23、杂乱环境下基于异构推理的机器人装配规划

杂乱环境下基于异构推理的机器人装配规划

引言

机器人任务通常以高度抽象的方式描述，这种表示方式简洁，便于人类描述任务目标，且原则上适用于任务的各种变体。例如，抽象的“拾取零件”动作比具体的“从位置 x 拾取零件”更具通用性，只要机器人能定位并触及目标零件即可。

然而，机器人操作问题往往涉及许多与环境和机器人几何形状相关的任务约束，这些约束在较高抽象层次上难以表示。比如，由于其他遮挡物体的放置，可能不存在无碰撞的直接运动路径或可行的抓取配置。近年来，许多研究致力于使用几何推理解决操作问题，但在将几何信息融入更高抽象层次方面仍存在不足。

本文聚焦于机器人装配规划任务，采用知识驱动的方法在较高抽象层次上进行处理。使用基于产品形式规格、组成零件以及它们之间机械连接的装配规划器。规划过程通过比较知识库中的个体与其术语模型，找出不一致之处，并生成解决这些问题的动作项。

在以往工作中，各种基于几何的约束以符号方式建模，且假设机器人工作空间足够整洁，抽象动作能成功执行。本文突破这些限制，通过能进行碰撞和可达性检查以及采样良好放置位置的几何推理，将具有几何意义的符号关系进行落地。

本文的贡献包括：
- 一个装配规划框架，允许对基于几何推理程序结果按需落地的关系进行推理，并定义将几何推理结果抽象为知识库符号的程序。
- 规划器的扩展，允许在不同目标配置的不同规划策略之间切换，并为杂乱场景中的装配任务声明动作前置条件和规划策略。

相关工作

多个项目在机器人领域进行了本体建模。IEEE - RAS 工作组 ORA 旨在创建机器人知识表示标准，其核心本体已扩展到特定工业任务，如套件装配，但装配任务尚未在