数字化转型网灯塔制造专题
数字化转型网灯塔智造专题活动将涵盖灯塔工厂、黑灯工厂、未来工厂、智能工厂等，从设计规划到落地实践的全流程。并融合人工智能、数字化转型、智能制造、机器人与自动化等技术与理念，帮助中国制造业企业打通客户订单到生产的全流程，实现世界一流灯塔标杆。
得益于庞大的制造业需求，智能制造工业机器人技术应用面极为宽阔，也获得了系统性的发展，但在复杂制造场景理解、主动灵活作业交互等方面仍有明显不足。解决之道是从视觉感知、决策规划、运动控制、灵巧机构设计等方面开展工业机器人的共性技术研究。
（一）视觉感知
1. 环境理解与状态感知
工业制造场景范围较大，人、机器人、设备、物料同时大量存在并不断移动变化。这种动态变化的大范围制造场景对机器人的实时环境理解与状态感知能力提出了极高要求，需要机器人在自主感知和理解当前环境的基础上构建环境地图、感知作业状态。机器人语义地图构建方法主要有基于视觉的同步定位与地图构建（SLAM）、基于激光的SLAM、多传感器融合等。视觉和激光SLAM方法通过最小化距离估计位姿，重建效果较好且计算量小，得到广泛应用。然而相关算法在面对更高级语义要求的场景时有所不足，将语义理解和环境构建相结合则可改善机器人对复杂作业环境的理解能力，如引入语义信息实现复杂室外场景中的多类型分割识别，建立基于语义理解的长期语义地图维护机制。为提高应用的实时性，结合拓扑先验知识、编码 – 解码器深度网络开发了环境语义理解方法，引入先验知识以加速语义理解过程，在避免依赖标注的同时提高了语义分割识别的精度。需要指出的是，目前的环境理解局限在室内、室外、自动驾驶等场景（语义分割精度无需精确到毫米级、环境要素种类偏少），难以满足重大装备制造场景的多要素、高精度、高维细粒度等要求。 数字化转型网www.szhzxw.cn
机器人状态感知的信息有位姿、变形等影响工件质量关键表面参数的信息，裂纹、凹坑等表面缺陷信息。在机器人运行轨迹监测方面，建立不同轨迹、初始位置、运行参数、图像中作业位置 / 轮廓之间的映射关系，再基于卷积神经网络进行机器人运行轨迹的跟踪即监测。在目标位姿估计方面，相关研究集中在基于目标边缘、关键结构注意力机制的位姿估计策略，较好解决了光照多变、无纹理物体条件下的姿态估计问题。在作业过程形变感知监测方面，分析毛坯的成形误差、切削力与内应力变形等因素，重建考虑阻尼效应、外部载荷的动态位移和应变场，据此监控机器人作业过程中的外形几何形变、实施机器人运行补偿，保证成品精度。然而，重大装备制造过程工艺复杂、工序繁多、场景多变，需要综合且实时地感知多种状态，现有的感知方法仅适用单一模态制造状态，难以满足相关场景中集群机器人的自主作业需求。
2. 全尺寸三维检测
三维检测指扫描数据与设计模型数据的三维误差计算过程，实质是比对三维扫描数据与工件模型数据的匹配及偏差情况，获得目标表面的三维误差分布，在打磨、抛光、机加工、焊接等环节得到广泛应用。在三维检测后，机器人加工系统根据测量结果调整零部件的加工参数，优化抛光、打磨等后续工序。全尺寸三维检测主要针对大尺寸部件、表面结构复杂的部件，在扫描视点规划、尺寸测量的基础上精确计算部件的外形及结构尺寸。扫描视点规划旨在确定最佳成像视点，引导扫描仪完成目标的三维扫描任务；通常采用体素、三角网格等模型描述扫描空间，推算遮挡区域后确定扫描视点。
尺寸测量指基于模型的几何特征进行数据匹配（如体素截断符号距离或欧几里得符号距离信息），或者根据测量的工艺特点构建测量评价函数，由平方最小化、方差最小化原理求解，可综合运用多种方法来进一步提高测量精度。应用特征和几何信息的匹配策略（如关键点搜索、几何约束设置、数据点权值分配），也可提高零部件扫描数据配准算法的收敛速度及鲁棒性。根据测量余量分布要求确定误差函数后，设计模型数据、三维扫描数据的配准测量过程可视为求解非线性的多维优化问题。当然，三维测量方法易受原始三维扫描数据中的背景数据噪声、数据匹配次序的影响，导致配准结果产生偏移进而降低三维检测结果的准确性。 数字化转型网www.szhzxw.cn
（二）决策规划
1. 机器人多任务调度
对于复杂任务场景，单个机器人通常无法满足制造任务需求，因而需要多机器人协作。机器人多任务调度涉及任务工序的执行顺序（任务工序调度）、每个任务的承担机器人（任务分配），较多采用启发式搜索策略，即由运行过程中的环境信息启发机器人系统的新搜索方向，获得任务调度优化问题的近似最优解（见图2）。代表性的研究有利用蚁群启发算法探究协作机器人的任务分配问题、基于启发式算法解决静态时间扩展的多机器人任务分配问题、引入大邻域搜索策略优化多机器人／多工序任务的调度与分配问题，相关方法初步应用于工程机械、飞机机身等结构件的制造过程。相比精确求解类方法，启发式方法只寻求近似最优解，搜索效率较高，适合计算规模较大的场景，但带有难以调整的超参数，明显影响求解质量，不适合处理动态任务。
不同于启发式方法，市场机制类方法采用分散式的控制方式，适合大规模动态分布式系统，具有良好的可扩展性和鲁棒性，在高动态环境中的任务调度分配方面效果更好。为应对机器人任务执行期间的意外及不确定场景，可将单一市场交易策略扩展为动态权重的拍卖策略，支持多机器人作业系统中时间约束任务的预先分配与动态分配。市场机制类方法的搜索过程通常采用贪心式决策，计算简单但很难获得全局最优解。 数字化转型网www.szhzxw.cn
目前，机器人多任务规划开始探索应用强化学习方法，基于Distributed-Q算法的强化学习模型、基于分层强化学习的多任务梯度规划、深度强化学习规划等较好解决了大规模复杂环境下多机器人协同作业任务调度问题。类似强化学习方法，模仿学习也可应用于多机器人作业状态预测，支持多机器人安全路径规划。强化学习、模仿学习将学习到的策略函数直接映射成目标决策，相较传统的搜索方法具有更高的计算效率和实时性；但在求解问题规模较大时会出现状态空间“爆炸”情况，导致学习过程不易收敛。
2. 复杂场景无干涉协同规划
机器人末端一致性作业规划是复杂的多约束高维规划问题。面向复杂部件制造场景，机器人系统作业端的运动规划还需满足空间狭小、动态分析、实时避障等需求。机器人作业端协同系统主要包括主从式、分布式两种。
主从式系统选择1个机器人作为主机器人，其余的定义为从机器人。根据主从机器人之间的协调关系与目标位置，规划主机器人的运动轨迹，再根据主机器人的轨迹进行从机器人的运动轨迹规划。例如，在基于任务分类的机器人规划策略中，通常对不可行任务与机器人分配进行编码，并对未来可能出现的类似分配进行剪枝处理，生成可执行任务的机器人运动规划约束，形成机器人复杂任务规划。为应对避障问题，多采用机器人作业运动虚拟区域的策略，改变虚拟区域移动方向及矩形参数以适应作业环境，在考虑虚拟区域参数变化的同时及时调整机器人的移动方向。主从式系统的结构整体性、协调性较好，但集群机器人的运动轨迹存在耦合概率，成员的误差及故障会被放大，不利于整个系统的稳定性和可扩展性。
在分布式规划的框架下，机器人根据自身传感器的信息规划自有运动，机器人之间以通信方式交换各自的位置和环境信息。典型的分布式规划策略是基于速度障碍（VO）的方法。VO起初用于处理动态环境下机器人的运动规划问题，将避障问题转化为速度调整问题；将预测碰撞的速度区域定义为VO区域，选择VO区域之外的速度作为避障速度；当场景中的机器人数量较多时，会出现避障引起的抖动现象。为此提出了交互速度障碍算法，为机器人提供统一的行为决策与规划并避免抖动现象，但在机器人规模进一步增大后仍然难以避免碰撞。此外，分布式规划方法虽然适合动态环境场景，但大量的分布式通信交互对通信带宽要求较高。为了高效表征多机器人任务规划系统、增强多机器人任务规划能力，有研究将之视为构型空间维度更高的单机器人系统，探索了基于策略梯度模型的机器人运动规划策略，在复杂动态环境中单移动机器人的实时运动规划与调度、多机器人协作动态环境中机器人单元的运动规划等方面展现出良好潜力。
（三）运动控制
1. 多机器人协同控制
机器人尤其适用多型号、小批量的大型构件加工，而复杂的机械连接结构致使末端刚度较低，进而导致加工精度普遍不高。机器人控制优化的重要研究方向即为基于接触力模型预测和补偿的机器人刚度增强方法，用于改善加工质量及稳定性。通行的做法是建立打磨、抛光、切割、去毛刺等任务的机器人运动学、动力学、刚度模型，据此优化机器人的位姿／接触力分布，提高加工精度。以机器人铣削加工为例，根据运动学、动力学模型来优化位姿、提高刚度，建立机器人铣削模型并分析铣削参数和工艺流程，增强机器人铣削颤动抑制能力。结合传感器反馈的六维铣削力信息，计算机器人的端偏移，通过算法对轨迹进行补偿，减少实际铣削误差。
在多机器人参与的加工过程中，工件形貌、工艺参数、工作条件等带来多重限制，多机器人的末端路径、机器人本体均需要满足面向任务的时空约束。各个机器人应在指定时刻分别到达规划位姿，不能出现互相干涉，可采取分析协作过程中多机器人运动学／动力学约束关系的方法进行处理。多机器人协同系统具有封闭多回路、冗余驱动的特性，难点在于动力学建模、载荷分配策略，主流思路是建立优化判据并进行动载荷的最优分配。例如，利用双机器人的冗余特性，根据最小作用力原则优化多机器人的多位置抓持力分布；建立多节点闭运动链协调系统，引入线性加权方法约束多机器人的内部作用力，给出基于载荷分配原则的机器人协作吊运方案。需要指出的是，机器人制造系统精度保障机制研究仍然停留在单机器人、单一工艺层面，而机器人协同加工的精度保障原理与体系层面研究仍处于空白阶段，后续需要攻关面向加工制造的机器人系统协同精度控制技术。 数字化转型网www.szhzxw.cn
2. 机器人柔顺控制
机器人作业任务要求机器人末端与工件存在物理接触，对机器人与环境之间的接触力精度控制提出了较高要求。机器人末端微小的位置偏差都可能因被接触材料的形变而产生较大的接触力，或对机器人和被接触物造成损伤，需要在执行接触任务的机器人控制系统中添加力控制单元。力位混合控制、阻抗控制在环境 – 机器人交互控制方面应用较多：相较前者，后者无需在两个正交方向分解出两套控制策略，鲁棒性更佳，机器人可稳定输出所需的作用力。早期研究关注机器人动力学的不确定性处理，多采用自适应阻抗控制方式，但阻抗控制模型结构相对固化而无法应对复杂的机器人工作环境。为此，引入考虑环境动态约束的机器人模型、受环境影响的可变控制模型，获得了更好的控制性能。
随着机器人视觉技术的不断发展，视觉 / 力觉混合策略相较纯力觉控制方案纳入更全面的机器人作业信息，作业柔顺性更好。自然的做法是视觉／力觉信息独立处理，采用视觉比例控制、力觉比例积分控制策略，联合进行机器人关节角度控制。也可采用视觉／力觉正交控制思路来简化控制策略，根据约束表面的几何信息预测视觉位移和接触力，将混合任务空间划分为正交的力觉控制子空间、视觉位控子空间，再由力觉、视觉分别控制不同的运动方向。
在工业制造的实际环境中，环境模型的参数变化频繁，亟需一种泛用性和效率均较高的环境 – 机器人动力学建模方式，以确保机器人作业过程的末端跟踪质量。机器人加工属于具有强交互力的作业场景，需要控制系统及时捕捉接触力的变化并针对性调整控制策略。然而，机器人多传感器数据融合方法的计算成本较高，导致控制系统难以及时响应加工接触力的突变。为此，在多传感器数据融合方面需克服各控制子集的缺点，提高机器人对位置、接触力等物理量的测量精度以及多源数据处理的效率。
（四）灵巧机构
在精密工业制造场景中，传统的机械抓手等机器人末端执行器，刚性结构的可形变范围小、关节运动自由度低、适应性不强、多关节柔顺性差，无法对不同尺寸、刚度、形状、类型的目标物进行高效率抓取及搬运。尽管已有机器人配置弹性材料并根据抓手模型设计自适应抓取策略，但无法根本性地解决相关问题。
由柔性材料制作的柔性抓手，可在无限的自由度上产生形变，利于模仿人的手部弯曲动作，自适应抓取刚度脆弱、结构复杂、尺寸多样的工业零部件。例如，拉线抓手模仿肌肉收缩模式，可通过外部动力使抓手产生形变，但拉线需要预先嵌入抓手，拉线的线路和点位相对固定，导致夹爪行程有限，很难抓取形状不规则、质量较大的目标物体；为提高抓取效率，拉线抓手与黏性吸附、真空吸附等物理手段结合，进一步增强抓取动作的稳定性。 数字化转型网www.szhzxw.cn
得益于增材制造技术的发展，气动抓手因较低的制备门槛、材料具有弹性结构的特点而受到关注，多由纤维增强橡胶制成，经气压驱动形成俯仰、偏转、拉伸等自由度；还可进一步组合出多节点机构，执行灵活的动作任务。传统的柔性抓手气动结构简单，但抓手刚度、承载能力较弱，因而目前多采用复杂气动网络结构以增强抓手的性能；可根据任务类型灵活选择气动网络结构，在抓手的不同位置配置变形性能差异化的结构，兼具物品抓取、振动控制能力，从而在灵活性、刚度、承载能力之间取得平衡。此外，根据材料受激形变特性设计柔性抓手，如利用导电聚合物（EAP）材料在电压下产生变形的特性，设计特殊的EAP材料结构、电压驱动控制策略，即可控制抓手的抓取动作。EAP柔性抓手具有较大的形变和输出力，可根据零部件的外形轮廓进行自适应调整，实现对目标物的稳定抓取；但EAP材料的机械强度很小，抓取时易受干扰，无法稳定抓取大尺寸目标物，也不宜用于多级协同任务。
声明：本文来自国家智能制造专家委员会，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
数字化转型网灯塔智造专题
数字化转型网灯塔智造专题活动将涵盖灯塔工厂、黑灯工厂、未来工厂、智能工厂等，从设计规划到落地实践的全流程。并融合人工智能、数字化转型、智能制造、机器人与自动化等技术与理念，帮助中国制造业企业打通客户订单到生产的全流程，实现世界一流灯塔标杆。数字化转型网灯塔智造专题活动包含以下内容：
1、灯塔智造外脑支持：通过平台外脑的力量，让决策者拥有更多的聘请超过100位的智能制造专家、超过1000家的智能制造软硬件技术公司、超过10000份学习资料，为企业提供强大的智造外脑支持，助力企业打造智能工厂、灯塔工厂。 数字化转型网www.szhzxw.cn
2、灯塔智造研习社：与制造业顶尖精英一起学习！数字化转型网建立了一个专门讨论智能制造、灯塔工厂等相关技术的研究学习社区，与各位同学一起成长！
3、灯塔智造论坛：智能浪潮！引领未来！数字化转型网打造的智造论坛，旨在通过高端对话推动行业树立正确理念，减少行业噪音，正本清源，助力行业发展！
4、灯塔工厂参观研学：目前灯塔工厂全球已有153家，目前中国已有62家，数字化转型网计划组织灯塔研习社的同学们先后参观国内的施耐德、海尔、博世、美的、三一重工、宁德时代、联合利华、宝洁、青岛啤酒等等，以及赴国外参观全球的灯塔工厂。
5、灯塔标杆案例研学：除了灯塔工厂外，数字化转型网仍然关注驱动整个制造业数字化转型、制造业智能制造、数字创新技术，我们将以不积跬步无以至千里的精神，关注每一个在细微处取得伟大成绩的“灯塔标杆”案例，组织灯塔研习社社员学习行业标杆！
更多灯塔工厂、黑灯工厂、未来工厂、智能工厂、智能制造等灯塔智造相关资料可点击图片下载
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于国家智能制造专家委员会；编辑/翻译：数字化转型网萍水。
