考虑机器人学习和实际装配场景的复杂动态人机协作任务分配

作     者：冯俊伟 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：王雯;高志强;颜长峰

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主      题：动态任务分配 任务复杂度 深度强化学习 轴孔装配 

摘      要：任务分配作为人机协作装配领域的研究热点,旨在实现操作者与机器人装配任务的最优分配。目前,任务分配模型大多适用于流水线生产,装配场景因素简单,人机协作程度较低;模型仅考虑静态分配过程,通常忽略机器人状态和实际装配场景的影响,获得的分配结果无法进行动态调整,可能造成资源分配不合理;同时,随着协作机器人的发展,机器人具有自主感知、自主决策、自主执行以及自主学习能力,传统模型难以充分发挥机器人自身能力,造成资源浪费。 针对以上问题,本文基于传统任务复杂度分配模型,重点探究复杂动态装配过程的任务分配实现方法。 面向复杂动态装配过程的人机协作任务分配方法研究。考虑动态分配过程中操作者意图、机器人能力变化和实际装配场景因素影响,提出一种复杂动态装配任务分配流程。通过设计提示词对预训练模型GPT(Generative Pre-trained Transformer)进行微调,实现对装配任务细化,从而获得与机器人能力相匹配的动作序列,结合动态分配流程,实现装配任务动作级别的分配;基于传统复杂度任务分配模型,改进任务复杂度评价流程,细化任务评价结果,对评价存疑的任务进行在线装配仿真验证,并考虑机器人能力变化的影响,更新任务评价集合;设计机器人在线插空学习策略,以实现机器人能力的在线更新。以简单产品装配为例,通过本文提出的复杂动态任务分配流程,实现在人机协作动态过程中的动作级别任务分配,为实现动态任务分配的提供一种思路。 基于深度强化学习的复杂轴孔装配仿真研究。针对不同孔位姿的复杂轴孔装配问题,在Gazebo仿真环境下,基于SoftActor-Critic(SAC)深度强化学习算法,构建统一的算法环境,包括状态空间、动作空间、奖励函数等;采用相同算法环境分别对垂直和倾斜轴孔装配模型进行强化学习训练,并对训练获得的两个装配模型进行不同直径和间隙的轴孔装配仿真测试,其装配成功率分别达到97%和98%。针对不同孔型的轴孔装配问题,利用原有垂直装配模型实现对不同边长和间隙方形轴孔装配的仿真测试,表明了装配模型具有一定的鲁棒性和泛化性。针对复杂动态任务分配对在线仿真验证和在线插空学习的需求,设计了在线装配仿真场景创建流程,实现了实际场景到仿真场景的映射,并验证了分段强化学习提升机器人能力的可行性。 机器人自主轴孔装配实验。为验证在线装配仿真场景创建及强化学习仿真模型迁移的可行性,搭建Sawyer机器人实际装配场景。通过机器视觉和点云识别定位获取装配对象信息,搭建仿真场景,加载倾斜轴孔装配模型,完成在线装配仿真。并将仿真获得的机器人关节角序列输出给Sawyer机器人执行,借助孔的导向特性,最终实现对直径50mm、间隙0.1mm、倾角30°的斜孔装配。