英文文献译文Word文档下载推荐.docx
《英文文献译文Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《英文文献译文Word文档下载推荐.docx（13页珍藏版）》请在冰豆网上搜索。
它遵循这些实验，使用机器人技术，以及相关的编程框架，是一个可行的解决方案，以引入能由工厂工人直观地和动态编程来执行新任务的机器人。
1.简介
为了在全球化的市场中保持竞争力，制造企业需要不断改进他们的生产系统和适应不断变化的市场需求。
目前，生产正在经历由大规模生产到产品的大规模定制模式的转变。
生产系统这一趋势的影响是：
他们应该适应处理更多的产品差异化，适应更小的生命周期和小批量生产。
如今，基于机器人的生产是工业制造骨架的重要组成部分。
然而，工业机器人的概念静态放置在一个小区和连续重复的动作的仔细预定顺序，几十年来几乎一直保持不变。
不足为奇的是，典型的工业机器人不灵活。
因此，可变形的生产是超越现有系统的能力。
情况简化图如图1所示。
传统的制造系统具有很大程度的自动化，但只可以重新配置，具有很大的困难。
另一方面，传统的手工劳动是非常灵活的但不适合作大规模生产，经济上发达的国家也是如此。
在未来，大批量制造会需要，高的可重构性结合自动化。
可以在两种截然不同的方式实现这一目标：
工人可以配备更好的自动化工具，如直观上编程的机器人，从而提高他们的生产力，或可以改善传统的自动化生产流水线的可重构性，如使用多用途机器人。
图1未来的工厂有一个明确的要求，可转换生产系统，表现出高度的灵活性，同时还采用了高度自动化。
机器人技术被预计明天这过渡到可转换工厂的主要推动力之一。
达到要求的水平的柔性机器人或更一般的移动机械臂，需要能够自行移动，应付与人类和部分已知的环境的互动中的不确定性，处理各种不同的任务，并能够被重新编程，快速非机器人专家在工厂里的新任务时。
所以，问题出现了：
会让机器人有足够的灵活性来处理不确定性和改变生产任务，同时不够直观，并将其用于非机器人专家重新编程框架的特点应该是什么？
我们认为答案在于遥感和一小套的模块化的“机器人技能”行动的紧密集成。
与传统的机器人，相反我们的技能的特点是，他们可以处理各种不同的对象，和维护自身的因素。
最后，某一行业的技能这套可以自然提取工业标准作业程序（SOP）仔细分析。
在这项工作我们提出把技能的概念模型和如何实施并成功地应用于现实世界工业方案这一概念。
进行的实验表明，一小套的技能可以直观地由任一肌肉运动知觉的教学，动动手势或自动任务规划人员去解决不同的工业生产任务，如零件送料，运输、质量控制、装配、机抚育。
本文的主要贡献是什么？
我们提出了一个概念模型的机器人技能，并表明如何不同于传统的宏。
我们展示如何使用这种方法使非专家通过封装，里面每个人的高级功能，利用先进的机器人系统。
介绍了该方法的具体应用，其中先进的机器人系统已应用在几个实际工业方案中。
1.1相关工作
实现的目标，很容易和快速编程的机器人由非专家一贯奉行使用任务编程方式。
任务级别编程构成较高的抽象级别，比传统的机器人编程。
它作为一系列操作，指定一个给定的任务，但避免了描述每个操作中的全部细节。
导致这项任务实现的行动序列可以计划或指定的操作员。
这种做法可能会导致实现目标或对象操作复合物（Oac），允许认知的机器人，以确定可能的行动基于对象启示的概念，机器人任务的符号表示形式。
任务级别编程基于较低一级的实体，通常被称为机器人的技能，实例化操作。
在过去的几十年期间进行了机器人的技能，将适合任务级编程的各种表示形式。
上述尝试什么最有共同点，是机器人的技能，反过来，组成原始集机器人动作，被称为行动或运动基元。
这些技能原语是可以结合到窗体的简单、原子机器人运动更复杂的行为。
丰富的相关文献有系统的调查揭示了如何支离破碎技能的概念，缺乏一个广泛被接受，严格的定义。
与自己的技能，技能基元是相当很好地定义机器人社区;
虽然存在着几个不同的描述，其中绝大多数是松散按照上兼容控制器，铺在地上的任务框架形式主义（TFF）介绍了由德舒特的梅森的工作。
最近的工作扩大了这一想法，例如启用的任何传感器和控制器在同一任务框架（例如视觉伺服结合力控制），使用和操作动态任务框架中。
我们定义技能整合前和后置条件检查在执行中，这使得互连的技能到任务直观和控制的过程。
在这个意义上，我们的方法是操纵原始网相媲美。
但是，此方法需要低级参数化操作原语，使之只进入机器人专家。
另一个概念，类似于我们的技巧，理念是行动的食谱所界定的RoboEarth项目。
不同于我们的技巧虽然，行动食谱保持遥感和代理单独和主要集中对知识分享之间具有类似功能的机器人。
所有上述的方法都需要一个机器人专家程序和使用的系统。
这也是为什么这些作品中，相比之下我们，永远不会部署到在实际工业设置的原因之一。
工业机器人编程简单要求，除了基本的概念，直观的人—机器人交互（HRI）机制。
在工业设置侧重于通过使用CAD模型或在线编程使用的离线编程HRI增强现实（AR）。
这种方法显而易见的缺陷是他们假定专家重新编程，这使得它们适合预想的可转换工厂的存在。
与大多数发布作品，类似于我们的做法，基元组合的技术和语音识别的编程把握作者演讲，与其他工作任务。
这项工作包含了任务编程。
但是，规划的基元，这些和任务层之间没有更高级别的技能组合。
一般情况下，在工业环境中的HRI文学是相当有限的。
一个可能的原因是工业机器人的应用传统上注重准确性和速度无关。
除了允许人类指令定义任务的HRI，另一种可能性是可考虑采用的自动化任务刨床。
工业机器人已经被赋予了任务规划的能力，开始与带规划师和许多其他其次，基于同样的想法，在这他们采取行动改变当前的世界状态的一组操作的算法。
这包括打破成某种形式的机器人可以解释操作原语的装配任务。
简单的机器人场景，如GOLEX，有取而代之的是最近较发达的发展中国家，类似于一些手头，本文提出了我们工作的能力。
2.找到并正式确定机器人的技能
2.1.找到技能
作为被提及的早些时候，移动机器人可以在机器人启用码，以容纳未来工业生产的灵活性更高的要求之一。
我们认为，机器人技巧的使用是实现这一目标的关键。
我们会首先说明机器人技能已从当前的工作程序，在该行业。
作为一个起点，我们研究了移动机械手的应用程序适用的任务域。
通过广泛的研究，在实际生产环境中已有一系列适合移动机械臂的一般工业应用。
研究范围包括566工业生产任务，由人类的工人，因为任务太复杂或低的体积，以证明自动化解决方案的合理性进行分析。
我们有分为这些任务三个不同的任务域，与不同的任务类别在每个域，如图2所示。
后勤和辅助任务域，我们分析了解决绝大多数这些任务所需的行动。
这种分析基于工厂的工人，工作流以检测的重复性、基本操作，有可能在机器人上实现，以便它们仍然直观要由工厂工人用于构建更高级别的任务。
我们基于一套标准作业程序（Sop），正式指定在写作任务描述为工厂工人，伴随着图像分析。
Sop的每一步都映射到各自的技能。
例如，抚育任务机一步被描述为"
拿出轴，将其插入装配机，并在机上，按下启动按钮"
，可以得出结论，这个特别的步骤包括三个操作接对象放到机器，然后按按钮。
这种分析导致总共只有13个这些一般的行动在两个分析。
分析的一个重要方面是，它基于自然语言和人在生产、工作和Sop中使用的语言之间的通信。
这具有技能的概念和具体的指导机器人来执行特定的技能，结果是立即直观，可以为工厂工人，会直接使用技能的效果。
基于Sop的分析结果，我们将现在去正式确定确切地机器人技能是什么，以及如何可以用于任务编程。
2.2技能形式化
在本节中我们将向机器人技能解释我们概念的方法。
部分将彻底向读者介绍机器人技能的概念所设想的这些作者，以及技能、任务和原语的三层体系结构。
我们最后将总结使用技能制造的优点。
2.2.1一个技能的概念模型
简言之，我们看到机器人的技能作为高级别的构建块，从中可以组成一个完整的机器人程序或任务，，，让机器人来完成这项任务。
换句话说，技能是直观对象中心机器人的能力，很容易可以参数化的非专家。
术语"
对象为中心"
在这里不意味着技能是对象特定的而是他们将应用上而不是e.g.3D坐标的物理实体。
我们的重点是尤其是关于改进人权——机器人互动，和技能任务经常制造行业所需的域中的可重用性。
一个核心属性和使用技能，在这方面的主要理由是他们的对象为中心，即一项技能合并遥感和对象上执行的操作。
这是指技能将不应用3D位置而是物理实体车间工人可以涉及，这是完全的对象，目前在工厂部署机器人的位置。
对象然后，与不同的3D坐标，由表示更自然的接口，如指向手势。
我们作为一个完全实例化序列的技能，使用指定的参数，定义了一个任务，它被表征为解决特定的目标环境中部署的机器人的位置，例如加载必要的部件，以便创建某一产品或组件装配机。
顺序的技巧，对任务编程有用，他们必须改变这种状态的传感或行动，通过世界的机器人概念，而是自我维持，所以他们可以使用在任何任务。
自立意味着每个技能应该是参数在其执行，那么它将执行相同的基本操作，无论输入的参数，能够估计如果技能可以执行基于输入的参数和世界状态，并且能够验证已成功执行。
机器人的技巧，其中包括所有以上各点，我们概念模型如图3所示。
一项技能依赖定义的行动和遥感序列，但自己的运动由一组参数，从而使技能通用在一定范围内适应于特定的任务。
每个技能有一个或多个直观的参数作为输入，这是工厂的工人都要涉及。
这些参数是对象相关的技能，并且执行的一项技能只基于此参数。
在执行阶段，机器人执行预编程序的传感和行动操作，以完成技能，基于输入的参数。
这些操作技能系统集成商，由指定，并且理想情况下应实施一种技能可以处理在工厂相关的所有参数。
此外，它是重要的是注意内技能的操作不盲目地执行的但依赖于传感器反馈，以确保稳定。
例如运动规划避在运动期间。
运算符从未接触过个别行动内的技能，但是只需涉及完整的技能和其直观的参数。
每个技能有关联的一系列前提条件和预测它在现实世界中，执行的结果，用以检查程序之前、期间和之后执行。
这些也可以验证从关联的世界模型或通过特设遥感操作条件。
此外，预测与先决条件的情况下启用任务规划技能域，如技能符合一条类似配方。
在这种情况下，只有目标状态无需任务规范，鉴于该机器人具有关联的世界模型，规划问题可以提取的当前状态。
预测正式指定执行技巧的预期的效果是什么。
在执行期间，连续评价的技能，相比预期指标的性能验证技能执行按预期。
当执行完后时，最后的后置条件检查确定当前的世界状态是否作为预测。
建模的世界状态：
因为技能需要访问对象和位置在工厂的先验知识，世界的状态概念需要进行建模。
技能实现改变一组状态变量，描述该机器人具有其周围环境的知识。
状态变量可以是任一测量的消失不确定性的专用传感器，例如，通过那些内置的制造系统，或通过传感器的机器人，如视觉、扭矩或触觉传感器上。
对于工作技能训练方法，世界模型必须包含是直接相关的技能的信息。
因此，至少，世界模型必须包含有关所有方面的环境部署机器人的位置，可以用作机器人工作技能的参数信息。
因为技能都是以对象为中心，世界模型因此必须包含关于先验知识，如全球的3D坐标，例如对象、地点和生产设备相关的技能。
事实上，在大多数情况下只特设、技能相关的世界模型是充足的包含只是当前实现机器人和机器人的部署位置的场景的技能有关参数的信息。
2.2.2任务、技能和基元的体系结构
在最低的一级，是最具体的硬件，我们有原始图层。
这一层包含实时控制回路的机器人，以及必要的遥感操作所必需的工作技能。
这一层是类似于通常进行工业机器人，但加上运动可以被打断和改变中的编程水平实时、基于传感器的反馈。
原语的特点作为执行单个操作有关的机器人系统。
原语的例子包括开放夹持器、规划到某些配置中，机器人手臂运动和标定方面具体生产机器机器人的位置。
技能层是暴露给最终用户，即经营者，当编程机器人的新任务。
目前很多机器人编程由工程师或机器人系统集成商、开展婚恋即使许多应用程序为固定的工业机器人有相似之处，任务通常从零开始。
灵活的机器人，有必要尽量减少这种努力，并在构建基块添加功能的方式做到这一点。
然而，子程序，可以认为技能，可以只重用如果他们是通用的也是鲁棒的可能集的应用程序。
技能是组合的基元，其中哪个基元以执行精确选择在线确定。
技能实施利用运动基元创建先进，但多才多艺，程序构建块，并建立预测和前和后置条件检查。
例如，地方对象技能是组合的基元移动手臂，打开夹持器，检测曲面，可以指定技能程序员，但进行了精确的运动在技能运行时确定。
这样他们符合体系结构，并可连接任务规划由专家系统集成商、执行技能和原语一致好评。
这有好处在于机器人专家可以集中发展先进的基元和技能，而不是任务编程，因此即使开发其它领域，如大会的技能。
任务是直接关系到在工厂解决特定的目标，并且必须与最终用户接口，编程和启动任务和系统控制的生产线，例如制造执行系统（MES）。
任务是技能预定顺序，与先前指定的参数，可以执行必要时。
技能顺序和参数，组成一个任务时，可以由运营商明确地编程，或者基于当前世界建模的状态和状态变量的预期目标设定计划专案。
关联到完整的系统的世界模型只能从技能和任务层访问。
如前所述，这个世界模型是技术人员为中心，仅包含所必需的技能发挥功能的参数。
这也意味着它是一个改变世界的状态技能-一个任务只能访问状态变量，而是通过技能改变了他们。
例如，考虑从表中除去所有对象的任务。
任务需要知道在桌子上的物体的初始量，但它是当一个对象被移除更新世界模型的技能。
2.3使用技能的优势
在本研究中使用技能的主要理由是，很容易转化的生产系统，具体机器人系统。
技能到这个题目的方法会产生大量的优势，我们将在以下概述。
首先，由于理想的技能是一般在部署的方案中，机器人系统可以处理厂的产品品种。
它应该是不费吹灰之力，使机器人对付新的产品，当它在工厂，有以技能为中心的世界知识点正是介绍了。
这导致更加有效和精简的生产，因为技能装备的机器人可以反应变化的产品和生产卷，在机器人实施可转换解决方案的关键点。
此外，技能也很直观，有可能为非专家，即车间工人，到程序新任务的机器人，在需要时。
这部分源于事实，技巧建立在标准操作规程，第2.1节所述。
这就容易让机器人新手能够理解机器人将会做什么，和成果的每一项技能，这正是所需要的直观编程任务序列的技能。
因为我们已经简要地提到，我们甚至可以自动化编程。
因为技能符合带配方，因为它们包含有关输入的参数、前提条件和预测的影响的信息，规划技能域上是可能的。
在这种情况下，任务规范仅仅成为国家相关变量，期望的目标状态的描述和任务将不需要显式编程。
由一个工厂的工人，或甚至从制造执行系统（MES），卸载工厂工人在工厂里的其他工作分配，可以指定目标状态。
从整合的角度看，使用第2.2.2节所述的三层体系结构的一个额外的好处是硬件抽象层。
基元和技能之间定义良好的接口便于代以基元。
由代以基元，它不是才有可能要添加例如改善运动规划到机器人的基元。
因为技能执行其传感和行动基于基元，它是甚至可能有完全相同的技能上运行两个看似截然不同的机器人，只要原语执行类似，和维持他们的技能的接口。
最后，当技能的方法是不够成熟，它将有助于技术推动学术界从行业。
为此原因很简单︰如果还有技能数目、系统集成商和开发商的焦点会改变实现发展和改进的基元和技能，这将最终要扎根于最先进的研究。
现在，我们将下去展示这些优势通过一系列的实验，在实验室和工业设置了许多。
3.实验
在本节中我们显示实验技能执行和任务编程，并签订的显示机器人系统集成在正在运行的生产线，和在节的末尾显示结果摘要。
对于所有这些实验中，我们使用内部发达工业移动机械手，称为小帮手。
小帮手概念的核心是工业应用，并解决需要灵活的自动化技术，为解决柔性自动化技术的需要。
虽然几次迭代的小帮手存在，都从标准的工业部件，建造和当前版本（其中之一在图5中所示）主要由三个硬件组件。
对于操纵我们使用7自由度KUKA轻型机器人（LWR）臂。
机器人臂安装在底盘上还包含机器人控制器和计算机控制整个系统。
机箱被安装在MP-655差动驱动的移动平台上。
图5小帮手机器人的两个当前版本之一
3.1.1基本操作技能
关于技能执行我们初步调查结果，我们已推行基本操作技能选择对象和放在桌子上。
这两个这些技能是必不可少的移动操作，和将一个组成部分的任务级机器人编程范式，因为他们都被用在几乎任何移动的操作任务。
谈到技能模型，技能必须包含必要的传感和运动操作完成例如捡一个对象的目标。
提出了一种挑对象技能，这使得机器人识别并拿起物体在一个平面上。
这种技能的实验设置如图6所示，为实现细节我们参考原始出版物。
图6。
机器人系统由机器人手臂、手爪、深度传感器，桌面和对象挑选组成。
技能为附近旋转对称的物体，特别是开发和图7中显示的对象上进行了测试。
可以选择所有对象。
只有最变形图7c在夹持器，显示最后的姿势高变异性缸和随后被安置（通过盲目的运动，即不与配售的技能）在一个稍有不同的
只有最变形图7c在夹持器，显示最后的姿势高变异性缸和随后被安置（通过盲目的运动，即不与配售的技能）在一个稍有不同的位置比预期。
我们的观测暗示，这由限制造成的视觉系统和夹持器，并通过选择不同的、更合适的硬件，就可以避免。
图7。
成功可以通过相同的技能掌握的对象。
之后可以使用相同的地方技能放置的所有对象。
（C）变形缸检测和分割和圆柱，包含的模型已经被装配:
（a）圆柱和变形对象;
（b）泵零件从工业生产线一条;
和（c）分段点云配准。
我们延长挑对象技能，包括上表技能，充分执行细节介绍了在那里的地方。
在这项工作我们利用遥感基元随时可从社区，可以检测普通家用物品，1并演示技能为重点、以特设的世界模型，包含这些对象的以前的意见。
后者的工作重点是对机器人之间的可转换性，我们展示如何两项技能上一个机器人，一个PR2，实现可以转移相对轻松地到一个非常不同的机器人，小帮手。
通过在这两个机器人上实现相同的技能原语，技能应该直接转让。
然而，我们发现，这并非总是可能的因为不同的机器人具有不同的功能，正如在这些实验的情况。
相反，我们一直保持技能原语的接口。
例如，用于控制机器人手臂的运动，我们只是打发夹持器所需的姿势向相应的移动手臂原语，和机器人执行手臂运动通过无碰撞运动规划（为PR2）或盲目的、联合的插补的运动（小助手）。
3.1.2.校准技能
对于移动机器人，标定相对于环境是必要的只要机器人到达工作站。
这使机器人懂得如按钮的位置和工作站的旋钮不检测这些明确，在校准例程的公差范围内。
校准例程不能改变物理世界，但宁愿更新了机器人系统的内部世界模型。
因此，它可以作为一种技能分类。
我们的技能框架，具体的实现细节明显从有关原始出版物已研制出四种不同的校准技能：
1.触觉校准：
机器人使用沿着机器人，x、y和z轴直到与鲁棒点在工作站本身的物理接触。
2.视觉的高精度：
标定板的多个图像捕捉对末端执行器的相机。
标定板是工作站3相对固定的。
Visual高速：
一个相同的标定板的图像。
此外，三个距离测量值均采用激光传感器，也装在末端执行器。
4.QR校准：
在机器人平台上的RGB-D摄像机捕获一个图像和一个深度图像的QR码，相对于工作站固定。
这种校准技能如图8所示。
图8使用RGBD相机的快速QR校准。
相机检测到的位置和方向的固定的QR码，和随后的运动与机器人都相应地获得矫正。
3.2任务说明
技能的主要动机是提高人权：
机器人交互（HRI）能力的工业机器人，2.2.1节中所述。
具体来说，我们专注于通过编程任务向提供非专家建立一个编程框架，相比传统的机器人编程方法，直观的任务。
技能形成创建高层次的抽象的机器人编程，更涉及到在给定任务的人类行动的基础。
3.2.1明确任务编程
在我们最初的工作任务编程，我们专注于显式编程的机器人任务，从技能序列构造。
任务编程使用技能可以分为两个不同的步骤的顺序和教学。
在测序阶段，任务程序员构建技能在任务中，在那里每个技能教学阶段随后参数化的序列。
在平板电脑上，在其中操作人员选择技能从技能库创建序列匹配任务中的操作一个基于触摸板的GUI进行测序阶段。
在教学阶段，我们研究了动觉教学和基于手势的输入使用。
动觉型教学︰在一系列的实验，运算符使用动觉教学直接与机械手进行交互。
机器人手臂试行到目标位置，在某些方向推末端执行器并输入。
运算符被引导在教学过程中通过视听指示在关联的平板电脑。
图9a所示动觉教学和为实现细节我们将读者参考原始出版物。
图9。
教学的参数通过直接的互动与机械手使用（a）动觉型教学，和（b）通过指向手势识别。
（a）动觉型教学，和（b）通过指向手势识别。
总共有18人，其中很多人没有经验在机器人实验验证的方法。
2在这些实验参与者编程两个挑选，并将任务的复杂程度不同。
除了指定坐标通过肌肉运动知觉的教学，参与者必须涉及到具体的参数，如机器人速度、力-配置文件和法规遵从性。
总的编程时间介乎2.6至12.5分，在所有的参与者。
基于手势的教学：
在与基于手势教学实验中，我们已实施一套更简单的操作技巧，只接受一个单一参数作为输入。
例如，选择对象技能只需要要捡起作为参数，在那里一切都内技能处理的对象。
我们将手势识别功能添加到小帮手，有操作员可以通过简单地指向序列中的每个技能的参数达到教学阶段的影响。
在指的手势，旁边运算符具有额外的手势，如指导机器人要跟随他/她周围工厂访问。
实施实验细节，并可在原始出版物。
我们一直通过让用户程序一个简单的任务交换两个对象在两个地点,一盒充满零件并且需要交换一个空篓子机样机研究方法。
所有用户都进行单一的10分钟介绍如何使用该系统。
24人，其中3比一半的机器人更多，完全没有经验的实验表明，这是任务规划可行和直观的方法。
教学中的参数，包括导航到不同的位置，机器人通过它遵循的参与者，是同样直观。
教学阶段只用在参与者，2和7分钟之间平均时间正在一点点少于3分钟。
此外，还有没有在编程时男性和女性参与者或参与者经历/经验在机器人之间的重大分歧。
从与肌肉运动知觉和基于手势的教学实验的定量结果，测序步骤是立即直观，可以为所有的参与者，指示技能本身直观的。
用户一般也表示教学阶段是直观的虽然更多这样的手势的编程中，由于技能简单，只需要一个单一的参数作为输入。
基于这两个实验，并在实验室和工业制造环境的几个小实验，结论是以技能为基础的编程方法事实上启用非专家进行直观、快速编程工业相关的任务。
3.2.2任务规划
虽然在许多情况下需要有完全控制序列
升级会员 