「機(jī)器人感知與控制關(guān)鍵技術(shù)」最新2023研究綜述

智能機(jī)器人在服務(wù)國(guó)家重大需求，引領(lǐng)國(guó)民經(jīng)濟(jì)發(fā)展和保障國(guó)防安全中起到重要作用，被譽(yù)為“制造業(yè)皇冠頂端的明珠”。隨著新一輪工業(yè)革命的到來(lái)，世界主要工業(yè)國(guó)家都開始加快機(jī)器人技術(shù)的戰(zhàn)略部署。而智能機(jī)器人作為智能制造的重要載體，在深入實(shí)施制造強(qiáng)國(guó)戰(zhàn)略，推動(dòng)制造業(yè)的高端化、智能化、綠色化過(guò)程中將發(fā)揮重要作用。 本文從智能機(jī)器人的感知與控制等關(guān)鍵技術(shù)的視角出發(fā)，重點(diǎn)闡述了機(jī)器人的三維環(huán)境感知、點(diǎn)云配準(zhǔn)、位姿估計(jì)、任務(wù)規(guī)劃、多機(jī)協(xié)同、柔順控制、視覺伺服等共性關(guān)鍵技術(shù)的國(guó)內(nèi)外發(fā)展現(xiàn)狀。然后，以復(fù)雜曲面機(jī)器人三維測(cè)量、復(fù)雜部件機(jī)器人打磨、機(jī)器人力控智裝配等機(jī)器人智能制造系統(tǒng)為例，闡述了機(jī)器人的智能制造的應(yīng)用關(guān)鍵技術(shù)，并介紹了工程機(jī)械智能化無(wú)人工廠、無(wú)菌化機(jī)器人制藥生產(chǎn)線等典型案例。最后探討了智能制造機(jī)器人的發(fā)展趨勢(shì)和所面臨的挑戰(zhàn)。 00引言近年來(lái)，智能機(jī)器人作為國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展的基礎(chǔ)性與戰(zhàn)略性產(chǎn)品。在服務(wù)國(guó)家航空航天、軌道交通、海洋艦船、工程機(jī)械制造等領(lǐng)域重大需求。引領(lǐng)國(guó)民經(jīng)濟(jì)發(fā)展和保障國(guó)防安全中起到重要作用。被譽(yù)為“制造業(yè)皇冠頂端的明珠”。隨著新一輪工業(yè)革命的到來(lái)以及人工智能、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)快速發(fā)展。機(jī)器人技術(shù)受到美國(guó)、歐盟等世界發(fā)達(dá)國(guó)家的高度重視。同時(shí)世界主要工業(yè)國(guó)家都開始加快機(jī)器人部署的步伐。 2013年。德國(guó)率先提出“工業(yè)4.0”。旨在推動(dòng)工業(yè)現(xiàn)代化和數(shù)字化轉(zhuǎn)型。在新一輪工業(yè)革命中占領(lǐng)先機(jī)；2017年。美國(guó)推出“國(guó)家機(jī)器人計(jì)劃2.0”。強(qiáng)調(diào)機(jī)器人可擴(kuò)展性。通過(guò)多機(jī)器人協(xié)作實(shí)現(xiàn)復(fù)雜環(huán)境下分布式的感知、規(guī)劃、行動(dòng)和學(xué)習(xí)。提升機(jī)器人的作業(yè)范圍。2020年美國(guó)發(fā)布的“機(jī)器人發(fā)展路線圖”以及2021年發(fā)布的“無(wú)盡前沿法案”。均將機(jī)器人與先進(jìn)制造技術(shù)列為發(fā)展重點(diǎn)；而歐盟早在其“火花計(jì)劃”、“地平線2020”等計(jì)劃。以及日本發(fā)布的“機(jī)器人新戰(zhàn)略”。都著重強(qiáng)調(diào)了機(jī)器人的作業(yè)能力；此外。我國(guó)的“智能制造2025”等。也明確了機(jī)器人在推動(dòng)制造業(yè)智能化轉(zhuǎn)型升級(jí)中將發(fā)揮重要作用[1?3]。

機(jī)器人感知與控制是實(shí)現(xiàn)機(jī)器人智能化作業(yè)的關(guān)鍵核心技術(shù)。機(jī)器人需要感知周圍環(huán)境和識(shí)別作業(yè)對(duì)象。從二維到多維信息的感知和融合。實(shí)現(xiàn)快速、精準(zhǔn)的環(huán)境感知和目標(biāo)識(shí)別。充當(dāng)機(jī)器人系統(tǒng)“眼睛”。感知環(huán)境之后。結(jié)合智能規(guī)劃決策和自適應(yīng)控制等方法。像“大腦”一樣為機(jī)器人系統(tǒng)提供最恰當(dāng)?shù)目刂泼?。以使得機(jī)器人做出相應(yīng)的動(dòng)作和反應(yīng)。 近年來(lái)，隨著深度學(xué)習(xí)、大數(shù)據(jù)、智能控制等技術(shù)的快速發(fā)展。機(jī)器人的智能感知與自主作業(yè)的水平也在迅速提升。如DeepMind開發(fā)的AlphaGo?？梢宰寵C(jī)器人在不斷的游戲中自我學(xué)習(xí)與提高。從而實(shí)現(xiàn)更加智能的決策與控制；特斯拉的人形機(jī)器人。其搭載了激光雷達(dá)、攝像頭、超聲波傳感器等。用于感知周圍環(huán)境和避開障礙物。還配備了一個(gè)自主學(xué)習(xí)系統(tǒng)?？梢圆粩鄬W(xué)習(xí)和改進(jìn)自己的行為和決策。從而更好地適應(yīng)不同的任務(wù)和場(chǎng)景；波士頓動(dòng)力的Spot機(jī)器狗。可以與人類進(jìn)行互動(dòng)。如識(shí)別和追蹤人類。并在人類的指示下執(zhí)行指定任務(wù)如檢查和搬運(yùn)物體。

當(dāng)前，云計(jì)算、物聯(lián)網(wǎng)和大數(shù)據(jù)等新興信息通信技術(shù)快速發(fā)展。為機(jī)器人的高端制造應(yīng)用提供了新的思路和發(fā)展契機(jī)。數(shù)字化、網(wǎng)絡(luò)化、智能化融合創(chuàng)新引領(lǐng)未來(lái)工業(yè)發(fā)展已取得廣泛共識(shí)。我國(guó)在《十四五規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》也明確提出要“加快推進(jìn)制造強(qiáng)國(guó)、質(zhì)量強(qiáng)國(guó)建設(shè)。深入實(shí)施智能制造和綠色制造工程。發(fā)展服務(wù)型制造新模式。推動(dòng)制造業(yè)高端化智能化綠色化”。而傳統(tǒng)的人工以及專機(jī)加工。加工質(zhì)量一致性差、效率低且只能實(shí)現(xiàn)小批量生產(chǎn)。已無(wú)法滿足智能制造需求。區(qū)別于傳統(tǒng)工業(yè)機(jī)器人簡(jiǎn)單、重復(fù)性勞動(dòng)。高端制造機(jī)器人是更信息化、網(wǎng)絡(luò)化、智能化、柔性化的機(jī)器人[4]。在智能工廠中，機(jī)器人的作業(yè)環(huán)境日益非結(jié)構(gòu)化。作業(yè)工序趨于柔性化，作業(yè)對(duì)象日趨定制化，生產(chǎn)的動(dòng)態(tài)性對(duì)機(jī)器人的環(huán)境感知與控制技術(shù)提出了越來(lái)越高的要求。在未來(lái)的智能工廠中，變批量、多品種、定制化、高柔性的生產(chǎn)模式將成為主流。機(jī)器人也將得到更加廣泛的應(yīng)用。機(jī)器人感知與控制技術(shù)為智能工廠的高適應(yīng)、高精度、智能化作業(yè)提供保障。

01智能制造機(jī)器人共性關(guān)鍵技術(shù)1.1 機(jī)器人感知關(guān)鍵技術(shù)視覺感知是機(jī)器人系統(tǒng)的重要組成部分，在復(fù)雜的三維工業(yè)場(chǎng)景中利用視覺傳感器獲取周圍環(huán)境的真實(shí)空間信息，并進(jìn)行預(yù)處理、配準(zhǔn)融合以及空間場(chǎng)景表面生成等過(guò)程，實(shí)現(xiàn)對(duì)外界環(huán)境真實(shí)的刻畫及數(shù)字模型的重建，為機(jī)器人在工業(yè)制造中提供豐富的二維和三維信息。智能制造機(jī)器人通過(guò)視覺等感知系統(tǒng)，具備了實(shí)時(shí)觀察作業(yè)場(chǎng)景的能力，可以極大地增強(qiáng)其智能化程度，如圖1所示。本節(jié)將對(duì)雙目三維環(huán)境感知、3D點(diǎn)云配準(zhǔn)、位姿估計(jì)等技術(shù)進(jìn)行介紹。

1.1.1 三維環(huán)境感知三維環(huán)境感知是計(jì)算機(jī)視覺領(lǐng)域的核心，它通過(guò)模擬人類雙眼視覺系統(tǒng)的觀測(cè)原理，利用雙目相機(jī)對(duì)獲取圖像進(jìn)行立體匹配得到圖像中像素點(diǎn)的準(zhǔn)確視差，結(jié)合雙目相機(jī)參數(shù)獲取周圍環(huán)境的準(zhǔn)確深度信息，并利用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)場(chǎng)景目標(biāo)感知識(shí)別與定位(圖2)。機(jī)器人通過(guò)雙目視覺感知系統(tǒng)，具備了實(shí)時(shí)觀察作業(yè)場(chǎng)景的能力，極大地增強(qiáng)了其智能化程度，能夠更加智能地完成復(fù)雜非結(jié)構(gòu)化作業(yè)環(huán)境下的各種加工作業(yè)任務(wù)。

雙目立體匹配算法可劃分為匹配代價(jià)計(jì)算，匹配代價(jià)聚合，視差計(jì)算，視差優(yōu)化等四個(gè)步驟[5]。匹配代價(jià)計(jì)算通過(guò)找出參考圖像(通常為雙目圖像的左圖像)中待匹配像素與目標(biāo)圖像(通常為雙目圖像的右圖像)中候選像素的匹配對(duì)應(yīng)關(guān)系。為了提高匹配代價(jià)計(jì)算方法的魯棒性，代價(jià)匹配函數(shù)[6?7]以像素為中心的局部鄰域窗口為匹配單元，計(jì)算參考圖像與目標(biāo)圖像中對(duì)應(yīng)匹配像素間的相關(guān)性。 Martin等[6]提出一種零均值歸一化互相關(guān)代價(jià)函數(shù)方法，可以補(bǔ)償圖像局部增益的變化，并且可以消除高斯噪聲的影響，同時(shí)保持像素值的空間仿射一致性。Zabih和Woodfill[7]提出了Rank變換，利用局部區(qū)域像素值的相對(duì)次序性統(tǒng)計(jì)信息來(lái)實(shí)現(xiàn)匹配代價(jià)計(jì)算。匹配代價(jià)聚合[8?10]主要通過(guò)對(duì)匹配代價(jià)空間進(jìn)行代價(jià)聚合來(lái)減少錯(cuò)誤匹配或歧義匹配的像素區(qū)域。由于單個(gè)像素匹配代價(jià)的不穩(wěn)定性，代價(jià)聚合往往在代價(jià)空間中通過(guò)對(duì)局部鄰域內(nèi)的匹配代價(jià)進(jìn)行加權(quán)聚合，來(lái)提高立體匹配算法的性能。Tomasi等[8]利用邊緣等特征信息，采用傳統(tǒng)的雙邊濾波器算法實(shí)現(xiàn)代價(jià)聚合。Zhang等[11]提出一種基于非規(guī)則局部十字臂區(qū)域的代價(jià)聚合算法，能夠很好地利用場(chǎng)景的結(jié)構(gòu)和輪廓等特征信息，減少深度不連續(xù)區(qū)域的視差估計(jì)誤差。視差計(jì)算通常使用WTA(Winner take all)策略選取最佳匹配視差，但是直接使用WTA方法來(lái)計(jì)算視差可能會(huì)導(dǎo)致視差估計(jì)誤差大。因此，為了獲得準(zhǔn)確的視差估計(jì)結(jié)果，視差計(jì)算通?？梢赞D(zhuǎn)化為能量最小化與優(yōu)化問(wèn)題，通過(guò)構(gòu)造能量函數(shù)，求取能量函數(shù)的最小化來(lái)確定最優(yōu)視差，如基于圖割[12]的視差優(yōu)化方法、基于置信度傳播[13]的視差優(yōu)化方法、基于動(dòng)態(tài)規(guī)劃[14]的視差優(yōu)化方法和基于隨機(jī)行走[15]的視差優(yōu)化方法。視差優(yōu)化是雙目立體匹配算法的后處理步驟，來(lái)進(jìn)一步優(yōu)化細(xì)化預(yù)測(cè)視差圖的誤差。常用視差后處理算法主要包括基于分割[16]算法和基于置信度度量[17?19]算法。基于分割的視差后處理方法通過(guò)利用雙目圖像的邊緣和輪廓等圖像細(xì)節(jié)特征信息，來(lái)引導(dǎo)視差優(yōu)化算法細(xì)化視差估計(jì)錯(cuò)誤，進(jìn)一步提高雙目立體匹配方法的性能。如Yan等[20]提出一種基于超像素分割的視差優(yōu)化算法來(lái)解決雙目立體匹配遮擋的問(wèn)題。該方法利于超像素分割算法來(lái)提取圖像的邊緣和輪廓特征信息，并結(jié)合超像素分割圖預(yù)測(cè)出粗糙的視差結(jié)果，利用馬爾科夫隨機(jī)場(chǎng)在粗糙視差圖的3D鄰域空間中檢測(cè)并優(yōu)化遮擋目標(biāo)的匹配視差。場(chǎng)景目標(biāo)感知算法主要利用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)場(chǎng)景目標(biāo)感知識(shí)別、檢測(cè)與定位。如Yang等提出一種基于深度學(xué)習(xí)的單階段目標(biāo)檢測(cè)網(wǎng)絡(luò)模型，通過(guò)建立一種目標(biāo)預(yù)測(cè)解耦檢測(cè)新范式，來(lái)合理推斷不同目標(biāo)的最合適位置，實(shí)現(xiàn)目標(biāo)識(shí)別與定位[21]。Wang等提出一種新型邊緣保持和多尺度上下文神經(jīng)網(wǎng)絡(luò)，高效生成具有尖銳對(duì)象邊界的顯著性特征圖，實(shí)現(xiàn)高精度目標(biāo)檢測(cè)，解決傳統(tǒng)基于像素的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network，CNN)方法由于卷積層和池化層而產(chǎn)生的模糊邊界問(wèn)題[22]。

裝備雙目視覺感知系統(tǒng)的機(jī)器人可以作為智能制造自動(dòng)化生產(chǎn)線中的生產(chǎn)作業(yè)單元，承擔(dān)產(chǎn)品、元件和零部件等目標(biāo)物體的測(cè)量、檢測(cè)、識(shí)別與引導(dǎo)加工等作業(yè)任務(wù)。根據(jù)機(jī)器人雙目視覺感知系統(tǒng)的應(yīng)用場(chǎng)景，可將其劃分為識(shí)別、檢測(cè)、測(cè)量與定位等四個(gè)方面的應(yīng)用場(chǎng)景； 1）基于雙目視覺的識(shí)別功能[23]是指識(shí)別目標(biāo)物體的物理特征，包括形狀、顏色、字符、條形碼等，其準(zhǔn)確性和識(shí)別速度是衡量的重要指標(biāo)，廣泛應(yīng)用于機(jī)器人自動(dòng)化產(chǎn)品識(shí)別、分類與分揀中。 2）雙目視覺檢測(cè)系統(tǒng)[24]具有非接觸、高效、低成本、自動(dòng)化程度高等優(yōu)點(diǎn)?；陔p目視覺的機(jī)器人自動(dòng)化檢測(cè)能夠替代傳統(tǒng)的人工檢測(cè)，解放人工，去除人工抽檢帶來(lái)的低效、誤檢與漏檢等問(wèn)題。 3）通過(guò)基于雙目視覺的精密測(cè)量系統(tǒng)[25]，機(jī)器人可以獲得加工作業(yè)對(duì)象的形狀、位置、尺寸和方向等作業(yè)信息，比如打磨、焊接、銑邊等加工目標(biāo)的余量測(cè)量，然后進(jìn)一步在視覺的引導(dǎo)下進(jìn)行加工作業(yè)。 4）基于雙目視覺定位的機(jī)器人作業(yè)[26]是指通過(guò)雙目視覺獲取目標(biāo)物體的坐標(biāo)和角度信息，自動(dòng)判斷物體的位置，來(lái)進(jìn)一步引導(dǎo)機(jī)器人抓取、搬運(yùn)、焊接與裝配等。

1.1.2 3D 點(diǎn)云配準(zhǔn)技術(shù)3D 點(diǎn)云配準(zhǔn)在工業(yè)場(chǎng)景具有重要應(yīng)用，通過(guò)求解出同一坐標(biāo)下不同姿態(tài)點(diǎn)云的變換矩陣，利用該矩陣實(shí)現(xiàn)多視點(diǎn)掃描點(diǎn)云的精確配準(zhǔn)，最終獲取完整的3D數(shù)字模型，在三維測(cè)量、逆向工程、即時(shí)定位與建圖等領(lǐng)域有諸多應(yīng)用。 1.1.3 位姿估計(jì)技術(shù)機(jī)器人在智能工廠中準(zhǔn)確完成上料、裝配、分揀、搬運(yùn)任務(wù)，必須利用視覺系統(tǒng)從作業(yè)場(chǎng)景中檢測(cè)出目標(biāo)物體并預(yù)測(cè)其三維位姿[49] 1.2 機(jī)器人規(guī)劃關(guān)鍵技術(shù)在智能工廠中，機(jī)器人安全合理的運(yùn)動(dòng)規(guī)劃和任務(wù)分配是實(shí)現(xiàn)高效、穩(wěn)定和安全完成復(fù)雜作業(yè)任務(wù)的重要基礎(chǔ)。在執(zhí)行制造任務(wù)時(shí)，考慮到狹小空間以及機(jī)器人復(fù)雜多維結(jié)構(gòu)，如圖4所示，機(jī)器人有自主運(yùn)動(dòng)規(guī)劃能力，能夠?qū)崿F(xiàn)避碰規(guī)劃，滿足由機(jī)械結(jié)構(gòu)環(huán)境等帶來(lái)的運(yùn)動(dòng)限制，是機(jī)器人在智能工廠中運(yùn)行的必要因素。

1.3 機(jī)器人控制關(guān)鍵技術(shù)在智能工廠中，機(jī)器人的控制性能不僅影響到最終的加工效果，還影響到加工過(guò)程的安全。高精、高效、高柔性、高穩(wěn)定性的控制策略為工件的安全制造提供了保障(圖4)。

02智能制造機(jī)器人應(yīng)用關(guān)鍵技術(shù)2.1 復(fù)雜部件機(jī)器人三維測(cè)量三維測(cè)量在工業(yè)制造領(lǐng)域有大量的應(yīng)用，按照基本功能可以分為尺寸測(cè)量、表面測(cè)量、坐標(biāo)測(cè)量[114]。目前主流的工業(yè)三維測(cè)量方法包括，激光跟蹤儀、激光三角測(cè)量、攝影測(cè)量系統(tǒng)、結(jié)構(gòu)光、飛行時(shí)間技術(shù)等，圖6為工業(yè)三維測(cè)量技術(shù)發(fā)展歷程。三維測(cè)量包括數(shù)據(jù)獲取、數(shù)據(jù)處理、測(cè)量分析等主要過(guò)程，然而由于傳統(tǒng)手工測(cè)量方式在數(shù)據(jù)獲取過(guò)程缺乏自主性，需要引入視點(diǎn)規(guī)劃、點(diǎn)云配準(zhǔn)等技術(shù)，提高機(jī)器人三維測(cè)量的智能自主化程度。

2.2 復(fù)雜部件機(jī)器人力控磨拋磨拋加工是表面改性技術(shù)的一種，能夠有效提高部件表面的平整度和光潔度，獲取特定的表面粗糙度，消除焊接等加工過(guò)程中產(chǎn)生的應(yīng)力，具有柔性靈活性強(qiáng)、作業(yè)效率高、加工一致性好等優(yōu)點(diǎn)。KUKA、ABB、FANUC、YASKAWA等機(jī)器人企業(yè)均開展了磨拋機(jī)器人的應(yīng)用研究。如圖9(a)所示，KUKA公司研制的KR 120 R2900 Fextra機(jī)器人，通過(guò)將該機(jī)器人和負(fù)荷能力為750kg的三軸式定位裝置，在不損傷工具且毛刺外形不同的情況下，能夠確保高標(biāo)準(zhǔn)、高質(zhì)量完成打磨任務(wù)。如圖9(b)所示，奧地利FerRobotics公司開發(fā)了基于氣控系統(tǒng)的浮動(dòng)打磨與拋光末端系統(tǒng)，實(shí)現(xiàn)在單一方向上的快速浮動(dòng)打磨與拋光，浮動(dòng)力控制精度最高可達(dá)到1N，用戶通過(guò)快速簡(jiǎn)便的編程，在提升質(zhì)量的同時(shí)節(jié)約更多成本。如圖9(c)所示，加拿大ESI公司依托自研的協(xié)作機(jī)器人，開發(fā)了E-Stial柔性打磨機(jī)器人工作站，利用實(shí)時(shí)力控反饋、精密軌跡調(diào)整、精密接觸力調(diào)整等先進(jìn)技術(shù)實(shí)現(xiàn)了安全、穩(wěn)定、高效的拋光打磨作業(yè)，克服了傳統(tǒng)磨拋方式調(diào)試時(shí)間長(zhǎng)、成品質(zhì)量不一致等缺點(diǎn)。美國(guó)Carnegie Mellon University[133]等科研機(jī)構(gòu)從前沿理論探索的角度對(duì)磨拋機(jī)器人進(jìn)行了研究。文獻(xiàn)[134?135]設(shè)計(jì)了磨拋機(jī)器人模糊PID控制方法，采用末端位置和關(guān)節(jié)角度參數(shù)設(shè)計(jì)模糊規(guī)則，使PID控制器參數(shù)在每次采樣時(shí)在線更新，提高了系統(tǒng)的響應(yīng)速度和穩(wěn)態(tài)精度?；谀：壿嫹椒╗136]和基于機(jī)器學(xué)習(xí)的方法[137]被用于對(duì)磨拋機(jī)器人關(guān)鍵模型信息進(jìn)行估算，從而減小對(duì)于模型信息的依賴。國(guó)內(nèi)的科研機(jī)構(gòu)也對(duì)磨拋機(jī)器人的相關(guān)技術(shù)開展了持續(xù)的研究，華中科技大學(xué)陶波教授等針對(duì)大型風(fēng)電葉片加工區(qū)域大、形狀復(fù)雜、任務(wù)規(guī)劃難等問(wèn)題，提出了基于幾何及任務(wù)信息的大型復(fù)雜構(gòu)件加工區(qū)域劃分方法[138]。Zhao等以風(fēng)電葉片表面打磨為應(yīng)用背景，構(gòu)建了大型復(fù)雜構(gòu)件機(jī)器人移動(dòng)打磨硬件系統(tǒng)，并在風(fēng)電葉片表面打磨實(shí)驗(yàn)中進(jìn)行了系統(tǒng)性驗(yàn)證[139?140]。

2.3 機(jī)器人柔順智能裝配軸孔類零部件裝配是工業(yè)機(jī)器人應(yīng)用的重要場(chǎng)景。傳統(tǒng)機(jī)器人裝配按照示教或者離線編程所設(shè)定的動(dòng)作進(jìn)行，難以適應(yīng)不斷變化的環(huán)境。為滿足小批量多品種的生產(chǎn)模式，完成更加復(fù)雜的裝配任務(wù)，現(xiàn)有研究通過(guò)將視覺傳感器、力傳感器和工業(yè)機(jī)器人結(jié)合應(yīng)用，使機(jī)器人具備對(duì)周圍環(huán)境高度感知的能力，能夠根據(jù)環(huán)境變化做出相應(yīng)調(diào)整Dietrich等建立軸孔接觸狀態(tài)與力信息的關(guān)系圖，通過(guò)關(guān)系圖糾正軸孔之間的位姿誤差，完成軸孔裝配任務(wù)[141]。Liu等提出了基于螺旋插裝策略的飛機(jī)尾翼軸孔裝配方法[142]。Lefebvre等[143]提出機(jī)器人主動(dòng)柔順控制方法，通過(guò)接觸狀態(tài)規(guī)劃結(jié)合力控算法，能夠?qū)崿F(xiàn)自主裝配運(yùn)動(dòng)。Abdullah等[144]建立了裝配過(guò)程中軸孔之間的相對(duì)位置與接觸力/力矩的映射關(guān)系，并根據(jù)人為制定的決策規(guī)則來(lái)規(guī)劃裝配運(yùn)動(dòng)軌跡。

近年來(lái)基于強(qiáng)化學(xué)習(xí)的機(jī)器人裝配方法也受到廣泛關(guān)注。傳統(tǒng)機(jī)器人裝配方法中不具備自學(xué)習(xí)的能力，強(qiáng)化學(xué)習(xí)算法通過(guò)控制機(jī)器人和環(huán)境不斷接觸試錯(cuò)學(xué)習(xí)到合適裝配策略，能夠自主完成復(fù)雜裝配任務(wù)。Inoue等提出了基于深度強(qiáng)化學(xué)習(xí)的高精度軸孔裝配方法，利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)算法結(jié)合有效的現(xiàn)實(shí)機(jī)器人裝配任務(wù)[145]。Chen等提出了一種基礎(chǔ)策略迭代的強(qiáng)化學(xué)習(xí)方法，實(shí)現(xiàn)了具有未知系統(tǒng)動(dòng)態(tài)的連續(xù)時(shí)間系統(tǒng)的穩(wěn)定控制[146]。Luo等提出了面向齒輪的軸孔裝配任務(wù)的機(jī)器人控制器，通過(guò)最優(yōu)控制方法生成裝配過(guò)程中的運(yùn)動(dòng)軌跡，能夠通過(guò)幾次訓(xùn)練穩(wěn)定的完成裝配任務(wù)[147]。

03智能制造機(jī)器人典型應(yīng)用案例3.1 高端制造智能無(wú)人工廠智能無(wú)人工廠也稱智慧工廠，是在數(shù)字化工廠的基礎(chǔ)上，利用工業(yè)互聯(lián)網(wǎng)等技術(shù)提升工廠制造效率和運(yùn)營(yíng)水平，提高生產(chǎn)過(guò)程的可控率，從而實(shí)現(xiàn)制造企業(yè)的降本提質(zhì)增效以及轉(zhuǎn)型升級(jí)。按照德國(guó)的Scheer教授提出的智能工廠構(gòu)架理論，智能工廠可以分為基礎(chǔ)設(shè)施層、智能裝備層、智能產(chǎn)線層、智能車間層和工廠管控層五個(gè)層級(jí)[148]。隨著機(jī)器人、人工智能及增材制造等新興技術(shù)信息迅速升級(jí)，為制造業(yè)推進(jìn)智能工廠建設(shè)提供了良好的技術(shù)支撐。德國(guó)梅賽德斯奔馳的56號(hào)工廠是按照工業(yè)4.0標(biāo)準(zhǔn)打造的未來(lái)工廠，采用了無(wú)人運(yùn)輸系統(tǒng)、數(shù)字孿生、自動(dòng)分揀等技術(shù)。工廠大量的使用了AGV裝配線，可以實(shí)現(xiàn)無(wú)軌裝配工位，無(wú)軌自動(dòng)運(yùn)輸，并與自動(dòng)分揀、DTS(Data transmission service)系統(tǒng)相匹配使用，可實(shí)現(xiàn)多種車型混線生產(chǎn)。在保證大規(guī)模生產(chǎn)的同時(shí)，也保障產(chǎn)品質(zhì)量并降低生產(chǎn)成本。三一集團(tuán)的“18號(hào)廠房”工程機(jī)械總裝車間，采用5G+AGV小車完成智能分揀和精準(zhǔn)配送，在智能化調(diào)度系統(tǒng)的控制下，上百臺(tái)機(jī)器人能夠高效協(xié)同工作(圖10);采用5G高清傳感器，組裝作業(yè)時(shí)可以自動(dòng)修復(fù)偏差，減少因磕碰導(dǎo)致的質(zhì)量缺陷;大件激光切割軟件及系統(tǒng)，在多品種鋼板物料特征識(shí)別技術(shù)、基于激光測(cè)量的物料精確定位技術(shù)、激光跟蹤與實(shí)時(shí)尋邊技術(shù)、機(jī)器人位姿魯棒控制與在線補(bǔ)償技術(shù)以及基于激光尋邊的切割軌跡光順與優(yōu)化技術(shù)等五個(gè)方面取得創(chuàng)新突破；通過(guò)制造運(yùn)營(yíng)系統(tǒng)、物流管理系統(tǒng)、遠(yuǎn)程控制系統(tǒng)、智能搬運(yùn)機(jī)器人等系統(tǒng)優(yōu)化運(yùn)用與深度融合，在數(shù)字化“加持”下，實(shí)現(xiàn)了從一塊鋼板進(jìn)來(lái)到一臺(tái)整車出去的全流程自動(dòng)化生產(chǎn)。

3.2 高端制藥機(jī)器人智能檢測(cè)生產(chǎn)線高端智能醫(yī)藥質(zhì)量檢測(cè)主要是指通過(guò)新興的機(jī)器人技術(shù)來(lái)代替人工進(jìn)行質(zhì)量檢測(cè)的過(guò)程。相比于傳統(tǒng)人工檢測(cè)而言，它具有穩(wěn)定性好、持續(xù)工作時(shí)間長(zhǎng)、精度和效率高等優(yōu)點(diǎn)。日本Eisai公司、德國(guó)BrevettiCEA集團(tuán)、意大利Seidenader等企業(yè)紛紛開展機(jī)器人醫(yī)藥檢測(cè)技術(shù)研究。

我國(guó)制藥裝備需求量大，醫(yī)藥制造裝備的性能是保證藥品質(zhì)量的基礎(chǔ)。為解決傳統(tǒng)藥品質(zhì)量檢測(cè)環(huán)節(jié)依賴人工、漏檢、誤檢頻發(fā)等問(wèn)題，需研制高端制藥機(jī)器人視覺檢測(cè)控制關(guān)鍵技術(shù)與裝備，實(shí)現(xiàn)制藥過(guò)程無(wú)菌化、無(wú)人化生產(chǎn)，保障藥品質(zhì)量安全。高端無(wú)菌化制藥機(jī)器人面臨的主要挑戰(zhàn)包括:制藥技術(shù)裝備工藝復(fù)雜，無(wú)菌化控制難;制藥過(guò)程污染顆粒微小、種類多、檢測(cè)難;高端制藥過(guò)程中多工序、多任務(wù)、多機(jī)器的協(xié)同控制難。湖南大學(xué)團(tuán)隊(duì)針對(duì)高端制藥裝備感知與控制的重大需求，攻克高端制藥灌裝封口機(jī)器人協(xié)作控制、高端制藥檢測(cè)機(jī)器人視覺識(shí)別、高端制藥分揀機(jī)器人視覺控制等關(guān)鍵技術(shù)，研制出無(wú)菌化配藥雙臂機(jī)器人、藥品灌裝?轉(zhuǎn)運(yùn)?封口機(jī)器人、藥品質(zhì)量視覺檢測(cè)機(jī)器人、藥品分揀機(jī)器人等自動(dòng)化生產(chǎn)線裝備，如圖11所示。

基于機(jī)器視覺的醫(yī)藥檢測(cè)是在藥物出廠前，通過(guò)對(duì)藥物的運(yùn)動(dòng)圖像或視頻進(jìn)行分析和處理，從而實(shí)現(xiàn)對(duì)藥物的一系列質(zhì)量檢測(cè)，例如，液體環(huán)境中的外來(lái)異物檢測(cè)、凍干粉中的雜質(zhì)檢測(cè)、外包裝和標(biāo)簽檢測(cè)等。針對(duì)安瓿瓶型，Ge等設(shè)計(jì)了一種自動(dòng)檢測(cè)安瓿注射雜質(zhì)的系統(tǒng)，采用空間在線極限學(xué)習(xí)機(jī)算法，驗(yàn)證了該算法在區(qū)分氣泡和異物上的可行性[149]。針對(duì)藥液中的不溶異物檢測(cè)方法，張輝等提出了一種可行的高速度、高精度的機(jī)器視覺檢測(cè)方法，能在線檢測(cè)30多種微弱異物，檢測(cè)精度達(dá)到50μm，異物檢出率99。7%以上，滿足醫(yī)藥微弱異物種類繁多、特征多樣、高速高精度的在線檢測(cè)要求[150]。

04智能制造機(jī)器人發(fā)展趨勢(shì)及挑戰(zhàn)當(dāng)前，云計(jì)算、物聯(lián)網(wǎng)和大數(shù)據(jù)等新興信息通信技術(shù)快速發(fā)展，為高端制造業(yè)的發(fā)展提供了新的思路和契機(jī)。 1）“云?邊?端”融合的智能制造?！霸?邊?端”融合的作業(yè)模式通過(guò)深度感知制造過(guò)程中生產(chǎn)實(shí)體的特性和狀態(tài)，動(dòng)態(tài)/在線地在工業(yè)云(云)和生產(chǎn)單元(邊、端)間進(jìn)行數(shù)據(jù)交換和計(jì)算分發(fā)，進(jìn)而高效、無(wú)縫、透明地協(xié)同使用云端和邊緣端的計(jì)算、存儲(chǔ)及數(shù)據(jù)等資源，以實(shí)現(xiàn)網(wǎng)絡(luò)化、智能化、柔性化生產(chǎn)。在智能制造機(jī)器人協(xié)同作業(yè)場(chǎng)景中，在“云?邊?端”融合的架構(gòu)集成了通信與計(jì)算技術(shù)，克服了個(gè)體設(shè)備信息存儲(chǔ)和計(jì)算資源等的固有局限，能夠較好地支撐機(jī)器人系統(tǒng)運(yùn)行(如圖12)。有效地建立云邊融合的網(wǎng)絡(luò)架構(gòu)，加強(qiáng)云邊端協(xié)同、智能共享的頂層設(shè)計(jì)，將是未來(lái)智能制造機(jī)器人研究的重點(diǎn)。

2）新一代智能制造系統(tǒng)由通信、計(jì)算、感知、控制與安全體系等組成，通過(guò)新一代人工智能技術(shù)，智能制造系統(tǒng)將具備“感知?決策?執(zhí)行”的閉環(huán)特征，而在動(dòng)態(tài)環(huán)境中構(gòu)建機(jī)器人的感知?決策?控制協(xié)同作業(yè)機(jī)制具有重要意義。在工業(yè)互聯(lián)網(wǎng)平臺(tái)設(shè)備互聯(lián)互通的基礎(chǔ)上，利用分布式傳感技術(shù)實(shí)現(xiàn)生產(chǎn)場(chǎng)景要素的全面感知，以適應(yīng)復(fù)雜制造場(chǎng)景下感知對(duì)象異構(gòu)、干擾因素多等挑戰(zhàn);靈活運(yùn)用集中式、分布式與群體智能，建立安全高效、強(qiáng)魯棒、易擴(kuò)展的任務(wù)調(diào)度和動(dòng)態(tài)規(guī)劃體系，設(shè)計(jì)機(jī)器人自主決策機(jī)制，保障大規(guī)模制造任務(wù)和工序井然有序地運(yùn)行。

3）人機(jī)融合智能。人機(jī)融合技術(shù)不斷深化，標(biāo)準(zhǔn)化結(jié)構(gòu)、柔性人機(jī)交互技術(shù)不斷發(fā)展，促進(jìn)智能制造領(lǐng)域工業(yè)機(jī)器人的便捷性和可靠程度越來(lái)越高。人機(jī)融合在智能機(jī)器人生產(chǎn)設(shè)計(jì)中，越來(lái)越受到重視。人機(jī)協(xié)同既具備人類認(rèn)知能力，又具備機(jī)器人的高效率，通過(guò)人類與機(jī)器人的智能協(xié)作，能夠完成復(fù)雜的加工、裝配等任務(wù)，同時(shí)提升了安全性與便捷性，是人機(jī)融合的一個(gè)重要發(fā)展方向。同時(shí)，隨著機(jī)器人技術(shù)日益成熟、智能倉(cāng)儲(chǔ)機(jī)器人等產(chǎn)品的快速發(fā)展，人機(jī)協(xié)作技術(shù)在電子、建筑、家居等一般行業(yè)的應(yīng)用也在迅速演進(jìn)。

4）集群機(jī)器人技術(shù)。智能制造機(jī)器人涉及先進(jìn)信息技術(shù)、機(jī)器人技術(shù)、自動(dòng)化技術(shù)以及機(jī)械工程與材料工程交叉融合等前沿制造技術(shù)。面對(duì)大規(guī)模的智能制造任務(wù)，機(jī)器人往往處于分散、低連通環(huán)境，為適應(yīng)需求多變、異構(gòu)感知對(duì)象、突發(fā)問(wèn)題等情況，需根據(jù)特定感知任務(wù)，準(zhǔn)確描述跨域多實(shí)體、多機(jī)器的動(dòng)態(tài)協(xié)作關(guān)系，進(jìn)而探索自適應(yīng)的群組動(dòng)態(tài)協(xié)作感知與融合策略，實(shí)現(xiàn)智能制造機(jī)器人的跨域融合感知。還需在動(dòng)態(tài)和多維信息收集的基礎(chǔ)上，對(duì)復(fù)雜問(wèn)題進(jìn)行自主識(shí)別、判斷、推理，并做出實(shí)時(shí)性的決策，實(shí)現(xiàn)集群機(jī)器人的精準(zhǔn)感知與實(shí)時(shí)規(guī)劃，集群機(jī)器人有望在新一代智能制造系統(tǒng)發(fā)揮重要作用，如圖13所示。

05結(jié)論 隨著新一輪工業(yè)革命的到來(lái)以及人工智能、云計(jì)算、物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，世界主要工業(yè)國(guó)家都開始加快機(jī)器人技術(shù)戰(zhàn)略部署。本文首先對(duì)機(jī)器人感知與控制的關(guān)鍵共性技術(shù)進(jìn)行了綜述和介紹，如三維環(huán)境感知、3D點(diǎn)云配準(zhǔn)技術(shù)、位姿估計(jì)技術(shù)、運(yùn)動(dòng)規(guī)劃技術(shù)、多機(jī)協(xié)同規(guī)劃、精準(zhǔn)控制技術(shù)、柔順控制技術(shù)、視覺伺服技術(shù)等。然后介紹了機(jī)器人應(yīng)用的關(guān)鍵技術(shù)，如機(jī)器人三維測(cè)量、機(jī)器人加工與裝配等，最后總結(jié)了機(jī)器人系統(tǒng)在智能制造領(lǐng)域應(yīng)用典型案例，并探討了智能制造機(jī)器人的發(fā)展趨勢(shì)和所面臨的挑戰(zhàn)。

審核編輯 ：李倩