CN117460601A - 集成移动机械手机器人的动态质量估计方法 - Google Patents
集成移动机械手机器人的动态质量估计方法 Download PDFInfo
- Publication number
- CN117460601A CN117460601A CN202280035950.0A CN202280035950A CN117460601A CN 117460601 A CN117460601 A CN 117460601A CN 202280035950 A CN202280035950 A CN 202280035950A CN 117460601 A CN117460601 A CN 117460601A
- Authority
- CN
- China
- Prior art keywords
- payload
- robot
- robotic arm
- mass
- trajectory
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000001133 acceleration Effects 0.000 claims abstract description 57
- 230000033001 locomotion Effects 0.000 claims abstract description 52
- 239000012636 effector Substances 0.000 claims description 48
- 210000000707 wrist Anatomy 0.000 claims description 37
- 230000005284 excitation Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 230000000712 assembly Effects 0.000 description 5
- 238000000429 assembly Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 241000282412 Homo Species 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- B25J9/1638—Programme controls characterised by the control loop compensation for arm bending/inertia, pay load weight/inertia
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
-
- 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
- B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
- B25J9/162—Mobile manipulator, movable base with manipulator arm mounted on it
-
- 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
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G61/00—Use of pick-up or transfer devices or of manipulators for stacking or de-stacking articles not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
- G01C19/02—Rotary gyroscopes
- G01C19/04—Details
- G01C19/06—Rotors
- G01C19/14—Fluid rotors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/14—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing suspended loads
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G9/00—Methods of, or apparatus for, the determination of weight, not provided for in groups G01G1/00 - G01G7/00
-
- 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
- G05B2219/37—Measurements
- G05B2219/37621—Inertia, mass of rotating, moving tool, workpiece, element
-
- 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
- G05B2219/39529—Force, torque sensor in wrist, end effector
-
- 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
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40298—Manipulator on vehicle, wheels, mobile
-
- 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
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40586—6-DOF force sensor
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Manipulator (AREA)
Abstract
一种估计由机器人操纵的有效载荷的一个或更多个质量特性的方法,该方法包括使用机器人移动有效载荷,在有效载荷运动时确定有效载荷的一个或更多个加速度,在有效载荷运动时使用机器人的一个或更多个传感器感测向有效载荷施加的力旋量,以及至少部分地基于所确定的加速度和所感测的力旋量来估计有效载荷的一个或更多个质量特性。
Description
背景技术
机器人通常被定义为被设计成通过可变的编程运动来移动材料、零件、工具或专用设备以执行任务的可重新编程的多功能机械手。机器人可以是物理锚定的机械手(例如工业机械臂)、在环境中移动的移动机器人(例如使用腿、轮或基于牵引的机构)、或者机械手和移动机器人的某种组合。机器人用于各种行业,例如包括制造业、仓储物流、运输、危险环境、勘探和医疗保健等。
发明内容
一些实施例涉及一种估计由机器人操纵的有效载荷的一个或更多个质量特性的方法。该方法包括使用机器人移动有效载荷,在有效载荷移动时确定有效载荷的一个或更多个加速度,在有效载荷移动时(使用机器人的一个或更多个传感器)感测向有效载荷施加的力旋量,以及至少部分地基于所确定的加速度和所感测的力旋量来估计有效载荷的一个或更多个质量特性。
在一个方面中,在有效载荷移动时确定有效载荷的一个或更多个加速度包括在通过激励例程移动有效载荷时确定有效载荷的一个或更多个加速度,并且在有效载荷移动时感测向有效载荷施加的力旋量包括在通过激励例程移动有效载荷时感测向有效载荷施加的力旋量。在另一个方面中,确定有效载荷的一个或更多个加速度包括至少部分地基于机器人的一个或更多个运动来确定有效载荷的一个或更多个加速度。在另一个方面中,至少部分地基于机器人的一个或更多个运动来确定有效载荷的一个或更多个加速度包括确定机器人的机器人臂的一个或更多个关节运动、以及至少部分地基于所述一个或更多个确定的关节运动和机器人臂的运动学模型来确定机器人臂的一个或更多个加速度。在另一个方面中,至少部分地基于机器人的一个或更多个运动来确定有效载荷的一个或更多个加速度包括至少部分地基于机器人的机器人臂的一个或更多个运动和机器人的移动基座的运动来确定有效载荷的加速度,其中所述机器人臂可操作地耦接至所述移动基座。
在一个方面中,感测力旋量包括感测由机器人的机器人臂的末端执行器向有效载荷施加的力旋量。在另一个方面中,感测力旋量包括感测与机器人的机器人臂的腕部相关联的力旋量。在另一个方面中,感测与机器人臂的腕部相关联的力旋量包括使用六轴力/扭矩传感器来感测力旋量。
在一个方面中,估计有效载荷的一个或更多个质量特性包括估计有效载荷的质量、有效载荷的质心和有效载荷的一个或更多个惯性矩中的一种或更多种。在另一个方面中,估计有效载荷的一个或更多个质量特性包括估计至少十个质量特性,其中所述至少十个质量特性包括一个质量参数、三个质心参数和六个惯性矩参数。在另一个方面中,估计有效载荷的一个或更多个质量特性包括在短于0.5秒的时间段内估计有效载荷的一个或更多个质量特性。在另一个方面中,估计有效载荷的一个或更多个质量特性包括至少部分地基于一个或更多个先验数据来估计有效载荷的一个或更多个质量特性。在另一个方面中,至少部分地基于一个或更多个先验数据来估计有效载荷的一个或更多个质量特性包括至少部分地基于有效载荷的一个或更多个物理尺寸来估计有效载荷的一个或更多个质量特性。
一些实施例涉及一种规划轨迹的方法。该方法包括按照本文中说明的一种或更多种技术估计有效载荷的一个或更多个质量特性,至少部分地基于所估计的有效载荷的一种或更多种质量特性来计算有效载荷的逆动力学,以及至少部分地基于计算的逆动力学来规划轨迹。在一个方面中,计算逆动力学包括计算将在机器人的机器人臂的一个或更多个关节处施加的一个或更多个扭矩。在另一个方面中,规划轨迹包括至少部分地基于所估计的有效载荷的一个或更多个质量特性来优化轨迹。在另一个方面中,优化轨迹包括优化有效载荷的速度和有效载荷的加速度中的一种或更多种。在另一个方面中,优化轨迹包括最大限度地减小所施加的使有效载荷位移所需的力旋量。
一些实施例涉及一种机器人,该机器人包括机器人臂、一个或更多个传感器和控制器。所述控制器被配置成在有效载荷移动时确定由机器人操纵的有效载荷的一个或更多个加速度,基于来自所述一个或更多个传感器的信号来确定在有效载荷移动时向有效载荷施加的力旋量,以及至少部分地基于所确定的加速度和所确定的力旋量来估计有效载荷的一个或更多个质量特性。
在一个方面中,所述控制器被配置成在通过激励例程移动有效载荷时确定有效载荷的一个或更多个加速度,并且所述控制器被配置成在通过激励例程移动有效载荷时确定向有效载荷施加的力旋量。在另一个方面中,所述机器人还包括移动基座,其中所述机器人臂可操作地耦接至所述移动基座。在另一个方面中,所述控制器还被配置成确定机器人臂的一个或更多个关节运动,并且至少部分地基于一个或更多个所确定的关节运动和机器人臂的运动学模型来确定机器人臂的一个或更多个加速度。在另一个方面中,所述机器人还包括可操作地耦接至机器人臂的远侧部分的末端执行器,其中所述控制器被配置成确定由末端执行器向有效载荷施加的力旋量。在另一个方面中,所述一个或更多个传感器被配置成感测与机器人臂的腕部相关联的力旋量。在另一个方面中,所述一个或更多个传感器包括6轴力/扭矩传感器。在另一个方面中,所述控制器被配置成估计有效载荷的质量、有效载荷的质心和有效载荷的一个或更多个惯性矩中的一种或更多种。在另一个方面中,所述控制器被配置成估计至少十个质量特性,其中所述至少十个质量特性包括一个质量参数、三个质心参数和六个惯性矩参数。
一些实施例涉及一种使用机器人操纵物体的方法。该方法包括规划物体的轨迹,使用机器人沿着轨迹移动物体,在物体沿着轨迹移动的同时估计物体的一个或更多个质量特性,以及至少部分地基于所估计的一个或更多个质量特性来修改机器人的操作。
在一个方面中,规划物体的轨迹包括规划物体的第一轨迹,并且修改机器人的操作包括规划与物体的第一轨迹不同的物体的第二轨迹。在另一个方面中,规划第二轨迹包括至少部分基于使用所估计的一个或更多个质量特性计算的逆动力学来规划第二轨迹。在另一个方面中,规划第二轨迹包括规划第二轨迹以将机器人向物体施加的力旋量限制在预定范围内。在另一个方面中,修改机器人的操作包括调节机器人的机器人臂的运动。在另一个方面中,调节机器人臂的运动包括调节施加在机器人臂的一个或更多个关节处的一个或更多个扭矩。在另一个方面中,修改机器人的操作包括调节机器人的移动基座的运动。在另一个方面中,修改机器人的操作包括调节机器人的机器人臂的运动和调节机器人的移动基座的运动,其中所述机器人臂可操作地耦接至所述移动基座。在另一个方面中,估计物体的一个或更多个质量特性包括估计物体的质量、物体的质心和物体的一个或更多个惯性矩中的一种或更多种。在另一个方面中,估计物体的一个或更多个质量特性包括估计至少十个质量特性,其中所述至少十个质量特性包括一个质量参数、三个质心参数和六个惯性矩参数。
应理解,前述概念以及下文中论述的另一些概念可以按任何适当的组合来布置,因为本公开在此方面不受限制。此外,在结合附图考虑时,本公开的其它优点和新颖特征将通过以下的各种非限制性实施例的详细说明而变得明显。
附图说明
附图不一定是按比例绘制的。在附图中,各个附图中示出的每个相同或几乎相同的部件可以由相似的附图标记表示。为了清楚起见,不是每个部件都在每个附图中标出。在附图中:
图1A是机器人的一个实施例的透视图;
图1B是图1A的机器人的另一个透视图;
图2A示出了在仓库环境中执行任务的机器人;
图2B示出了从卡车上卸载箱子的机器人;
图2C示出了在仓库过道中构建货盘的机器人;
图3是机器人的一个实施例的透视图;
图4A是示出作用在有效载荷上的力和扭矩的示意图;
图4B示出了如何根据与物体的力、扭矩和加速度相关的信息确定物体的质量特性;
图5示出了估计有效载荷质量特性的方法的一个实施例的流程图;
图6示出了规划轨迹的方法的一个实施例的流程图;以及
图7示出了操纵物体的方法的一个实施例的流程图。
具体实施方式
机器人通常被配置成在其所处的环境中执行各种任务。通常,这些任务包括与物体和/或环境元素进行交互。值得注意的是,机器人在仓储和物流作业中越来越受欢迎。在将机器人引入这种空间之前,许多作业都是手工进行的。例如,一个人手工地将箱子从卡车上卸载到传送带的一端,而传送带另一端的另一个人将这些箱子组织到货盘上。然后,由第三个人操作的叉车拾起货盘,第三个人将叉车开到仓库的存储区域,并放下货盘,第四个人从货盘上取下各个箱子,并将它们放在存储区域的货架上。最近,开发了机器人方案来自动化这些功能中的许多功能。这样的机器人可以是专业机器人(即,被设计成执行单种任务或少量密切相关的任务)或通用机器人(即,被设计成执行多种任务)。迄今为止,专业和通用仓储机器人都有明显的局限性,如下文所述。
专业机器人可能被设计成执行单种任务,例如将箱子从卡车上卸载到传送带上。虽然这种专业机器人在执行其指定任务时可能很高效,但是它们可能没有任何能力执行其它无关的任务。因此,可能需要人或单独的机器人(例如为不同的任务设计的另一种专业机器人)来执行序列中的下一个任务。因此,仓库可能需要投资购买多种专业机器人来执行一系列任务,或者可能需要依赖混合作业,在这种混合作业中,往往会存在频繁的机器人向人或人向机器人的物体移交。
相比之下,通用机器人可以被设计成执行各种各样的任务,并且能够在箱子从卡车到货架的生命周期的大部分时间里搬运箱子(例如卸载、装盘、运输、卸盘、存储)。虽然这种通用机器人能够执行多种任务,但是它们可能无法以足够高的效率或精度执行各种任务,以保证成功引入到高度流水线化的仓储作业中。例如,虽然将现成的机械手安装到现成的移动机器人上可能产生一种在理论上能够完成许多仓库任务的***,但是这种松散集成的***可能无法执行需要机械手与移动基座之间进行协调的复杂或动态运动,由此导致一种效率低且不灵活的组合***。这样的***在仓库环境中的典型作业可以包括移动基座和机械手按顺序并且(部分地或完全地)彼此独立地作业。例如,在机械手断电的情况下,移动基座可以首先朝着一堆箱子行驶。移动基座可以在到达这堆箱子时停止,并且,在基座保持静止时,机械手可以通电并开始操纵箱子。在操纵任务完成之后,可以再次将机械手断电,并且移动基座可以行驶到另一个目的地以执行下一个任务。从上文能够理解,这种***中的移动基座和机械手实际上是两个结合在一起的独立机器人;因此,可以不将与机械手相关联的控制器配置成与和移动基座相关联的独立控制器共享信息、向其传送命令或从其接收命令。因此,在两个独立的控制器努力一起工作时,这种集成性差的移动机械手机器人可能被迫以次优速度或通过次优轨迹来操作其机械手和基座。此外,虽然从纯工程角度来看存在一些限制,但为了符合安全规定,还必须施加一些额外的限制。例如,如果安全法规要求在人员进入距机器人一定距离内的区域时移动机械手必须能够在一定时间内完全关闭,那么松散集成的移动机械手机器人可能不能足够快地行动以确保机械手和移动基座不会(单独地和共同地)对人员构成威胁。为了确保这种松散集成的***在必要的安全限制内操作,这种***不得不以更慢的速度操作,或者采取比那些已经被工程问题强加限制的有限速度和轨迹更保守的轨迹。因此,迄今为止,通用机器人在仓库环境中执行任务的速度和效率是受限的。
鉴于上述问题,发明人已经认识到并意识到,具有机械手与移动基座之间的***级机械设计和整体控制策略的高度集成的移动机械手机器人可能与仓储和/或物流作业中的某些益处相关联。这种集成移动机械手机器人能够执行常规的松散集成的移动机械手***所无法实现的复杂和/或动态的运动。因此,这种类型的机器人可能非常适合于快速、敏捷和高效地执行各种不同的任务(例如在仓库环境中)。
此外,发明人已经认识到并意识到,如果能够估计有效载荷(例如由机器人臂操纵的物体)的某些质量特性,那么甚至能够实现更复杂和/或动态的运动。不希望被理论所束缚,在有效载荷与机器人臂分离之前,机器人臂移动有效载荷的速度(和/或加速有效载荷的程度)可能至少部分地取决于有效载荷的质量特性。因此,如果知道有效载荷的某些质量信息,那么就能够以更高的速度和/或加速度移动有效载荷。在测量有效载荷的质量特性时,采用某些常规质量估计方法的机器人需要机器人停止运动以使有效载荷保持静止。发明人已经认识到,与“即时”进行质量估计而不需要停止机器人的运动的情况相比,在测量有效载荷的质量特性时要求机器人停止运动会增加移动有效载荷所需的时间量。为此,一些实施例涉及“动态”质量估计技术,在这种技术中,有效载荷的质量特性是在以加速状态移动有效载荷的同时估计的。因此,这些动态质量估计方法(以及由此实现的相关联的路径规划和轨迹优化)可以与提高某些操纵任务的速度和/或效率相关联,如下文所进一步详述。
示例性机器人概述
在本节中概述被配置成执行各种任务的高度集成的移动机械手机器人的一个实施例的一些组件,以解释机器人的各种子***的相互作用和相互依赖性。在以下章节中将进一步详细说明各种子***中的每一个以及用于操作子***的控制策略。
图1A和1B是机器人100的一个实施例的透视图。机器人100包括移动基座110和机器人臂130。移动基座110包括全向驱动***,该全向驱动***使得移动基座能够在水平面内沿着任何方向平移以及围绕垂直于该平面的竖直轴旋转。移动基座110的每个轮112可以独立地转向和独立地驱动。移动基座110还包括帮助机器人100在其环境中安全移动的多个距离传感器116。机器人臂130是6自由度(6-DOF)机器人臂,包括三个俯仰关节和3自由度腕部。末端执行器150布置在机器人臂130的远端。机器人臂130经由转盘120可操作地耦接至移动基座110,所述转盘120被配置成相对于移动基座110旋转。除了机器人臂130之外,感知杆140也耦接至转盘120,从而转盘120相对于移动基座110的旋转使机器人臂130和感知杆140旋转。机器人臂130在运动学上被约束以避免与感知杆140碰撞。感知杆140还被配置成相对于转盘120旋转,并且包括多个被配置成收集关于机器人的环境中的一个或更多个物体的信息的感知模块142。机器人100的集成结构和***级设计使得能够在许多不同的应用中快速有效地操作,其中一些应用将在下文中举例说明。
图2A示出了在仓库环境中执行不同任务的机器人10a、10b和10c。第一机器人10a在卡车(或集装箱)内,将箱子11从卡车内的堆垛移动到传送带12上(这个特定任务将在下面参照图2B更详细地论述)。在传送带12的相对端,第二机器人10b将箱子11组织到货盘13上。在仓库的一个独立区域中,第三机器人10c从货架上拾取箱子,以在货盘上构建订单(这个特定任务将在下面参照图2C更详细地论述)。应理解,机器人10a、10b和10c是同一种机器人(或高度相似的机器人)的不同实例。因此,在本文中说明的机器人可以被理解为专业多用途机器人,因为它们被设计成精确且高效地执行特定任务,但不限于单个或少量特定任务。
图2B示出了机器人20a从卡车29上卸载箱子21并将它们放置在传送带22上。在这种箱子拾取应用中(以及在其它箱子拾取应用中),机器人20a会重复地拾取箱子、旋转、放置箱子,并旋转回来以拾取下一个箱子。虽然图2B的机器人20a是与图1A和1B的机器人100不同的实施例,但是参考在图1A和1B中标明的机器人100的部件易于解释图2B中的机器人20a的操作。在操作期间,机器人20a的感知杆(类似于图1A和1B的机器人100的感知杆140)可以被配置成与其上安装有感知杆的转盘(类似于转盘120)的旋转独立地旋转,以使得安装在感知杆上的感知模块(类似于感知模块142)能够捕获环境的图像,这使得机器人20a能够在执行当前运动的同时计划其下一个运动。例如,在机器人20a从卡车29中的一堆箱子中拾取第一个箱子时,感知杆上的感知模块可以指向第一个箱子将被放置的位置(例如传送带22)并收集关于该位置的信息。然后,在转盘旋转之后,在机器人20a将第一个箱子放置在传送带上时,感知杆可以旋转(相对于转盘),从而感知杆上的感知模块指向所述一堆箱子,并收集关于这堆箱子的信息,该信息用于确定待拾取的第二个箱子。在转盘转回以允许机器人拾取第二个箱子时,感知杆可以收集关于传送带周围的区域的更新信息。通过这种方式,机器人20a能够并行地执行原本可能要按顺序执行的任务,从而实现更快和更高效的操作。
在图2B中还值得注意的是,机器人20a与人类(例如工人27a和27b)一起工作。考虑到机器人20a被配置成执行许多传统上由人类执行的任务,机器人20a被设计成具有较小的占地面积,从而能够进入被设计成由人类进入的区域,并且最大限度地减小了机器人周围的防止人类进入的安全区域的尺寸。
图2C示出了执行订单构建任务的机器人30a,在这个任务中,机器人30a将箱子31放置在货盘33上。在图2C中,货盘33被布置在自主移动机器人(AMR)34的头顶上,但是应理解,在这个实例中说明的机器人30a的能力适于构建与AMR无关的货盘。在这个任务中,机器人30a拾取布置在仓库的货架35上方、下方或内部的箱子31,并将箱子放置在货盘33上。某些箱子相对于货架的位置和取向可能要求采取不同的箱子拾取策略。例如,机器人可以通过用机器人臂的末端执行器抓住箱子的顶面来简单地拾取位于低货架上的箱子(从而执行“顶部拾取”)。但是,如果要拾取的箱子在一堆箱子的顶部,并且在箱子的顶部与货架的水平隔板的底部之间的间隙有限,那么机器人可以选择通过抓住侧面来拾取箱子(从而执行“侧面拾取”)。
为了在受限的环境中拾取某些箱子,机器人可能需要小心地调整其手臂的取向,以避免触及其它箱子或周围的货架。例如,在典型的“锁眼问题”中,机器人可能只能通过导引其手臂穿过由其它箱子或周围货架限定的小空间或受限区域(类似于锁眼)来接近目标箱子。在这种情况下,移动基座与机器人的手臂之间的协调可能是有益的。例如,能够在任何方向上平移基座允许机器人将其自身定位在尽可能靠近货架的位置,从而有效地延长其手臂的长度(与可能无法任意地靠近货架导航的没有全向驱动的传统机器人相比)。此外,能够向后平移底座允许机器人在拾取箱子后从搁架上收回其手臂,而不必调节关节角度(或者最大限度地减小调节关节角度的程度),从而实现了解决许多锁眼问题的简单方案。
当然,应理解,在图2A-2C中示出的任务仅仅是可以使用集成移动机械手机器人的应用的几个实例,并且本公开不限于被配置成仅执行这些特定任务的机器人。例如,在本文中说明的机器人可以适于执行各种任务,包括但不限于从卡车或集装箱卸载物体,将物体放置在传送带上,将物体从传送带上移除,将物体组织成堆,将物体组织在货盘上,将物体放置在货架上,将物体组织在货架上,从货架上移除物体,从顶部拾取物体(例如执行“顶部拾取”),从侧面拾取物体(例如执行“侧面拾取”),与其它移动机械手机器人协调,与其它仓库机器人协调(例如与AMR协调),与人类协调,以及许多其它任务。
示例性机器人臂
图3是按照一些实施例设计的机器人400的透视图。机器人400包括移动基座410和可旋转地耦接至移动基座的转盘420。机器人臂430可操作地耦接至转盘420,感知杆440也是如此。感知杆440包括致动器444,该致动器444被配置成使得感知杆440能够相对于转盘420和/或移动基座410旋转,从而能够独立地控制感知杆的感知模块442的方向。
图3的机器人臂430是6自由度机器人臂。在结合转盘420(被配置成围绕平行于Z轴的竖轴相对于移动基座偏转)考虑时,臂/转盘***可以被认为是7自由度***。6自由度机器人臂430包括三个俯仰关节432、434和436、以及3自由度腕部438,在一些实施例中,所述3自由度腕部438可以是球形的3自由度腕部。从转盘420开始,机器人臂430包括相对于转盘420固定的转盘偏移件422。转盘偏移件422的远侧部分在第一接头432处可旋转地耦接至第一连杆433的近侧部分。第一连杆433的远侧部分在第二接头434处可旋转地耦接至第二连杆435的近侧部分。第二连杆435的远侧部分在第三接头436处可旋转地耦接至第三连杆437的近侧部分。第一关节432、第二关节434和第三关节436分别与第一轴432a、第二轴434a和第三轴436a相关联。第一关节432、第二关节434和第三关节436还与第一致动器、第二致动器和第三致动器(未标出)相关联,这些致动器被配置成使连杆围绕轴旋转。通常,第n个致动器被配置成使第n个连杆围绕与第n个关节相关联的第n个轴旋转。具体而言,第一致动器被配置成使第一连杆433围绕与第一关节432相关联的第一轴432a旋转,第二致动器被配置成使第二连杆435围绕与第二关节434相关联的第二轴434a旋转,第三致动器被配置成使第三连杆437围绕与第三关节436相关联的第三轴436a旋转。在图3所示的实施例中,第一轴432a、第二轴434a和第三轴436a是平行的(并且,在这种情况下,都平行于X轴)。在图3所示的实施例中,第一接头432、第二接头434和第三接头436都是俯仰接头。
在一些实施例中,高度集成的移动机械手机器人的机器人臂可以包括与上述机器人臂不同的自由度。此外,机器人臂不局限于具有三个俯仰关节和3自由度腕部的机器人臂。应理解,高度集成的移动机械手机器人的机器人臂可以包括任何适当类型的任何适当数量的关节,无论是回转型的还是平移副型的关节。回转型关节不一定必须被定向为俯仰关节,可以是俯仰、滚动、偏转或任何其它适当类型的关节。
请回到图3,机器人臂430包括腕部438。如上文所述,腕部438是3自由度腕部,并且在一些实施例中可以是球形的3自由度腕部。腕部438耦接至第三连杆437的远侧部分。腕部438包括三个致动器,这三个致动器被配置成使耦接至腕部438的远侧部分的末端执行器450围绕三个相互垂直的轴旋转。具体而言,腕部可以包括被配置成使末端执行器围绕第一腕部轴相对于臂的远侧连杆(例如第三连杆437)旋转的第一腕部致动器、被配置成使末端执行器围绕第二腕部轴相对于远侧连杆旋转的第二腕部致动器、以及被配置成使末端执行器围绕第三腕部轴相对于远侧连杆旋转的第三腕部致动器。第一腕部轴、第二腕部轴和第三腕部轴可以相互垂直。在腕部是球形腕部的实施例中,第一腕部轴、第二腕部轴和第三腕部轴可以相交。
在图3的实施例中,末端执行器450是基于真空的末端执行器。在末端执行器是真空型末端执行器的实施例中,末端执行器可以包括多个真空组件,这些真空组件通过利用吸盘施加吸力而附着到物体上。所述真空组件可以是可独立寻址的,从而控制器能够独立地调节每个真空组件的抽吸水平。例如,每个真空组件可以包括传感器(例如压力传感器),以确定真空组件与被抓取的物体之间的抓取质量。如果确定一些真空组件没有充分地附着到物体上(例如因吸盘密封不良),那么可以关断这些真空组件,使得末端执行器的总真空压力可以仅分布在具有良好密封的真空组件中,从而减少浪费的真空压力量。
在一些实施例中,末端执行器可以与一个或更多个传感器相关联。例如,力/扭矩传感器可以测量向末端执行器施加的力和/或扭矩(例如力旋量)。或者或另外,在操纵物体时,传感器可以测量由末端执行器(以及例如由末端执行器抓取的物体)向机器人臂的腕部施加的力旋量。可以在质量估计和/或路径规划操作中使用来自这些(或其它)传感器的信号,这将在下文中解释。在一些实施例中,与末端执行器相关联的传感器可以包括集成的力/扭矩传感器,例如六轴力/扭矩传感器。在一些实施例中,可以采用单独的传感器(例如单独的力和扭矩传感器)。一些实施例可以仅包括力传感器(例如单轴力传感器或多轴力传感器),而一些实施例可以仅包括扭矩传感器。在一些实施例中,末端执行器可以与定制的感测装置相关联。例如,一个或更多个传感器(例如一个或更多个单轴传感器)可以被布置成能够感测沿着多个轴的力和/或扭矩。末端执行器(或机器人臂的另一部分)还可以包括任何适当数量或配置的摄像头、距离传感器、压力传感器、光传感器或任何其它适当的传感器,无论这些装置是否与有效载荷的感测特性相关,因为本公开在这方面不受限制。
如上文中简要说明的,发明人已经认识到并意识到,基于由机器人臂操纵的有效载荷的某些质量特性的知识,能够实现更复杂和/或更动态的运动。因此,快速且准确地估计某些有效载荷质量特性的能力可以与有效载荷操纵相关的某些益处相关联,这将在下文中更详细地解释。
对于机器人臂的许多应用,尽可能快地移动有效载荷可能是有利的。但是,可能不希望以如此高的速度和/或加速度移动有效载荷,以免机械手的末端执行器不能保持其对有效载荷的夹持。不希望被理论所束缚,有效载荷从末端执行器分离的速度和/或加速度可能至少部分地取决于有效载荷的质量(例如,与较重的有效载荷相比,能够以更高的速度和/或加速度操纵较轻的有效载荷)。如果有效载荷的质量是已知的,那么可以优化轨迹,使得有效载荷可以尽可能快地移动(在安全系数内),而不会与末端执行器分离。因此,能够估计有效载荷的质量可能与操纵任务的速度和效率相关的某些益处相关联。
稳健的质量估计对于被设计成小而轻但同时仍然能够操纵重载荷的高级机器人机械手可能是特别有利的。例如,高度集成的移动机械手机器人可以被设计成包括较轻的机器人臂,并且仍然可以承担移动重箱子的任务。因此,有效载荷的质量可能是机器人臂(或者甚至是整个机器人)的质量的一个相当大的百分比。因此,对于这种机器人,能够精确地估计有效载荷的质量特性可能是额外有利的。
使用机器人臂估计有效载荷质量的常规方法通常包括用处于未加速状态(例如静止或以恒定速度移动)的末端执行器支撑有效载荷,以便对有效载荷进行称重。例如,来自与末端执行器相关联的力传感器的信号可以指示由有效载荷施加在末端执行器上的力。如果有效载荷保持静止(或以恒定速度移动),那么有效载荷施加在末端执行器上的唯一力可能是有效载荷的重量。因此,可以基于来自与末端执行器相关联的力传感器的信号来估计有效载荷的重量。
但是,对于这种能够精确预测有效载荷的质量特性的常规方法,作用在有效载荷上的唯一力应该是重力。也就是说,如果有效载荷被加速(例如被机器人臂动态地移动),那么所产生的惯性力会损害这种常规质量估计方法的精度。因此,为了确保质量估计是准确的,这种常规的质量估计方法要求有效载荷在一段时间内保持静止(或以恒定速度移动)。当然,如果机器人臂必须在一段专用时间内保持静止,那么机器人臂完成操纵任务的整体速度和/或效率可能会受到相关的限制。
一些常规的质量估计方法的另一个限制是,它们可能只能估计代表有效载荷质量的单个值。可能无法使用这种方法来估计有效载荷的其它质量特性,例如质心的位置或各种惯性矩。
鉴于上述问题,发明人已经认识到并意识到,允许在有效载荷被动态操纵时估计有效载荷的质量特性的动态质量估计方法可能有一些益处。这种方法能够在有效载荷运动时(例如在加速状态下)进行质量估计,并且可以不要求有效载荷保持静止,从而导致更高效的操作。在一些实施例中,这种动态质量估计方法能够估计包括质心和/或惯性矩在内的另外的质量特性,这可以有利地实现更稳健的路径规划和/或轨迹优化。
不希望被理论所束缚,动力学方程将物体的质量与物体所受的力和加速度联系起来。牛顿第二定律的一个标准公式将施加到物体上的合力表示为物体的质量和物体的加速度的乘积(即,F=m×a)。这个表达式可以重新排列,从而把质量表示为作用在物体上的合力除以加速度的结果(即,m=F/a)。本领域技术人员应理解,这个概念可以扩展到作用在刚体上的全三维动力,这在下文中将简要地概述。
图4A是作用在物体500上的力和扭矩的示意图。在应用于机器人操纵时,物体500可以被认为是由机器人臂的末端执行器在接触点512抓住的有效载荷。有效载荷的质心502可以位于位置504(在下面的等式中,表示为rcom),并且接触点512可以由矢量514(在下面的等式中表示为r)相对于质心502来限定。等于有效载荷的质量(m)乘以重力加速度(g)的重力510可以在有效载荷的质心502处作用在有效载荷上。末端执行器可以在接触点512处对有效载荷500施加力520(F)和/或扭矩521(τ)。由末端执行器施加在有效载荷500上的力和扭矩可以由它们沿着X、Y和Z方向的分量来表示,如下式所示:
其中ma是围绕A轴的力矩,fb是沿着B轴的力。力和扭矩可以按照下式组合成单个矢量(在此被称为抓取力旋量Wgrasp):
本领域技术人员应理解,刚体动力学过程可以如下表示:
其中所述变量如上文所定义,并且其中I表示有效载荷惯性,ω表示有效载荷角速度(并且,根据标准符号表示法,以带有上点的变量表示该变量的时间导数)。
知道了作用在有效载荷上的力520(F)和/或扭矩521(τ)以及有效载荷的线性加速度和/或角加速度/>就可以根据等式(4)确定有效载荷的某些质量特性,如图4B中示意性所示。可以估计的有效载荷的质量特性包括有效载荷的质量(可以表示为单个变量)、有效载荷的质心(可以表示为三个变量的矢量,与沿着X、Y和Z轴的质心对应)、以及有效载荷的惯性矩(可以表示为具有六个唯一变量的对称的3×3张量,包括分量Ixx、Iyy、Izz、Ixy、Ixz和Iyx)。
可以使用一个或更多个传感器来确定作用在有效载荷上的力和/或扭矩(例如力旋量)。如上文中参考图3所述,机器人臂可以包括各种产生信号的传感器,根据这些信号能够确定作用在有效载荷上的力和/或扭矩。例如,与机器人手臂的腕部相关联的六轴力/扭矩传感器可以用于确定由于末端执行器和由末端执行器抓取的有效载荷而作用在腕部上的力和扭矩(例如力旋量)。可以计算(例如基于机器人臂的运动学模型和末端执行器的质量特性的知识)并从总力旋量中减去由末端执行器贡献的总力旋量部分,从而能够确定由有效载荷施加在腕部上的力旋量,并由此确定由机器人臂的末端执行器施加到有效载荷上的力旋量。
可以使用一个或更多个传感器来确定有效载荷的加速度。在移动机械手机器人的情况下,有效载荷的加速度可能至少部分地取决于移动基座的运动和/或机器人臂的运动。例如,如果移动基座正在移动而机器人臂是静止的(相对于移动基座),如果机器人臂正在移动而基座是静止的,或者如果移动基座正在移动且机器人臂正在移动(相对于移动基座),那么可以加速有效载荷。本领域技术人员应理解,移动基座的运动可以基于来自一个或更多个传感器(例如与移动基座的轮相关联的编码器,或者与图像传感器相关联的光流)的信号来确定,或者可以基于移动基座的模型(例如与电动机电流、轮的速度和/或移动基座的运动等变量相关的模型)来确定。类似地,本领域技术人员应理解,机器人臂的移动可以基于来自一个或更多个传感器(例如与机器人臂的各个关节相关联的编码器)的信号来确定,或者可以基于机器人臂的模型(例如涉及电动机电流、关节角度/速度/加速度、连杆长度和/或臂的运动学等变量的模型)来确定。在一些实施例中,可以使用布置在机器人臂的末端执行器上的一个或更多个加速度计(或其它适当的传感器)来确定有效载荷的加速度。在末端执行器上装设一个或更多个加速度计能够更直接地测量有效载荷的加速度。
因此,有效载荷的质量特性可以至少部分地基于向有效载荷施加的力旋量和有效载荷的加速度来估计。质量特性可以包括有效载荷的质量、有效载荷的质心以及有效载荷的一个或更多个惯性矩。在一些实施例中,有效载荷的质量特性可以包括十个独立的变量,包括一个与有效载荷质量相关的变量、三个与有效载荷质心相关的变量、以及六个与有效载荷惯性矩相关的变量。
发明人已经认识到并意识到,通过在本文中被称为激励例程的过程中的一系列运动来移动有效载荷从而激发某些刚体动力学过程可能是有利的。可以使用激励例程来产生足够的数据(例如与力、扭矩和/或加速度相关的传感器数据),以实现不同质量特性的稳健估计。例如,如果有效载荷仅沿着竖直方向移动,那么质量估计方法可能无法估计某些质量特性(例如质心的竖向位置、或某些惯性矩)。相比之下,如果有效载荷在与沿着不同轴的力和围绕不同轴的扭矩相关联的轨迹上移动,那么可以收集更丰富的传感器数据,这能够实现另一些质量特性的估计(并且具有更高的精度)。
图5示出了估计有效载荷的一个或更多个质量特性的方法600的一个实施例的流程图。在动作602处,机器人(例如集成移动机械手机器人)移动有效载荷(例如通过激励例程)。在有效载荷运动时,在动作604处,可以确定有效载荷的加速度(例如与不同轴相关联的线性加速度和角加速度),在动作606处,可以感测向有效载荷施加的力旋量(例如使用机器人的一个或更多个传感器)。在动作608处,可以至少部分地基于所确定的加速度和所感测的力旋量来估计有效载荷的质量特性。
如上文所述,感测向有效载荷施加的力旋量可以包括感测由机器人的机器人臂的末端执行器向有效载荷施加的力旋量。在一些实施例中,感测向有效载荷施加的力旋量可以包括感测与机器人臂的腕部相关联的力旋量。
如上文所述,确定有效载荷的加速度可以包括基于机器人的运动来确定加速度,例如基于机器人臂的加速度(例如基于机器人臂的关节运动和机器人臂的运动学模型)和/或机器人臂所耦接的移动基座的运动来确定加速度。在一些实施例中,可以使用与机器人臂的末端执行器相关联的一个或更多个传感器来确定有效载荷的加速度。
在一些实施例中,质量估计方法可以在预定时间段内收敛。例如,在一些实施例中,可以在小于0.75秒的时间段内估计有效载荷的一个或更多个质量特性。在一些实施例中,可以在小于0.5秒的时间段内估计有效载荷的一个或更多个质量特性,而在一些实施例中,可以在小于0.4秒的时间段内估计有效载荷的一个或更多个质量特性。
在一些实施例中,质量估计方法可以包括某些假设和/或先验信息,这在本文中总体称为先验数据。也就是说,在一些实施例中,可以至少部分地基于一个或更多个先验数据来估计有效载荷的一个或更多个质量特性。例如,可以在质量估计方法中使用与有效载荷的物理尺寸相关的信息,以简化估计(和/或提高估计的速度)。作为一个具体的例子,如果在质量估计算法中采用的起始信息表明有效载荷是具有特定宽度、长度和深度的矩形棱柱,那么这样的先验信息可以用于加速某些惯性矩的计算。先验数据可以手动引入(例如由监督操纵任务的操作的人类操作员引入),或者自动引入。在一些实施例中,机器人可以在操纵第一有效载荷的同时执行质量估计算法,然后可以在操纵第二有效载荷的同时使用在质量估计算法的执行期间从操纵第一有效载荷衍生的信息。例如,如果在操纵第一个箱子之后,机器人遇到被确定为与第一个箱子相似的第二个箱子(例如第二个箱子被感测为具有与第一个箱子相似的尺寸,或者印刷在箱子的侧面上的可视信息(例如公司徽标)在第一个和第二个箱子之间是一致的),那么质量估计算法可以对第二个箱子做出能提高收敛速度的假设。在一些实施例中,质量估计算法可以被认为与第二个箱子无关,并且从对第一个箱子执行质量估计算法获得的质量特性可以被假定用于第二个箱子。
在估计了一个或更多个有效载荷质量特性之后,所估计的质量特性可以用于规划有效载荷的轨迹。图6示出了规划轨迹的方法700的一个实施例的流程图。在动作702处,可以估计有效载荷质量特性(按照在本文中说明的一种或更多种质量估计方法,例如在上文中参照图5说明的质量估计方法)。在动作704处,可以基于所估计的质量特性来计算有效载荷的逆动力学。在动作706处,可以基于所计算的逆动力学来规划轨迹。在一些实施例中,计算逆动力学可以包括计算将在机器人臂的关节处施加的扭矩。在一些实施例中,规划轨迹可以包括规划优化的轨迹。规划优化的轨迹可以包括优化有效载荷的速度和/或加速度,或者最大限度地减小向有效载荷施加的力旋量(例如由机器人臂的末端执行器施加的力旋量)。当然,可以根据其它约束条件来优化轨迹,并且本公开不限于在本文中呈现的优化轨迹的具体实例。
应理解,在操纵有效载荷时,质量估计算法可以在任何时间以任何期望的频率执行。在一些情况下,质量估计算法可以在与有效载荷的初始接触之后执行(例如在末端执行器第一次抓住有效载荷之后)。在一些情况下,在操纵有效载荷时,可以连续执行质量估计算法。在一些实施例中,可以根据第一组参数第一次执行质量估计算法。如果后续路径规划算法不能确定可行的轨迹(例如基于由根据第一组参数执行的质量估计所估计的有效载荷质量特性),那么可以根据第二组参数第二次执行质量估计算法。例如,在质量估计算法的第二次执行期间,可以提供更多的传感器数据或者可以分配更长的收敛时间,以提高估计能够产生可行的轨迹的有效载荷质量特性的可能性。
图7示出了使用机器人操纵物体的方法800的一个实施例。在动作702处,可以规划物体(例如由机器人的机器人臂的末端执行器抓取的有效载荷)的轨迹。在动作704处,机器人可以沿着规划的轨迹移动物体。在动作706处,在有效载荷沿着轨迹运动时,可以估计有效载荷质量特性。在动作708处,可以基于所估计的有效载荷质量特性来修改机器人的操作。在一些实施例中,修改机器人的操作可以包括规划与第一轨迹不同的第二轨迹。规划第二轨迹可以包括使用利用所估计的质量特性计算的逆动力学来规划第二轨迹,或者规划第二轨迹以将机器人向有效载荷施加的力旋量限制在预定范围内。在一些实施例中,修改机器人的操作可以包括调节机器人臂的运动(例如通过调节在机器人臂的一个或更多个关节处施加的一个或更多个扭矩),调节机器人的移动基座的运动,或者调节机器人臂和机器人臂所耦接的移动基座的移动。
在一些实施例中,集成移动机械手机器人可以包括被配置成执行本文所述的动态质量估计方法(和其它方法)的控制器或其它计算装置。在本文中说明和/或示出的计算装置和***广义地表示能够执行计算机可读指令(例如包含在本文中说明的模块中的指令)的任何类型或形式的计算装置或***。在其最基本的配置中,这些计算装置可以分别包括至少一个存储器装置和至少一个物理处理器。
在一些实例中,术语“存储器装置”通常指能够存储数据和/或计算机可读指令的任何类型或形式的易失性或非易失性存储装置或介质。在一个实例中,存储器装置可以存储、加载和/或维持在本文中说明的一个或更多个模块。存储器装置的例子包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、闪存、硬盘驱动器(HDD)、固态驱动器(SSD)、光盘驱动器、高速缓存器、一个或更多个相同装置的变化形式或组合、或者任何其它适当的存储器。
在一些实例中,术语“物理处理器”或“计算机处理器”通常指能够解释和/或执行计算机可读指令的任何类型或形式的硬件实现的处理单元。在一个实例中,物理处理器可以访问和/或修改存储在上述存储器装置中的一个或更多个模块。物理处理器的例子包括但不限于微处理器、微控制器、中央处理单元(CPU)、实现软核处理器的现场可编程门阵列(FPGA)、专用集成电路(ASIC)、一个或更多个这些装置的部分、一个或更多个这些装置的变化形式或组合、或者任何其它适当的物理处理器。
在本文中说明和/或图示的模块虽然在附图中被示为独立的元件,但是这些模块可以代表单个模块或应用的部分。此外,在某些实施例中,这些模块中的一个或更多个可以代表一个或更多个软件应用或程序,该软件应用或程序在由计算装置执行时可以使计算装置执行一个或更多个任务。例如,在本文中说明和/或图示的模块中的一个或更多个可以代表被存储和配置成在本文中说明和/或图示的计算装置或***中的一个或更多个上运行的模块。这些模块中的一个或更多个也可以代表被配置成执行一个或更多个任务的一个或更多个专用计算机的全部或部分。
此外,在本文中说明的模块中的一个或更多个可以将数据、物理装置和/或物理装置的表示从一种形式转换成另一种形式。或者或另外,在本文中说明的模块中的一个或更多个可以通过在计算装置上执行、在计算装置上存储数据和/或以其它方式与计算设备交互而将处理器、易失性存储器、非易失性存储器和/或物理计算装置的任何其它部分从一种形式转换为另一种形式。
上述实施例可以以多种方式中的任何一种来实施。例如,所述实施例可以使用硬件、软件或它们的组合来实施。当以软件实施时,软件代码可以在任何适当的处理器或处理器集合上执行,无论这些处理器是在单个计算机中提供还是分布在多个计算机中。应理解,执行上述功能的任何部件或部件的集合一般可以被认为是控制上述功能的一个或更多个控制器。所述一个或更多个控制器可以以多种方式实施,例如利用专用硬件或利用使用微代码或软件编程以执行上述功能的一个或更多个处理器来实施。
在这个方面,应理解,机器人的实施例可以包括至少一个编码有计算机程序(即,多个指令)的非暂时性计算机可读存储介质(例如计算机存储器、便携式存储器、光盘等),所述计算机程序当在处理器上执行时执行上述功能中的一个或更多个。这些功能例如可以包括控制机器人和/或驱动机器人的轮或臂。所述计算机可读存储介质可以是便携的,从而存储在其上的程序可以被加载到任何计算机资源上,以实现在本文中论述的本发明的各个方面。此外,应理解,对在被执行时执行上述功能的计算机程序的引用不限于在主计算机上运行的应用程序。相反,术语“计算机程序”在本文中以一般意义使用,指可用于对处理器编程以实现本发明的上述方面的任何类型的计算机代码(例如软件或微代码)。
本发明的各个方面可以单独使用、组合使用或者以在前面说明的实施例中没有具体论述的各种布置形式使用,因此它们的应用不限于在前面的说明中阐述的或者在附图中示出的部件的细节和布置。例如,在一个实施例中说明的方面可以按任何方式与在其它实施例中说明的方面相结合。
此外,本发明的实施例可以实施为一种或更多种方法,在本文中已经提供了这样的方法的实例。可以以任何适当的方式对作为方法的一部分执行的动作排序。因此,可以构造以不同于所示的顺序执行动作的实施例,这可以包括同时执行某些动作,即使在示例性实施例中这些动作被示为顺序动作。
在权利要求中使用诸如“第一”、“第二”、“第三”等序数词来修改权利要求元素本身并不意味着一个权利要求元素相对于另一个权利要求元素的任何优先级、优先顺序或次序、或者方法的动作被执行的时间顺序。序数词仅用作将具有某一名称的一个权利要求元素与具有同一名称(但是使用序数词)的另一个元素区分开来的标签。
在本文中所用的措词或术语仅用于说明目的,不应将其视为限制性的。“包含”、“包括”、“具有”、“含有”、“涉及”等词及其变化形式的使用意味着涵盖其后所列的项目和附加项目。
在本发明的多个实施例的详细说明的基础上,本领域技术人员很容易想到各种修改和改进。这样的修改和改进都在本发明的精神和范围之内。因此,前面的说明仅是示例性的,而不是限制性的。
Claims (37)
1.一种估计由机器人操纵的有效载荷的一个或更多个质量特性的方法,该方法包括:
使用机器人移动有效载荷;
在有效载荷运动时,确定有效载荷的一个或更多个加速度;
在有效载荷运动时,使用机器人的一个或更多个传感器感测向有效载荷施加的力旋量;以及
至少部分地基于所确定的加速度和所感测的力旋量来估计有效载荷的一个或更多个质量特性。
2.如权利要求1所述的方法,其中:
在有效载荷运动时确定有效载荷的一个或更多个加速度包括在通过激励例程移动有效载荷时确定有效载荷的一个或更多个加速度;并且
在有效载荷运动时感测向有效载荷施加的力旋量包括在通过激励例程移动有效载荷时感测向有效载荷施加的力旋量。
3.如权利要求1所述的方法,其中确定有效载荷的一个或更多个加速度包括至少部分地基于机器人的一个或更多个运动来确定有效载荷的一个或更多个加速度。
4.如权利要求3所述的方法,其中至少部分地基于机器人的一个或更多个运动来确定有效载荷的一个或更多个加速度包括:
确定机器人的机器人臂的一个或更多个关节运动;以及
至少部分地基于所确定的一个或更多个关节运动和机器人臂的运动学模型来确定机器人臂的一个或更多个加速度。
5.如权利要求3所述的方法,其中至少部分地基于机器人的一个或更多个运动来确定有效载荷的一个或更多个加速度包括至少部分地基于机器人的机器人臂的一个或更多个运动和机器人的移动基座的运动来确定有效载荷的加速度,其中所述机器人臂可操作地耦接至所述移动基座。
6.如权利要求1所述的方法,其中感测力旋量包括感测由机器人的机器人臂的末端执行器向有效载荷施加的力旋量。
7.如权利要求1所述的方法,其中感测力旋量包括感测与机器人的机器人臂的腕部相关联的力旋量。
8.如权利要求7所述的方法,其中感测与机器人臂的腕部相关联的力旋量包括使用六轴力/扭矩传感器来感测力旋量。
9.如权利要求1所述的方法,其中估计有效载荷的一个或更多个质量特性包括估计有效载荷的质量、有效载荷的质心和有效载荷的一个或更多个惯性矩中的一种或更多种。
10.如权利要求1所述的方法,其中估计有效载荷的一个或更多个质量特性包括估计至少十个质量特性,其中所述至少十个质量特性包括一个质量参数、三个质心参数和六个惯性矩参数。
11.如权利要求1所述的方法,其中估计有效载荷的一个或更多个质量特性包括在短于0.5秒的时间段内估计有效载荷的一个或更多个质量特性。
12.如权利要求1所述的方法,其中估计有效载荷的一个或更多个质量特性包括至少部分地基于一个或更多个先验数据来估计有效载荷的一个或更多个质量特性。
13.如权利要求12所述的方法,其中至少部分地基于一个或更多个先验数据来估计有效载荷的一个或更多个质量特性包括至少部分地基于有效载荷的一个或更多个物理尺寸来估计有效载荷的一个或更多个质量特性。
14.一种规划轨迹的方法,该方法包括:
按照权利要求1的方法估计有效载荷的一个或更多个质量特性;
至少部分地基于所估计的有效载荷的一个或更多个质量特性来计算有效载荷的逆动力学;以及
至少部分地基于所计算的逆动力学来规划轨迹。
15.如权利要求14所述的方法,其中计算逆动力学包括计算将在机器人的机器人臂的一个或更多个关节处施加的一个或更多个扭矩。
16.如权利要求14所述的方法,其中规划轨迹包括至少部分地基于所估计的有效载荷的一个或更多个质量特性来优化轨迹。
17.如权利要求16所述的方法,其中优化轨迹包括优化有效载荷的速度和有效载荷的加速度中的一种或更多种。
18.如权利要求16所述的方法,其中优化轨迹包括最大限度地减小所施加的使有效载荷位移所需的力旋量。
19.一种机器人,包括:
机器人臂;
一个或更多个传感器;以及
控制器,其被配置成:
在有效载荷运动时,确定由机器人操纵的有效载荷的一个或更多个加速度;
基于来自所述一个或更多个传感器的信号来确定在所述有效载荷运动时向所述有效载荷施加的力旋量;以及
至少部分地基于所确定的加速度和所确定的力旋量来估计有效载荷的一个或更多个质量特性。
20.如权利要求19所述的机器人,其中:
所述控制器被配置成在通过激励例程移动有效载荷时确定有效载荷的一个或更多个加速度;并且
所述控制器被配置成在通过激励例程移动有效载荷时确定向有效载荷施加的力旋量。
21.如权利要求19所述的机器人,还包括移动底座,其中所述机器人臂可操作地耦接至所述移动基座。
22.如权利要求19所述的机器人,其中所述控制器还被配置成:
确定机器人臂的一个或更多个关节运动;以及
至少部分地基于所确定的一个或更多个关节运动和机器人臂的运动学模型来确定机器人臂的一个或更多个加速度。
23.如权利要求19所述的机器人,还包括可操作地耦接至机器人臂的远侧部分的末端执行器,其中所述控制器被配置成确定由末端执行器向有效载荷施加的力旋量。
24.如权利要求19所述的机器人,其中所述一个或更多个传感器被配置成感测与机器人臂的腕部相关联的力旋量。
25.如权利要求19所述的机器人,其中所述一个或更多个传感器包括6轴力/扭矩传感器。
26.如权利要求19所述的机器人,其中所述控制器被配置成估计有效载荷的质量、有效载荷的质心和有效载荷的一个或更多个惯性矩中的一种或更多种。
27.如权利要求19所述的机器人,其中所述控制器被配置成估计至少十个质量特性,其中所述至少十个质量特性包括一个质量参数、三个质心参数和六个惯性矩参数。
28.一种使用机器人操纵物体的方法,该方法包括:
规划物体的轨迹;
使用机器人沿着轨迹移动物体;
在物体沿着轨迹运动时,估计物体的一个或更多个质量特性;以及
至少部分地基于所估计的一个或更多个质量特性来修改机器人的操作。
29.如权利要求28所述的方法,其中:
规划物体的轨迹包括规划物体的第一轨迹,并且
修改机器人的操作包括规划与物体的第一轨迹不同的物体的第二轨迹。
30.如权利要求29所述的方法,其中规划第二轨迹包括至少部分基于使用所估计的一个或更多个质量特性计算的逆动力学来规划第二轨迹。
31.如权利要求29所述的方法,其中规划第二轨迹包括规划第二轨迹以将机器人向物体施加的力旋量限制在预定范围内。
32.如权利要求28所述的方法,其中修改机器人的操作包括调节机器人的机器人臂的运动。
33.如权利要求32所述的方法,其中调节机器人臂的运动包括调节施加在机器人臂的一个或更多个关节处的一个或更多个扭矩。
34.如权利要求28所述的方法,其中修改机器人的操作包括调节机器人的移动基座的运动。
35.如权利要求28所述的方法,其中修改机器人的操作包括调节机器人的机器人臂的运动和调节机器人的移动基座的运动,其中所述机器人臂可操作地耦接至所述移动基座。
36.如权利要求28所述的方法,其中估计物体的一个或更多个质量特性包括估计物体的质量、物体的质心和物体的一个或更多个惯性矩中的一种或更多种。
37.如权利要求28所述的方法,其中估计物体的一个或更多个质量特性包括估计至少十个质量特性,其中所述至少十个质量特性包括一个质量参数、三个质心参数和六个惯性矩参数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163166851P | 2021-03-26 | 2021-03-26 | |
US63/166,851 | 2021-03-26 | ||
PCT/US2022/021076 WO2022203980A1 (en) | 2021-03-26 | 2022-03-21 | Dynamic mass estimation methods for an integrated mobile manipulator robot |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117460601A true CN117460601A (zh) | 2024-01-26 |
Family
ID=81326775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280035950.0A Pending CN117460601A (zh) | 2021-03-26 | 2022-03-21 | 集成移动机械手机器人的动态质量估计方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220305678A1 (zh) |
EP (1) | EP4313504A1 (zh) |
KR (1) | KR20230162961A (zh) |
CN (1) | CN117460601A (zh) |
AU (1) | AU2022241986A1 (zh) |
CA (1) | CA3214609A1 (zh) |
WO (1) | WO2022203980A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201800006114A1 (it) * | 2018-06-07 | 2019-12-07 | Metodo per la manipolazione ed il controllo di prodotti o di materia prima in blocchi o lastre | |
KR20230162958A (ko) | 2021-03-26 | 2023-11-29 | 보스턴 다이나믹스, 인크. | 통합 모바일 조작기 로봇 |
CA3214769A1 (en) | 2021-03-26 | 2022-09-29 | Boston Dynamics, Inc. | An integrated mobile manipulator robot with accessory interfaces |
USD1033501S1 (en) | 2022-08-10 | 2024-07-02 | Boston Dynamics, Inc. | Robotic device |
USD1013001S1 (en) | 2022-08-10 | 2024-01-30 | Boston Dynamics, Inc. | Robotic device |
USD1018621S1 (en) | 2022-08-10 | 2024-03-19 | Boston Dynamics, Inc. | Robotic device |
USD1034729S1 (en) | 2022-08-10 | 2024-07-09 | Boston Dynamics, Inc. | Robotic device |
USD1034728S1 (en) | 2022-08-10 | 2024-07-09 | Boston Dynamics, Inc. | Robotic device |
WO2024114921A1 (en) * | 2022-12-02 | 2024-06-06 | Abb Schweiz Ag | Method and system for load-aware optimization of a trajectory for an industrial robot |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7819859B2 (en) * | 2005-12-20 | 2010-10-26 | Intuitive Surgical Operations, Inc. | Control system for reducing internally generated frictional and inertial resistance to manual positioning of a surgical manipulator |
WO2013042667A1 (ja) * | 2011-09-20 | 2013-03-28 | 株式会社イシダ | 質量測定装置 |
JP5942311B2 (ja) * | 2013-02-25 | 2016-06-29 | パナソニックIpマネジメント株式会社 | ロボット、ロボットの制御装置及び制御方法、並びに、ロボット用制御プログラム |
MX369224B (es) * | 2014-12-17 | 2019-10-31 | Norgren Automation Solutions Llc | Aparato y método para detectar múltiples piezas de trabajo. |
US10369702B2 (en) * | 2016-10-17 | 2019-08-06 | Raytheon Company | Automated work piece moment of inertia (MOI) identification system and method for same |
US11000945B2 (en) * | 2017-06-27 | 2021-05-11 | Massachusetts Institute Of Technology | Wearable robotic systems for supporting a load |
JP7051045B2 (ja) * | 2017-11-08 | 2022-04-11 | オムロン株式会社 | 移動式マニピュレータ、移動式マニピュレータの制御方法及びプログラム |
US10759051B2 (en) * | 2018-04-23 | 2020-09-01 | General Electric Company | Architecture and methods for robotic mobile manipulation system |
CN112368116A (zh) * | 2018-06-15 | 2021-02-12 | 优傲机器人公司 | 附接到机器人臂的有效载荷的估计 |
US20200094401A1 (en) * | 2018-09-21 | 2020-03-26 | Beijing Jingdong Shangke Information Technology Co., Ltd. | System and method for automatic learning of product manipulation |
KR102650494B1 (ko) * | 2018-10-30 | 2024-03-22 | 무진 아이엔씨 | 자동화된 패키지 등록 시스템, 디바이스 및 방법 |
US11027435B2 (en) * | 2018-12-04 | 2021-06-08 | Raytheon Company | Automated work piece testing system and method for same |
KR20210149091A (ko) * | 2019-03-27 | 2021-12-08 | 보스턴 다이나믹스, 인크. | 상자들을 팔레타이징하기 위한 로봇 및 방법 |
WO2021101514A1 (en) * | 2019-11-19 | 2021-05-27 | Google Llc | Optimization of motion paths of a robot using vision data |
JP7029681B2 (ja) * | 2020-03-18 | 2022-03-04 | 株式会社安川電機 | ロボット制御装置、ロボット制御システム、及びロボット制御方法 |
-
2022
- 2022-03-21 CA CA3214609A patent/CA3214609A1/en active Pending
- 2022-03-21 AU AU2022241986A patent/AU2022241986A1/en active Pending
- 2022-03-21 KR KR1020237036823A patent/KR20230162961A/ko unknown
- 2022-03-21 WO PCT/US2022/021076 patent/WO2022203980A1/en active Application Filing
- 2022-03-21 US US17/699,523 patent/US20220305678A1/en active Pending
- 2022-03-21 CN CN202280035950.0A patent/CN117460601A/zh active Pending
- 2022-03-21 EP EP22715843.3A patent/EP4313504A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
KR20230162961A (ko) | 2023-11-29 |
CA3214609A1 (en) | 2022-09-29 |
EP4313504A1 (en) | 2024-02-07 |
US20220305678A1 (en) | 2022-09-29 |
AU2022241986A1 (en) | 2023-10-12 |
WO2022203980A1 (en) | 2022-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117460601A (zh) | 集成移动机械手机器人的动态质量估计方法 | |
US20220305641A1 (en) | Integrated mobile manipulator robot | |
EP3838508A1 (en) | Intelligent gripper with individual cup control | |
KR20210149091A (ko) | 상자들을 팔레타이징하기 위한 로봇 및 방법 | |
JP7381595B2 (ja) | マルチボディコントローラおよびロボット | |
CN112292234B (zh) | 通过机器人操纵、特别是运输货物、特别是晶片 | |
US11084174B2 (en) | Multiple degree of freedom force sensor | |
KR20240093690A (ko) | 로봇 디바이스들에 대한 비선형 궤적 최적화 | |
JP2023176011A (ja) | 把持機構を備えたロボットシステム、及び関連するシステムと方法 | |
US20230182300A1 (en) | Systems and methods for robot collision avoidance | |
US20230182293A1 (en) | Systems and methods for grasp planning for a robotic manipulator | |
US20230182318A1 (en) | Robotic gripper with seal detection | |
US20240217104A1 (en) | Methods and apparatus for controlling a gripper of a robotic device | |
KR102686800B1 (ko) | 다중 자유도 힘 센서 | |
WO2023243334A1 (ja) | ロボット | |
US20240149462A1 (en) | Variable payload robot | |
US20230182315A1 (en) | Systems and methods for object detection and pick order determination |
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 |