对应于第一位置的至少一个第一图像采集设备获取第一机器人的第一图像;
基于第一图像,确定第一机器人的执行情况;
和/或,
对第一机器人进行定时情况问询;
获取第一机器人接收情况问询后回复的执行情况;
和/或,
获取至少一个情况记录人员上传的第一机器人的执行情况。
优选的,修正模块基于执行情况,对任务分工进行修正,包括:
依次遍历任务分工中的多个第一任务项;
每次遍历时,从执行情况中确定遍历到的第一任务项对应的目标执行情况;
基于遍历到的第一任务项的任务类型对应的预设的第二特征提取模板,对目标执行情况进行特征提取,获得多个第二特征值;
基于第二特征值,构建执行情况描述因子;
基于执行情况描述因子和预设的执行情况缺陷识别库,确定目标执行情况中的至少一个第一缺陷项;
遍历结束后,统计第一缺陷项的总数目;
当总数目为一时,基于第一缺陷项对应的预设的第一最佳修正策略;
基于第一最佳修正策略,对任务分工进行修正;
当总数目不为一时,获取第一缺陷项对应的预设的多个待搭配修正策略;
对待搭配修正策略进行搭配挑选,获得与第一缺陷项一一对应的第二最佳修正策略;
基于第二最佳修正策略,对任务分工进行修正;
其中,修正模块对待搭配修正策略进行搭配挑选,包括:
随机选取每一第一缺陷项对应的一个第二最佳修正策略,并进行汇总,获得修正策略集;
基于预设的第三特征提取模板,对修正策略集中的第二最佳修正策略进行特征提取,获得多个第三特征值;
基于第三特征值,构建搭配描述因子;
基于搭配描述因子和预设的搭配适宜度识别库,确定修正策略集的搭配适宜度;
选取最大搭配适宜度对应的修正策略集中的第二最佳修正策略作为与对应第一缺陷项一一对应的第二最佳修正策略。
优选的,多机器人协同控制***,还包括:
预警模块,用于对第一机器人作业的作业现场进行安全监控和预警;
其中,预警模块对第一机器人作业的作业现场进行安全监控和预警,包括:
通过对应于作业现场的至少一个第二图像采集设备获取作业现场的第二图像;
基于预设的第四特征提取模板,对第二图像进行特征提取,获得多个第四特征值;
基于第四特征值,构建现场描述因子;
基于现场描述因子和预设的风险事件识别库,确定作业现场内的至少一个风险事件,风险事件包括:风险类型、产生风险的至少一个作业人员、作业人员的第二位置和第一机器人中受风险影响的至少一个第二机器人;
获取风险类型对应的预设的预警信息;
基于预警信息,对作业人员进行提醒;
其中,预警模块基于预警信息,对作业人员进行提醒,包括:
获取作业现场的噪音值;
若噪音值小于预设的噪音阈值,控制作业现场内的至少一个播放设备输出预警信息;
否则,基于之前预设的第一时间内的第二图像,确定作业人员的移动状态,移动状态包括:静态和动态;
当移动状态为静态时,获取第一机器人中除第二机器人之外的第三机器人在接下来预设的第二时间内的局部移动路线;
当局部移动路线上存在至少一个第一点位与第一位置的距离小于等于预设的距离阈值时,将最小距离对应的第一点位作为第二点位,同时,将最小距离对应的第三机器人作为第四机器人;
当第四机器人即将抵达第二点位时,控制第一机器人的第一显示设备显示预警信息;
基于当前的第二图像,确定作业人员的面部的第一面部朝向;
动态调整第一显示设备的第一显示朝向,使得第一面部朝向与第一显示朝向的第一夹角持续落在预设的第一夹角范围内,直至第四机器人行驶完对应局部移动路线;
当移动状态为动态时,获取作业人员的身份ID;
基于预设的查看引导信息生成模板,根据身份ID,生成查看引导信息;
基于最新的第二图像,持续确定作业人员的面部第三位置和第二面部朝向;
获取第三位置周边预设的范围内的至少一个第二显示设备的第二显示朝向;
若存在第二面部朝向与第二显示朝向的第二夹角落在预设的第二夹角范围内时,控制对应第二显示设备先后输出查看引导信息和预警信息。
本发明提供一种多机器人协同控制方法,包括:
步骤1:获取目标任务;
步骤2:基于目标任务和预设的神经网络模型,确定适宜的任务分工;
步骤3:基于任务分工,对多个第一机器人进行协同控制,以执行目标任务。
优选的,步骤1:获取目标任务,包括:
获取预设的任务收集库;
基于预设的第一特征提取模板,对任务收集库中的任务进行特征提取,获得多个第一特征值;
基于第一特征值,构建任务描述因子;
基于任务描述因子和预设的多机器人执行任务识别库,确定对应任务是需要多机器人执行;
若是,将对应任务作为目标任务。
优选的,多机器人协同控制方法,还包括:
当对多个第一机器人进行协同控制时,获取第一机器人的执行情况,基于执行情况,对任务分工进行修正,基于修正后的任务分工,对第一机器人进行接力协同控制。
优选的,获取第一机器人的执行情况,包括:
获取第一机器人当前的第一位置;
通过对应于第一位置的至少一个第一图像采集设备获取第一机器人的第一图像;
基于第一图像,确定第一机器人的执行情况;
和/或,
对第一机器人进行定时情况问询;
获取第一机器人接收情况问询后回复的执行情况;
和/或,
获取至少一个情况记录人员上传的第一机器人的执行情况。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种多机器人协同控制***的示意图;
图2为本发明实施例中一种多机器人协同控制方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种多机器人协同控制***,如图1所示,包括:
获取模块1,用于获取目标任务;
确定模块2,用于基于目标任务和预设的神经网络模型,确定适宜的任务分工;
控制模块3,用于基于任务分工,对多个第一机器人进行协同控制,以执行目标任务。
上述技术方案的工作原理及有益效果为:
目标任务为需要多个机器人共同执行的任务。引入预设的神经网络模型,神经网络模型是基于大量的人工根据任务内容进行机器人任务分工的记录进行训练收敛的人工智能网络模型。基于神经网络模型,根据目标任务,确定任务分工。基于任务分工,对多个第一机器人进行协同控制。无需工作人员对机器人进行协同控制,降低了人力成本,另外,引入神经网络模型,有效避免了人工进行协同控制可能会导致机器人分工不明确造成任务执行不高效等问题发生。
本发明提供一种多机器人协同控制***,获取模块1获取目标任务,包括:
获取预设的任务收集库;
基于预设的第一特征提取模板,对任务收集库中的任务进行特征提取,获得多个第一特征值;
基于第一特征值,构建任务描述因子;
基于任务描述因子和预设的多机器人执行任务识别库,确定对应任务是需要多机器人执行;
若是,将对应任务作为目标任务。
上述技术方案的工作原理及有益效果为:
预设的任务收集库中存储有收集的多个需求人员发布的待由机器人执行的任务。引入预设的第一特征提取模板,第一特征提取模板可以为,例如:提取任务希望完成时间等。基于第一特征提取模板,提取任务收集库中的任务的第一特征值,第一特征值可以为,例如:任务希望完成时间和需要搬运的工件量等。基于第一特征值,构建任务描述因子,任务描述因子可以为一种描述向量,描述向量以及向量构建属于现有技术范畴,不作赘述。引入预设的多机器人执行任务识别库,多机器人执行任务识别库中存储有大量需要多机器人共同执行的任务的任务描述因子。基于多机器人执行任务识别库,确定任务是否需要多机器人执行,若是,将对应任务作为目标任务,完成获取。提升了需要多机器人共同执行的任务的筛选及时性,也无需人工进行筛选,降低了人力成本。
本发明提供一种多机器人协同控制***,还包括:
修正模块,用于当对多个第一机器人进行协同控制时,获取第一机器人的执行情况,基于执行情况,对任务分工进行修正,基于修正后的任务分工,对第一机器人进行接力协同控制。
上述技术方案的工作原理及有益效果为:
当多个第一机器人共同执行目标任务时,可能会出现分工不合理情况,例如:执行工件清洗任务时,清洗机的清洗线的输入端需要进行上料的工件增多,因清洗需要时间,清洗线的输出端暂无需要进行下料的工件,导致分配至输出端的机器人在等待输出端输出清洗完成工件。因此,获取第一机器人的执行情况,基于执行情况,对任务分工进行修正,例如:调整位于清洗线的输出端的机器人前往输入端执行上料任务,基于修正后的任务分工,对第一机器人进行接力协同控制。充分保证了进行协同控制的合理性,极大程度上提升了多个机器人共同执行任务的执行效率。
本发明提供一种多机器人协同控制***,修正模块获取第一机器人的执行情况,包括:
获取第一机器人当前的第一位置;
通过对应于第一位置的至少一个第一图像采集设备获取第一机器人的第一图像;
基于第一图像,确定第一机器人的执行情况;
和/或,
对第一机器人进行定时情况问询;
获取第一机器人接收情况问询后回复的执行情况;
和/或,
获取至少一个情况记录人员上传的第一机器人的执行情况。
上述技术方案的工作原理及有益效果为:
获取第一机器人的执行情况的方式有三种:第一种,获取第一机器人的第一图像,基于第一图像,确定执行情况,例如:基于图像识别技术,识别机器人正在执行的动作等,基于动作确定任务执行进度,对应于第一位置的第一图像采集设备即为拍摄范围包含第一位置的图像采集设备;第二种,对第一机器人进行定时情况问询,发送情况询问指令,第一机器人接收后会回复执行情况;第三种,由现场的情况记录人员进行实时记录并上传。极大程度提升了处理情况获取的精准性和时效性。
本发明提供一种多机器人协同控制***,修正模块基于执行情况,对任务分工进行修正,包括:
依次遍历任务分工中的多个第一任务项;
每次遍历时,从执行情况中确定遍历到的第一任务项对应的目标执行情况;
基于遍历到的第一任务项的任务类型对应的预设的第二特征提取模板,对目标执行情况进行特征提取,获得多个第二特征值;
基于第二特征值,构建执行情况描述因子;
基于执行情况描述因子和预设的执行情况缺陷识别库,确定目标执行情况中的至少一个第一缺陷项;
遍历结束后,统计第一缺陷项的总数目;
当总数目为一时,基于第一缺陷项对应的预设的第一最佳修正策略;
基于第一最佳修正策略,对任务分工进行修正;
当总数目不为一时,获取第一缺陷项对应的预设的多个待搭配修正策略;
对待搭配修正策略进行搭配挑选,获得与第一缺陷项一一对应的第二最佳修正策略;
基于第二最佳修正策略,对任务分工进行修正;
其中,修正模块对待搭配修正策略进行搭配挑选,包括:
随机选取每一第一缺陷项对应的一个第二最佳修正策略,并进行汇总,获得修正策略集;
基于预设的第三特征提取模板,对修正策略集中的第二最佳修正策略进行特征提取,获得多个第三特征值;
基于第三特征值,构建搭配描述因子;
基于搭配描述因子和预设的搭配适宜度识别库,确定修正策略集的搭配适宜度;
选取最大搭配适宜度对应的修正策略集中的第二最佳修正策略作为与对应第一缺陷项一一对应的第二最佳修正策略。
上述技术方案的工作原理及有益效果为:
任务分工包含多个第一机器人需要分工执行的多个第一任务项。引入第一任务项的任务类型对应的预设的第二特征提取模板,例如:任务类型为清洗线上下料,第二特征提取模板为提取出清洗机需要上料的工件数量和提取出清洗机需要下料的工件数量。基于第二特征提取模板,提取出执行情况中第一任务项对应的目标执行情况的多个第二特征值,第二特征值可以为,例如:清洗机需要上料的工件数量和提取出清洗机需要下料的工件数量等。基于第二特征值,构建执行情况描述因子,执行情况描述因子可以为一种描述向量,描述向量以及向量构建属于现有技术范畴,不作赘述。引入预设的预设的执行情况缺陷识别库,执行情况缺陷识别库中存储有多个机器人执行任务时存在的缺陷的执行情况的执行情况描述因子。基于执行情况缺陷识别库,确定目标执行情况中的至少一个第一缺陷项。提升了处理情况缺陷识别的效率和精准性。
第一缺陷项可以为1个或多个。当第一缺陷项为1个时,获取其对应的预设的第一最佳修正策略,例如:第一缺陷项为清洗机当前需要下料的工件数目为0,仍与机器人在执行下料任务,第一最佳修正策略为调整位于清洗机的清洗线的输出端的机器人前往输入端协助其他机器人上料。基于第一最佳修正策略,对任务分工进行修正即可。但是,当第一缺陷项为多个时,对第一缺陷项进行修正时,如果基于第一缺陷项对应的最佳修正策略依次修正时,可能会产生冲突,导致修正效果不佳,例如:多个第一缺陷项分别当前机器人执行上料任务的能力不足(5%不足)、执行下料任务的机器人数量过多(多出10%)以及执行将工件转移至清洗机的清洗线输出端的任务的机器人较少(少5%),在确定修正策略时,需要进行搭配,不能一味的为解决某一缺陷项导致其他缺陷项不能得到完美解决或修正策略之间产生冲突。因此,引入预设的第三特征提取模板,第三特征提取模板可以为,例如:提取调配的机器人的数量。基于第三特征提取模板,提取修正策略集中的第二最佳修正策略第三特征值,第三特征值可以为,例如:从执行下料任务的机器人调配至执行上料任务的数量等。基于第三特征值,构建搭配描述因子,搭配描述因子可以为一种描述向量,描述向量以及向量构建属于现有技术范畴,不作赘述。引入预设的搭配适宜度识别库,搭配适宜度识别库中存储有不同修正策略进行搭配时形成的搭配描述因子和对应适宜度。基于搭配适宜度识别库,确定修正策略集的搭配适宜度。选取最大搭配适宜度对应的修正策略集中的第二最佳修正策略作为与对应第一缺陷项一一对应的第二最佳修正策略。充分保证了对任务分工进行修正的精准性和合理性。一般的,机器人在执行任务时,执行情况多发生出现多个缺陷的情况,因此,适用性较高。
本发明提供一种多机器人协同控制***,还包括:
预警模块,用于对第一机器人作业的作业现场进行安全监控和预警;
其中,预警模块对第一机器人作业的作业现场进行安全监控和预警,包括:
通过对应于作业现场的至少一个第二图像采集设备获取作业现场的第二图像;
基于预设的第四特征提取模板,对第二图像进行特征提取,获得多个第四特征值;
基于第四特征值,构建现场描述因子;
基于现场描述因子和预设的风险事件识别库,确定作业现场内的至少一个风险事件,风险事件包括:风险类型、产生风险的至少一个作业人员、作业人员的第二位置和第一机器人中受风险影响的至少一个第二机器人;
获取风险类型对应的预设的预警信息;
基于预警信息,对作业人员进行提醒;
其中,预警模块基于预警信息,对作业人员进行提醒,包括:
获取作业现场的噪音值;
若噪音值小于预设的噪音阈值,控制作业现场内的至少一个播放设备输出预警信息;
否则,基于之前预设的第一时间内的第二图像,确定作业人员的移动状态,移动状态包括:静态和动态;
当移动状态为静态时,获取第一机器人中除第二机器人之外的第三机器人在接下来预设的第二时间内的局部移动路线;
当局部移动路线上存在至少一个第一点位与第一位置的距离小于等于预设的距离阈值时,将最小距离对应的第一点位作为第二点位,同时,将最小距离对应的第三机器人作为第四机器人;
当第四机器人即将抵达第二点位时,控制第一机器人的第一显示设备显示预警信息;
基于当前的第二图像,确定作业人员的面部的第一面部朝向;
动态调整第一显示设备的第一显示朝向,使得第一面部朝向与第一显示朝向的第一夹角持续落在预设的第一夹角范围内,直至第四机器人行驶完对应局部移动路线;
当移动状态为动态时,获取作业人员的身份ID;
基于预设的查看引导信息生成模板,根据身份ID,生成查看引导信息;
基于最新的第二图像,持续确定作业人员的面部第三位置和第二面部朝向;
获取第三位置周边预设的范围内的至少一个第二显示设备的第二显示朝向;
若存在第二面部朝向与第二显示朝向的第二夹角落在预设的第二夹角范围内时,控制对应第二显示设备先后输出查看引导信息和预警信息。
上述技术方案的工作原理及有益效果为:
另外,当第一机器人进行作业时,可能会在作业现场内发生安全事故,例如:执行货品搬运的机器人与正在进行倒车的货品运输车产生碰撞。因此,需要对作业现场进行安全监控及预警。
引入预设的第四特征提取模板,第四特征提取模板可以为,例如:提取作业现场内正在移动的货车数量。基于第四特征提取模板,提取作业现场的第二图像的多个第四特征值,第四特征值可以为,例如:机器人与货车之间的距离、正在移动的货车数量和货车和机器人的占比面积与现场总面积的比值等。基于第四特征值,构建构建现场描述因子,现场描述因子可以为一种描述向量,描述向量以及向量构建属于现有技术范畴,不作赘述。引入预设的风险事件识别库,风险事件识别库中存储有不同风险事件对应的现场描述因子。基于风险事件识别库,识别确定作业现场内的至少一个风险事件,风险事件包包括:风险类型(例如:机器人与货车碰撞)、产生风险的至少一个作业人员(对货车驾驶者)、作业人员的第二位置和第一机器人中受风险影响的至少一个第二机器人(可能与货车产生碰撞的机器人)。引入风险类型对应的预设的预警信息,例如:“倒车请注意!后方有机器人正在作业!”。基于预警信息,对作业人员进行提醒。极大程度上提升了机器人在作业现场的安全性,也提升了机器人共同完成目标任务的稳定性。
对作业人员进行提醒时,分为两种情况:第一种,现场噪音较小,直接通过播放设备(例如:音响)输出预警信息即可;第二种,现场噪音较大,此时,对作业人员进行提醒也另分成两种情况,第一种,作业人员为静态时,例如:在某个固定区域移动或站着不动,例如:在某处远程手动遥控移动举升机,挑选出适宜的即将路过的第四机器人,对作业人员进行提醒;第二种,作业人员为动态时,例如:驾驶货车,挑选出适宜的第二显示设备对作业人员进行提醒。充分保证了提醒的适用性。
另外,挑选出适宜的即将路过的第四机器人时,分别引入最小距离、第一面部朝向、第一显示朝向、第一夹角和预设的第一夹角范围,充分保证挑选出的第四机器人的适宜性,计算第一夹角时可以将两者方向转换成方向向量,计算方向向量的夹角即可,向量转换及向量夹角计算属于现有技术范畴,例如:计算两个向量的夹角的计算公式为:,/>为夹角,/>和/>为两者向量。预设的第一夹角范围可以为,例如:150度~180度。挑选出适宜的第二显示设备时,分别引入第二面部朝向、第二显示朝向、第二夹角和第二夹角范围,第二夹角的求法与上述第一夹角的求法同理,第二夹角范围可以为90°~180度,充分保证挑选出的第二显示设备的适宜性。
本发明提供一种多机器人协同控制方法,如图2所示,包括:
步骤1:获取目标任务;
步骤2:基于目标任务和预设的神经网络模型,确定适宜的任务分工;
步骤3:基于任务分工,对多个第一机器人进行协同控制,以执行目标任务。
本发明提供一种多机器人协同控制方法,步骤1:获取目标任务,包括:
获取预设的任务收集库;
基于预设的第一特征提取模板,对任务收集库中的任务进行特征提取,获得多个第一特征值;
基于第一特征值,构建任务描述因子;
基于任务描述因子和预设的多机器人执行任务识别库,确定对应任务是需要多机器人执行;
若是,将对应任务作为目标任务。
本发明提供一种多机器人协同控制方法,还包括:
当对多个第一机器人进行协同控制时,获取第一机器人的执行情况,基于执行情况,对任务分工进行修正,基于修正后的任务分工,对第一机器人进行接力协同控制。
本发明提供一种多机器人协同控制方法,获取第一机器人的执行情况,包括:
获取第一机器人当前的第一位置;
通过对应于第一位置的至少一个第一图像采集设备获取第一机器人的第一图像;
基于第一图像,确定第一机器人的执行情况;
和/或,
对第一机器人进行定时情况问询;
获取第一机器人接收情况问询后回复的执行情况;
和/或,
获取至少一个情况记录人员上传的第一机器人的执行情况。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种多机器人协同控制***,其特征在于,包括:
获取模块,用于获取目标任务;
确定模块,用于基于所述目标任务和预设的神经网络模型,确定适宜的任务分工;
控制模块,用于基于所述任务分工,对多个第一机器人进行协同控制,以执行所述目标任务;
修正模块,用于当对多个第一机器人进行协同控制时,获取所述第一机器人的执行情况,基于所述执行情况,对所述任务分工进行修正,基于修正后的任务分工,对所述第一机器人进行接力协同控制;
所述修正模块获取所述第一机器人的执行情况,包括:
获取所述第一机器人当前的第一位置;
通过对应于所述第一位置的至少一个第一图像采集设备获取所述第一机器人的第一图像;
基于所述第一图像,确定所述第一机器人的执行情况;
和/或,
对所述第一机器人进行定时情况问询;
获取所述第一机器人接收情况问询后回复的执行情况;
和/或,
获取至少一个情况记录人员上传的所述第一机器人的执行情况;
预警模块,用于对所述第一机器人作业的作业现场进行安全监控和预警;
其中,所述预警模块对所述第一机器人作业的作业现场进行安全监控和预警,包括:
通过对应于所述作业现场的至少一个第二图像采集设备获取所述作业现场的第二图像;
基于预设的第四特征提取模板,对所述第二图像进行特征提取,获得多个第四特征值;
基于所述第四特征值,构建现场描述因子;
基于所述现场描述因子和预设的风险事件识别库,确定所述作业现场内的至少一个风险事件,所述风险事件包括:风险类型、产生风险的至少一个作业人员、所述作业人员的第二位置和所述第一机器人中受风险影响的至少一个第二机器人;
获取所述风险类型对应的预设的预警信息;
基于所述预警信息,对所述作业人员进行提醒;
其中,所述预警模块基于所述预警信息,对所述作业人员进行提醒,包括:
获取所述作业现场的噪音值;
若所述噪音值小于预设的噪音阈值,控制所述作业现场内的至少一个播放设备输出所述预警信息;
否则,基于之前预设的第一时间内的所述第二图像,确定所述作业人员的移动状态,所述移动状态包括:静态和动态;
当所述移动状态为静态时,获取所述第一机器人中除所述第二机器人之外的第三机器人在接下来预设的第二时间内的局部移动路线;
当所述局部移动路线上存在至少一个第一点位与所述第一位置的距离小于等于预设的距离阈值时,将最小所述距离对应的所述第一点位作为第二点位,同时,将最小所述距离对应的所述第三机器人作为第四机器人;
当所述第四机器人即将抵达所述第二点位时,控制所述第一机器人的第一显示设备显示所述预警信息;
基于当前的所述第二图像,确定所述作业人员的面部的第一面部朝向;
动态调整所述第一显示设备的第一显示朝向,使得所述第一面部朝向与所述第一显示朝向的第一夹角持续落在预设的第一夹角范围内,直至所述第四机器人行驶完对应所述局部移动路线;
当所述移动状态为动态时,获取所述作业人员的身份ID;
基于预设的查看引导信息生成模板,根据所述身份ID,生成查看引导信息;
基于最新的所述第二图像,持续确定所述作业人员的面部第三位置和第二面部朝向;
获取第三位置周边预设的范围内的至少一个第二显示设备的第二显示朝向;
若存在所述第二面部朝向与所述第二显示朝向的第二夹角落在预设的第二夹角范围内时,控制对应所述第二显示设备先后输出所述查看引导信息和所述预警信息。
2.如权利要求1所述的一种多机器人协同控制***,其特征在于,所述获取模块获取目标任务,包括:
获取预设的任务收集库;
基于预设的第一特征提取模板,对所述任务收集库中的任务进行特征提取,获得多个第一特征值;
基于所述第一特征值,构建任务描述因子;
基于所述任务描述因子和预设的多机器人执行任务识别库,确定对应所述任务是需要多机器人执行;
若是,将对应所述任务作为目标任务。
3.如权利要求1所述的一种多机器人协同控制***,其特征在于,所述修正模块基于所述执行情况,对所述任务分工进行修正,包括:
依次遍历所述任务分工中的多个第一任务项;
每次遍历时,从所述执行情况中确定遍历到的所述第一任务项对应的目标执行情况;
基于遍历到的所述第一任务项的任务类型对应的预设的第二特征提取模板,对所述目标执行情况进行特征提取,获得多个第二特征值;
基于所述第二特征值,构建执行情况描述因子;
基于所述执行情况描述因子和预设的执行情况缺陷识别库,确定所述目标执行情况中的至少一个第一缺陷项;
遍历结束后,统计所述第一缺陷项的总数目;
当所述总数目为一时,基于所述第一缺陷项对应的预设的第一最佳修正策略;
基于所述第一最佳修正策略,对所述任务分工进行修正;
当所述总数目不为一时,获取所述第一缺陷项对应的预设的多个待搭配修正策略;
对所述待搭配修正策略进行搭配挑选,获得与所述第一缺陷项一一对应的第二最佳修正策略;
基于所述第二最佳修正策略,对所述任务分工进行修正;
其中,所述修正模块对所述待搭配修正策略进行搭配挑选,包括:
随机选取每一所述第一缺陷项对应的一个所述第二最佳修正策略,并进行汇总,获得修正策略集;
基于预设的第三特征提取模板,对所述修正策略集中的所述第二最佳修正策略进行特征提取,获得多个第三特征值;
基于所述第三特征值,构建搭配描述因子;
基于所述搭配描述因子和预设的搭配适宜度识别库,确定所述修正策略集的搭配适宜度;
选取最大所述搭配适宜度对应的所述修正策略集中的所述第二最佳修正策略作为与对应所述第一缺陷项一一对应的第二最佳修正策略。
4.一种多机器人协同控制方法,其特征在于,包括:
步骤1:获取目标任务;
步骤2:基于所述目标任务和预设的神经网络模型,确定适宜的任务分工;
步骤3:基于所述任务分工,对多个第一机器人进行协同控制,以执行所述目标任务;
当对多个第一机器人进行协同控制时,获取所述第一机器人的执行情况,基于所述执行情况,对所述任务分工进行修正,基于修正后的任务分工,对所述第一机器人进行接力协同控制;
获取所述第一机器人的执行情况,包括:
获取所述第一机器人当前的第一位置;
通过对应于所述第一位置的至少一个第一图像采集设备获取所述第一机器人的第一图像;
基于所述第一图像,确定所述第一机器人的执行情况;
和/或,
对所述第一机器人进行定时情况问询;
获取所述第一机器人接收情况问询后回复的执行情况;
和/或,
获取至少一个情况记录人员上传的所述第一机器人的执行情况;
所述方法还包括:
对所述第一机器人作业的作业现场进行安全监控和预警;
其中,预警模块对所述第一机器人作业的作业现场进行安全监控和预警,包括:
通过对应于所述作业现场的至少一个第二图像采集设备获取所述作业现场的第二图像;
基于预设的第四特征提取模板,对所述第二图像进行特征提取,获得多个第四特征值;
基于所述第四特征值,构建现场描述因子;
基于所述现场描述因子和预设的风险事件识别库,确定所述作业现场内的至少一个风险事件,所述风险事件包括:风险类型、产生风险的至少一个作业人员、所述作业人员的第二位置和所述第一机器人中受风险影响的至少一个第二机器人;
获取所述风险类型对应的预设的预警信息;
基于所述预警信息,对所述作业人员进行提醒;
其中,所述预警模块基于所述预警信息,对所述作业人员进行提醒,包括:
获取所述作业现场的噪音值;
若所述噪音值小于预设的噪音阈值,控制所述作业现场内的至少一个播放设备输出所述预警信息;
否则,基于之前预设的第一时间内的所述第二图像,确定所述作业人员的移动状态,所述移动状态包括:静态和动态;
当所述移动状态为静态时,获取所述第一机器人中除所述第二机器人之外的第三机器人在接下来预设的第二时间内的局部移动路线;
当所述局部移动路线上存在至少一个第一点位与所述第一位置的距离小于等于预设的距离阈值时,将最小所述距离对应的所述第一点位作为第二点位,同时,将最小所述距离对应的所述第三机器人作为第四机器人;
当所述第四机器人即将抵达所述第二点位时,控制所述第一机器人的第一显示设备显示所述预警信息;
基于当前的所述第二图像,确定所述作业人员的面部的第一面部朝向;
动态调整所述第一显示设备的第一显示朝向,使得所述第一面部朝向与所述第一显示朝向的第一夹角持续落在预设的第一夹角范围内,直至所述第四机器人行驶完对应所述局部移动路线;
当所述移动状态为动态时,获取所述作业人员的身份ID;
基于预设的查看引导信息生成模板,根据所述身份ID,生成查看引导信息;
基于最新的所述第二图像,持续确定所述作业人员的面部第三位置和第二面部朝向;
获取第三位置周边预设的范围内的至少一个第二显示设备的第二显示朝向;
若存在所述第二面部朝向与所述第二显示朝向的第二夹角落在预设的第二夹角范围内时,控制对应所述第二显示设备先后输出所述查看引导信息和所述预警信息。
5.如权利要求4所述的一种多机器人协同控制方法,其特征在于,所述步骤1:获取目标任务,包括:
获取预设的任务收集库;
基于预设的第一特征提取模板,对所述任务收集库中的任务进行特征提取,获得多个第一特征值;
基于所述第一特征值,构建任务描述因子;
基于所述任务描述因子和预设的多机器人执行任务识别库,确定对应所述任务是需要多机器人执行;
若是,将对应所述任务作为目标任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210637246.4A CN114924513B (zh) | 2022-06-07 | 2022-06-07 | 一种多机器人协同控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210637246.4A CN114924513B (zh) | 2022-06-07 | 2022-06-07 | 一种多机器人协同控制***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114924513A CN114924513A (zh) | 2022-08-19 |
CN114924513B true CN114924513B (zh) | 2023-06-06 |
Family
ID=82813075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210637246.4A Active CN114924513B (zh) | 2022-06-07 | 2022-06-07 | 一种多机器人协同控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114924513B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115392505B (zh) * | 2022-08-29 | 2023-07-18 | 智迪机器人技术(盐城)有限公司 | 一种汽车配件自动安装机器人的异常处理***及方法 |
CN117590816B (zh) * | 2023-12-14 | 2024-05-17 | 湖南比邻星科技有限公司 | 一种基于物联网的多机器人协同控制***及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0899285A (ja) * | 1994-10-03 | 1996-04-16 | Meidensha Corp | ロボットの衝突防止装置 |
WO2015114089A1 (de) * | 2014-01-30 | 2015-08-06 | Kuka Systems Gmbh | Sicherheitseinrichtung und sicherheitsverfahren |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8552886B2 (en) * | 2010-11-24 | 2013-10-08 | Bcs Business Consulting Services Pte Ltd. | Crash warning system for motor vehicles |
JP6645142B2 (ja) * | 2015-11-30 | 2020-02-12 | 株式会社デンソーウェーブ | ロボット安全システム |
CN110914914A (zh) * | 2017-03-31 | 2020-03-24 | 亿祈工作有限公司 | 用于陪伴机器人的方法和*** |
WO2019058694A1 (ja) * | 2017-09-20 | 2019-03-28 | ソニー株式会社 | 制御装置、制御方法及び制御システム |
CN108416488B (zh) * | 2017-12-21 | 2022-05-03 | 中南大学 | 一种面向动态任务的多智能机器人任务分配方法 |
CN110209485B (zh) * | 2019-06-05 | 2020-06-02 | 青岛海通胜行智能科技有限公司 | 一种协同作业时多机器人的动态避让方法 |
CN110717684B (zh) * | 2019-10-15 | 2022-06-17 | 西安工程大学 | 一种基于任务分配协调策略与粒子群算法的任务分配方法 |
CN113001536B (zh) * | 2019-12-20 | 2022-08-23 | 中国科学院沈阳计算技术研究所有限公司 | 一种面向协作多机器人的防碰撞检测方法及装置 |
CN111708361B (zh) * | 2020-05-19 | 2023-09-08 | 上海有个机器人有限公司 | 多机器人碰撞预测方法和装置 |
CN111798097B (zh) * | 2020-06-06 | 2024-04-09 | 浙江科钛机器人股份有限公司 | 一种基于市场机制的自主移动机器人任务分配处理方法 |
DE102021201918A1 (de) * | 2020-10-07 | 2022-04-07 | Robert Bosch Gesellschaft mit beschränkter Haftung | Vorrichtung und Verfahren zum Steuern ein oder mehrerer Roboter |
CN112561227A (zh) * | 2020-10-26 | 2021-03-26 | 南京集新萃信息科技有限公司 | 一种基于递归神经网络的多机器人协同方法及*** |
CN112883792A (zh) * | 2021-01-19 | 2021-06-01 | 武汉海默机器人有限公司 | 一种基于视觉深度分析的机器人主动安全防护方法及*** |
CN113936209A (zh) * | 2021-09-03 | 2022-01-14 | 深圳云天励飞技术股份有限公司 | 巡逻机器人的协同作业方法及相关设备 |
CN114179104B (zh) * | 2021-12-13 | 2022-07-08 | 盐城工学院 | 一种基于视觉识别的采摘机器人控制方法及*** |
-
2022
- 2022-06-07 CN CN202210637246.4A patent/CN114924513B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0899285A (ja) * | 1994-10-03 | 1996-04-16 | Meidensha Corp | ロボットの衝突防止装置 |
WO2015114089A1 (de) * | 2014-01-30 | 2015-08-06 | Kuka Systems Gmbh | Sicherheitseinrichtung und sicherheitsverfahren |
Also Published As
Publication number | Publication date |
---|---|
CN114924513A (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114924513B (zh) | 一种多机器人协同控制***及方法 | |
CN109013949B (zh) | 一种可自动粘贴海绵的智能钣金件生产*** | |
CN108469786A (zh) | 大规模智能仓储分布式拣选*** | |
CN114862226B (zh) | 一种仓储物流智能调度及装卸货管理方法及*** | |
CN109649913A (zh) | 一种智能仓储*** | |
DE112017007392B4 (de) | Steuervorrichtung, Greifsystem, Verteilersystem, Programm, Steuerverfahren und Herstellungsverfahren | |
CN112249573B (zh) | 一种多规格产品分类集中入库存储的***及其方法 | |
CN109107903B (zh) | 自动分拣方法及*** | |
CN113955360B (zh) | 基于全自动无人起重机的车辆上钢卷自动入库方法及*** | |
CN114911238A (zh) | 一种无人驾驶矿车协同控制方法及*** | |
CN114078162B (zh) | 钢板切割后工件的桁架分拣方法及*** | |
CN115108259A (zh) | 复合运输设备控制方法、装置、设备及存储介质 | |
CN112935772B (zh) | 视觉引导机器人拧螺丝的方法、装置、存储介质和设备 | |
CN111891611B (zh) | 智能仓储分发***、方法、装置及可读存储介质 | |
CN116703104A (zh) | 一种基于决策大模型的料箱机器人订单拣选方法及装置 | |
CN113578756B (zh) | 一种smt物料的进出库控制方法 | |
CN112173530A (zh) | 一种自动取料***及其方法 | |
CN114888816A (zh) | 一种智能上下料机器人的控制***及方法 | |
CN111459114B (zh) | 一种热轧平整机组钢卷上料的方法及装置 | |
CN113401553A (zh) | 搬仓方法及设备 | |
WO2023155722A1 (zh) | 仓储***及其控制方法 | |
CN116588573B (zh) | 一种仓储智能起重***的散料抓取控制方法及*** | |
CN112718508B (zh) | 货物分拣***及其分拣方法及装置 | |
DE102023107092A1 (de) | Optimierte aufgabenerzeugung und -planung von fahrerlosen transport-carts unter verwendung von überkopfsensorsystemen | |
CN108237533B (zh) | 一种机器人自适应对象定位方法及*** |
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 |