面向恶劣工业环境中柔性制造的通用移动机械臂自动化框架

使移动机械臂能够从单次示教演示中执行人类任务，对柔性制造至关重要。我们将提出的方法称为MMPA(基于单次示教的移动机械臂过程自动化)。目前，尚无一种有效且鲁棒、且不受恶劣工业环境及移动底盘泊车精度影响的MMPA框架。所提出的MMPA框架包括两个阶段：在示教阶段采集数据(移动底盘位置、环境信息、末端执行器路径)用于机器人学习；在自动化阶段令末端执行器重复世界坐标系下与参考路径近乎相同的路径以复现工作。更具体地，在自动化阶段，机器人导航至指定位置而无需精确泊车。随后，基于彩色点云配准，所提出的IPE(基于眼与手的迭代位姿估计)算法可在无需任何标记的情况下估计机械臂底座精确的6D相对泊车位姿。最后，机器人可从泊车位姿偏差中学习误差补偿，以修正末端执行器路径，使其在世界坐标系中重复示教阶段记录的近乎相同路径。我们使用真实移动机械臂进行了数百次试验，表明该系统具有优异的鲁棒性，且无论工业条件恶劣与否及泊车精度如何，过程自动化均具有准确性。有关发布代码，请联系[email protected]。