CN115605328B 一种用于工业机器人的碰撞避免运动规划方法 （发那科株式会社）

2022.08.10PCT/IB2021/000096202WO2021/165745EN2021.08.26一种用于工业机器人的碰撞避免运动规划一种使用最差状态搜索和优化的机器人碰相邻航路点之间的具有到障碍物的距离的最差束，然后执行航路点位置的优化以改进最差状2定义航路点集合，所述航路点集合包括所述路径的起始点和目标基于定义的路径内插方法来计算经过所述航路点集合的轨迹，其执行最差状态搜索以识别每个轨迹区段中的具有最差碰撞避免度使用所述最差状态点执行最差状态优化以确定新的航路点集合态优化包括基于所述最差状态点来定义所述碰撞避免度量与各个航路点的位置之间的关2.根据权利要求1所述的方法，其中，提供障碍物数据包级数中的每个航路点项包括所述碰撞避免度量关于定义为所述各个航路点的函数的所述9.一种用于规划工业机器人的路径的方法，所3的距离；执行最差状态搜索以识别每个轨迹区段中的具有最差碰撞避免度量的最差状态态优化包括基于所述最差状态点来定义所述碰撞避免度量与各个航路点的位置之间的关计算机，其与所述机器人和用于提供障碍物数据的所述定义航路点集合，所述航路点集合包括所述路径的起始点和目标使用路径内插函数计算经过所述航路点集合的轨迹，其中轨迹执行最差状态搜索以识别每个轨迹区段中的具有最差碰撞避免度使用所述最差状态点执行最差状态优化以确定新的航路点集合态优化包括基于所述最差状态点来定义所述碰撞避免度量与各个航路点的位置之间的关助设计(CAD)系统或者被配置为检测所述工作空间中的所述多个障碍物的一个或多个传感4述级数中的每个航路点项包括所述碰撞避免度量关于定义为所述各个航路点的函数的所5[0002]本申请要求2020年2月19日递交的、标题为用于工业机器人的碰撞避免运动规划障碍物避免最小距离准则。6[0010]图1是在障碍物附近工作的工业机器人的图示，其中如果不使用足够密集的航路[0011]图2是在车辆主体结构附近工作的工业机器人的图示，其中车辆主体工件本身表[0012]图3是根据本公开的实施例的穿过障碍物环境的航路点序列的图示，其中最差状态搜索识别轨迹上的在每对航路点之间的具有相对于障碍物的最差状态[0014]图5是根据本公开的实施例的用于使用最差状态搜索和基于最差状态的航路点优[0016]以下对本公开的实施例的讨论涉及使用最差状态搜索和最差状态优化的机器人置和工作台之类的结构，并且由机器人在其上或周围操作的工件或容器本身可以是障碍[0018]图1是在障碍物附近工作的工业机器人的图示，其中如果不使用足够密集的航路7[0021]轨迹150被定义为起始点140和目标点142之间的直线。除了起始点140和目标点航路点152或航路点154处没有发生碰撞，并且运动规划系统将推断出直线轨迹150是从起[0022]上述情况发生是因为现有技术的运动规划系统仅考虑由动规划系统的用户通常定义密集的航路点集合。例如，代替如在轨迹150中使用的四个点[0023]图2是在车辆主体结构附近工作的工业机器人的图示，其中车辆主体工件本身表构210的车顶纵梁212占据直接在起始点220和目标点22轨迹230被定义为具有在起始点220和目标点222之间的中等数量的中间路点(诸如五个)，[0026]在现有技术的运动规划系统中可靠避免碰撞所需的密集的路点间距由于两个原8[0028]图3是根据本公开的实施例的穿过障碍物环境的路点序列的图示，其中最差状态人工作空间中的人类操作者也可以位于被定义为障碍物和目标点322的位置作为下面讨论的优化计算中的相等性约束来处理。在大致位于起始点由计算机基于先前计算的具有类似起始点和目标点的路径q4}r是机器人的自由度)中定义。9[0036]可以使用的另一种轨迹内插方法是样条内插。在轨迹330的样条内插的一个示例[0038]其中k和m是影响样条轨迹形状的常数，并且同样可以在轨迹330的所有其它区段沿着轨迹330的在航路点qr的每个相邻对之间的具有相对于障碍物的最差状态距离的位通过针对由函数g定义的轨迹330上的特定点α计算机器人的所有部分与障碍物310/312/所有部分与障碍物310/312/314之间的最小距离(或最大干涉)可以在轨迹330上的每个点[0045]然后如下通过评估在点处的函数g来识别给定的初始的航路点集合qr的最差状sri=g(q",ai)(4)3上所示且上文所讨论的差状态点354具有到障碍物312的最小距离。最差状态点356和358都具有到障碍物314的最rnre[0054]最差状态优化的目标是将航路点从它们的初始位置qr移动到新的位置集合q。第一和最后的航路点q0和q4不能如先前所讨论的那样移动。仅中间航路点能够被移动以改善[0058]上面的等式(5)根据在所述位置a;处找到的最差状态和新的航路点位置集合q来[0059]在最差状态优化步骤中，用公式表示具有目标函数和一个或多个约束的优化问[0062]可以为优化问题定义若干约束函数。在机器人运动优化中使用的一个典型约束以偏导数形式表示的最差状态碰撞度量可以如下被定义为不[0067]等式(7)和(8)中描述的优化计算产生新的航路点位置集合q，其相对于针对参考点位置集合q被用作用于先前讨论的轨迹内插和最差状态搜索步骤的参考航路点输入。重[0068]在图4中，示出了在最终收敛以满足碰撞避免标准之后的新的航路点位置集合最终轨迹360在起始点320处开始，在目标点322处结束，并且经过新的航路点362、364和[0069]图5是根据本公开的实施例的用于使用最差状态搜索和基于最差状态的航路点优诸如工作单元坐标系之类的公共坐标系中定义机器人、起始和目标点以及障碍物的位置。物的最差状态距离的位置。最差状态搜索使用等式(3)找到每个轨迹区段中的出现最差状[0072]框506的状态参数化和框508的最差状态搜索共同构成了整个最差状态搜索过程[0073]在框512处，根据先前的讨论执行使用最差状态来找到碰撞避免约束与航路点位差状态优化。最差状态优化包括用公式表示具有诸如等式(7)中所示的示例之类的目标函[0074]框512的找到关系和框514的最差状态优化共同地构成了整个最差状态优化过程[0076]图6是配置为使用图5的最差状态搜索和优化方法的机器人碰撞避免运动规划系器人600发送关节马达命令并从机器人600中的关节编码器接收关节马达位置数据来控制[0077]与控制器620通信的可选计算机630可以用于若干不同的任务，包括以CAD实体或或多个诸如传感器640之类的传感器。传感器640可以是相机或能够提供工作空间602中的障碍物610的3D几何形状的任何类型的对象传感器。传感器640可以是一个或多个3D相机，障碍物几何数据定义了存在于工作空间602中的所有障碍物610的3D形状。控制器620还根据传感器数据或以其他方式确定即将到来的操作的起始和目标点。然后控制器620继续执算对应的运动命令并且向机器人600提供该命令。计算责任可以以任何适当的方式在计算地，这包括在上面讨论的机器人控制器620和计算机630(如果使用)的每一个中的处理器。具体地，控制器620和/或计算机630(如果使用)中的处理器被配置为以贯穿前述公开内容描述的方式使用最差状态搜索和最差状态优化来执行碰撞避免路化技术提供了优于现有技术方法的显著优点。所公开的最差状态搜索/最差状态优化技术[0082]虽然上面已经讨论了使用最差状态搜