基于多模态行为树的机器人实验室任务自动化

实验室机器人具备高精度和可重复性的实验执行能力，具有变革性科学研究的潜力。单调且可重复的任务（如样本运输用于分析和瓶盖封闭）非常适合机器人执行；如果成功可靠地完成，化学家可以将其精力集中投入到更关键的研究活动中。目前，机器人可以比化学家更快地完成这些任务，但它们的可靠性如何？错误的封闭操作可能导致人类暴露于有毒化学品中并致命。为了确保机器人以如同人类般准确地执行这些任务，必须引入感知反馈来评估任务执行进度。为此，我们提出一种基于具有多模态感知的行为树的新方法。该方法不仅自动化了机器人任务，还验证了任务成功执行，这是安全关键环境中的基本要求。实验评估在两个实验室任务上完成：样本瓶盖封闭和实验室架插入。结果显示高成功率，即封闭为 88%，插入为 92%，并具备强大的错误检测能力。这最终证明了我们方法的稳健性和可靠性，并且使用多模态行为树应为下一代机器人化学家铺平了道路。