目前,多视角多任务学习在机器学习和计算机视觉领域得到了广泛的应用,然而在诸多实际场景中,当多视角学习任务按序列顺序到来时,重新训练以前的任务在这种终身学习场景中会产生较高的存储需求和计算成本。

机器人可以很快在各种领域(包括制造和工业环境)中协助人类。但由于产品生命周期缩短和定制化程度提高,生产线必须能够快速适应新的产品变型。这需要根据产品规格自动生成装配顺序计划,因为计划的手动工程缓慢且劳动强度大。

对于制造商和集成商而言,目前装配计划中的主要挑战是,搜索有效的计划必须考虑将执行计划的机器人系统的功能。但是,检查执行计划的可行性需要对系统进行仿真,这会减慢对有效且可执行的计划的搜索。如果有一个能够自动组装定制产品的机器人系统,或许可以大大减少生产各种产品所需的时间和精力。

在理想状态下,为了最有效地工作,生产出来的这种机器人应该集成一个组装计划器,该组件可以计划机器人为制造特定产品而应该执行的动作和动作的顺序。但然而到目前为止,开发一种能够快速计划生产不同定制产品所需的运动顺序的装配计划器,已证明是极具挑战性的。

可以预见,在未来的制造方案中,企业对定制产品进行自动组装会有强烈需求。这就要求机器人系统能够适应单个产品而又不增加总生产时间。但是,越来越复杂的装配导致必须考虑的潜在装配顺序越来越多。为了解决这个问题,德国航空航天中心(DLR)的研究人员最近开发了一种算法,该算法可以将过去组装产品时机器人获取的知识转移到新产品的组装中。该算法在IEEE机器人与自动化快报上发表的一篇论文中提出,可以最终减少组装计划者提出用于制造新的定制产品的动作序列所需的时间。

最新论文的共同作者伊斯梅尔·罗德里格斯(Ismael Rodriguez)和科比尼安·诺滕斯坦纳(Korbinian Nottensteiner)表示:“组装计划者的主要目标应该是为非专家提供一种自动化工具,以应对定制产品的日益增长的趋势。” “我们的最终愿景是,客户或用户将能够设计单个产品,只需要将规范转发到自主组装系统,该系统就可以适应这些新产品并制造它们,而无需进行很多人工工作。”

Rodriguez,Nottensteiner及其同事最近进行的研究是他们以前论文的扩展,这些论文也2019年曾发表在IEEE机器人与自动化快报中,名为“Iteratively Refined Feasibility Checks in Robotic Assembly Sequence Planning”。在之前的工作中,研究人员能够识别和表示他们开发的机器人组装系统在构建自定义结构时遇到的各种问题。

为了最有效地概述这些问题,该系统需要一定程度的人类专家知识,最终使它可以将几个模块的输出映射为具体信息。尽管研究人员能够设计出可以加快这一计划过程的技术,但他们意识到,通过重用先前试验中获得的信息,可以进一步减少其系统计划一系列行动所需的时间。Rodriguez和Nottensteiner表示:“我们这项新研究的目的是开发一种系统,该系统需要较少的明确人工指导,并且能够重用信息以加快计划时间,并泛化更大范围的问题。”

Rodriguez,Nottensteiner及其同事开发的算法有两个主要的操作阶段:训练和执行阶段。在训练阶段,该算法随机生成数千个不同的可能程序集。然后,通过许多模块对这些程序集进行分析,这些模块可识别约束条件并自动将其与语义信息联系起来,研究人员将其称为“规则”。

这些初始步骤是在模拟中进行的,同时还要测试每个组件的几何和运动学可行性。随后,所有生成的程序集和与之关联的规则都存储在知识数据库中。Rodriguez和Nottensteiner解释说:“在执行的那一刻,将通过一种新颖的模式识别方法将一个新程序集与知识数据库中的程序集进行比较,该方法可以发现它们之间的相似之处。” “一旦找到了具有相似特性的装配体系列,我们就会使用神经网络对新装配体中存在的约束进行分类。”

从本质上讲,一旦训练阶段完成,研究人员开发的算法应该能够通过识别和实施适用于类似项目装配的约束条件来计划和更有效地制造新对象所需的动作序列,而以前在模拟中遇到的约束条件。回忆起以前获取的知识并将其转移到手头的任务的过程减少了组装新对象所需的处理和计划量,从而可以加快制造过程。

Rodriguez和Nottensteiner说:“我们成功地对装配进行了建模,不仅可以封装约束,还可以使机器人对装配之间的相似性做出决策。” “这两点至关重要,因为我们需要表示信息(即约束),但除此之外,我们应该能够决定该信息是否与其他程序集相关(即相似性)。我们认为,从结果来看,关键是我们的方法不仅要考虑产品本身,还要考虑构建它的系统的功能。”

Rodriguez,Nottensteiner及其同事在一系列实验中测试了他们的算法,其中两个手臂的机器人系统使用铝基组件组装了不同的产品。这些测试的结果非常有前途,因为发现它们的技术可以大大加快装配各种物体的动作序列的计划。

将来,由这组研究人员引入的新算法可以实现机器人系统的开发,该机器人系统可以更快,更有效地自动制造定制的物品。在接下来的研究中,研究人员计划在几种不同的情况下进一步测试他们的技术。例如,作为一个名为“未来工厂”项目的一部分,他们希望在工厂设置中测试其算法,该项目将涉及许多DLR机构。最终,他们还希望与私人公司合作,在现实的工业环境中实施和评估其产品制造技术。

Rodriguez和Nottensteiner说:“我们希望使这些想法更贴近日常用户的问题。” “我们相信,这一研究领域的工作将改变我们对未来理解和进行制造的方式。作为研究机构,我们还将研究我们的技术如何支持太空中的机器人装配任务,例如大型装配欧盟项目PULSAR设想的太空结构。”