Rethink機器人實驗平台

來自 搜狐網 的圖片

Rethink機器人實驗平台青島智能產業技術研究院由中國科學院自動化研究所、青島高新區管委會、青島市科技局三方共建，於2014年5月正式註冊為具有獨立法人資格的新型科研事業單位。青島智能院全面貫徹落實國家政策要求，圍繞青島市「十五大攻勢」決策部署和高新區「2311」總體發展思路，以「聚焦產業方向·打造先鋒梯隊，規劃階段重點·形成梯隊力量」為指導方針，以新一代人工智能技術為支撐，立足智能產業孵化與培育，聚焦智能駕駛、智能製造、智慧醫療、智慧教育、智能交通、智能數據等具有核心競爭力的智能產業方向。成立七年以來，在高端人才和培養引進、知識產權申請、縱向課題申報、產業孵化培育、產學研交流和學術影響力等方面，均取得顯著成績。

本案例以Rethink機器人為硬件實驗平台，進行垃圾分類。機器人採用「視覺 + 觸覺」的方式進行材質識別，先通過視覺掃描物體進行判斷，再通過觸覺傳感器來確定當前垃圾的材質類型。再根據實際需要，增加 3D 相機、光譜儀、金屬探測器等對材質進行綜合判斷，以適應國內複雜的垃圾現場環境和不同的客戶需求。Rethink機器人內嵌攝像頭與機器人同步運動，無需額外標定和坐標系對應。串聯彈性致動器引入傳動鏈，可使關節的運動更加柔順，面對外界的衝擊和碰撞表現出更好的力控制的阻抗特性。由於致動器的引入，可通過霍爾器件精確檢測致動器彈性部分的位移以準確感知不同位姿狀態下的重力，運用動力學反解中的重力項補償就能使零重力示教功能得以實現。

目錄

客戶背景

（1）零售客戶

小區物業管理公司或日常居民個人

（2）企業客戶

垃圾處理廠、產生大量生產垃圾的企業等

（3）政府部門

環保等政府監管部門

需要解決的行業問題

城市生活垃圾分類系統是一個複雜系統。在城市廢物分類政策評估中，大多單獨評估減量化效益、資源節約效益、環境效益、經濟效益等，其中很多研究只是基於社會調查、專家評估、案例比較等進行定性分析；定量研究也多採用傳統線性數學函數模型，無法體現系統中存在的大量非線性關係、主體間信息傳遞和交互作用。針對此現狀，有必要充分考慮城市生活垃圾分類的複雜性和系統模擬方法的適用性，加強系統仿真和預測模擬模型開發，定量預判政策實施效果，為決策提供依據。因此，為解決垃圾分類系統複雜等問題提出將機器人引入該環節的構想，以減少人工負擔，增加垃圾分類檢測的數量。

功能設計

（1）在複雜背景下對運動中的不規則垃圾物體進行目標識別並分類；

（2）設計帶觸覺傳感器的柔性夾爪；

（3）結合2D/3D信息及觸覺信息構建抓取策略模型，通過運動規划算法和抓取控制算法完成機械臂對移動中的不規則目標進行抓取和放置操作。

技術實現

本方案以Rethink機器人為硬件實驗平台，採用該平台有多個優勢：內嵌攝像頭與機器人同步運動，無需額外標定和坐標系對應；串聯彈性致動器引入傳動鏈，可使關節的運動更加柔順；致動器的引入，可通過霍爾器件精確檢測致動器彈性部分的位移以準確感知不同位姿狀態下的重力。軟件算法方面採取多種人工智能算法及模型以完成各項任務，主要包括：

（1）垃圾目標檢測標註數據庫的構建；

（2）針對動態不規則垃圾目標檢測算法的研究；

（3）機器人運動規划算法的研究；

（4）機械臂末端執行器抓取策略模型的設計；

（5）帶觸覺傳感器的柔性夾爪的設計。

通過標註數據庫的構建和目標檢測算法的研究，完成對動態不規則目標檢測算法的優化，提高檢測準確率和效率；在2D圖像信息標註數據及深度學習分類模型基礎上，結合深度相機獲取3D目標點雲數據，構建末端執行器抓取策略模型。

安全及可靠性

通過以下3個關鍵技術，保證該方案的安全及可靠性：

（1）採用DMHF-CNN方法，通過在檢測前對目標背景進行動態處理，提高目標動態移動及傳感器動態移動時目標檢的準確性。

（2）採用了基於Soft Q-Learning(SQL）的深度增強學習模型來訓練機器人的操作與控制，將機器人的不同操作進行分解學習產生多模式探索策略並進行組合實現最終的優化操作策略。

（3）針對視覺與觸覺信息，使用連續-離散強化學習對機器人進行訓練，並進一步生成抓取規劃方案。

技術先進性

本方案以Rethink機器人為硬件實驗平台，採用該平台有多個優勢：內嵌攝像頭與機器人同步運動，無需額外標定和坐標系對應；串聯彈性致動器引入傳動鏈，可使關節的運動更加柔順；致動器的引入，可通過霍爾器件精確檢測致動器彈性部分的位移以準確感知不同位姿狀態下的重力。軟件算法方面採取多種人工智能算法及模型以完成各項任務，主要包括：

（1）數據庫：構建並完善垃圾標註數據集，基於該平面標註數據集構建新的3D點雲數據庫，該數據庫可用於3D目標檢測及形狀分類模型的訓練；

（2）目標檢測：動態目標檢查算法的研究和完善，提高複合智能協作機器人在複雜背景下對移動目標的檢測能力和垃圾分類能力；

（3）運動規劃：對應複合抓取策略模型，構建標準運動規劃庫，從而提高抓取不同類型目標時運動軌跡生成效率。

（4）抓取策略模型：通過目標識別及分類，結合觸覺信息，以深度強化學習訓練生成複合抓取策略模型，在複合智能協作機器人執行抓取移動不規則目標任務時，該策略模型可以為其提供末端執行器抓取策略；

（5）夾爪設計：設計多種觸覺柔性夾爪及快換技術，提高協作機器人對複雜場景下未知形狀目標的抓取能力，並為複合抓取模型提供觸覺信息。

行業應用的創新性

目前，我國的現代化垃圾處理產業與發達國家相比非常落後，市場覆蓋面小，智能化程度嚴重不足，大批垃圾仍靠人力處理，垃圾的無害化處理、資源回收等都嚴重缺失，這成了制約我國環保產業發展的一個重要瓶頸。垃圾分類是整個垃圾處理步驟的先行階段，其效率以及工作質量直接關聯到後續所有步驟的處理效果，必須重視。因此，智能機器人在垃圾分類領域的推廣運用將會成為未來產業發展的主要趨勢。