即使在自动化更简单的任务时，路径规划也可以通过自动生成路径来节省机器人专家的时间。|来源:活质体
当为机器人执行任务编程时，通常情况下，涉及的机器人运动不能导致机器人与自身、环境、工具和/或负载或其他机器人发生碰撞。机器人程序员可以手动传授机器人及其末端执行器绕过障碍物到达目标的轨迹/路径点，也可以使用路径规划算法。
机器人路径规划用于找到一个有效的运动序列，使机器人的末端执行器从运动开始的位置移动到运动结束的位置。肌动蛋白是马萨诸塞州贝德福德的机器人控制SDK活质体这包括机器人建模、运动学、任务分配和路径规划等功能。在这篇文章中，我们将讨论Actin支持的两类机器人手臂路径规划，以及为什么机器人专家会选择其中一种而不是另一种。
什么是全球路径规划?
Actin中的全局路径规划使用了一种基于采样的算法的变体，称为快速探索随机树(RRT)。RRT方法从机器人的起始位置(无碰撞)定义的节点开始。接下来，使用随机样本(机器人状态)生成树，这些样本与最近的节点(无碰撞机器人状态)相连(如果它们是有效的)。这样就创建了一个树形图结构，其中树中的每个节点都连接到一个父节点，并且树的根位于起始位置。
在生成节点树和连接树之间的节点时，Actin kinematics用于这种验证检查。从“目标”节点开始生成另一棵树，每次迭代都尝试将这两棵树连接起来。一旦这两棵树可以连接起来，就会找到一条无碰撞的路径。这条路径可能是锯齿状的，所以使用平滑算法来优化这条路径。机器人在关节空间内进行运动，使机械手绕过障碍物。
在这个例子中，Actin使用RRT来规划绕过障碍物的路径。
什么是局部路径规划?
Actin中的局部路径规划采用了对标准速度雅可比矩阵逆运动学的改进。Actin的核心运动学算法包括碰撞检测和关节极限检测，可以通过优化配置来避免机器人具有任何运动学冗余的碰撞和关节极限。运动学冗余是指机器人的关节数量超过任务所需的约束程度。
相关:我全自动拣仓机终于来了?
除了使用运动学冗余，名义上驱动末端执行器直线运动的末端执行器约束可以配置为像“弹簧”一样的行为，它有一个增益，根据距离障碍物/关节限制的远近改变末端执行器的轨迹。本质上，这形成了一个多维度的人工势场，由目标位置的吸引力和碰撞和关节限制(或任何其他配置优化)的排斥力驱动。这使得机器人能够实时规划周围的障碍物。由此产生的运动看起来好像机器人试图走直线路线，直到碰撞或关节限制迫使路径绕过障碍物。
在这个例子片段中，Actin使用局部路径规划来避免与障碍物碰撞。
它们如何比较?
Actin实现了这些方法中的每一种，它们有一些不同。Actin的全局路径规划实现有更高的概率找到无碰撞的路径，因为局部路径规划实现可能会陷入局部最小值，特别是在凹障碍物附近。在某些情况下，环境可以被修改以绕过这些凹形障碍物(添加虚拟隔离区域)。缺点是这种全局实现无法实时处理移动环境和目标。根据机器人的自由度和环境的复杂程度，计算路径也需要一些时间。Actin的局部路径规划速度更快，可以处理动态目标和障碍物。
在这个例子片段中，Actin使用局部路径规划试图避免与障碍物碰撞，但未能达到目标。
在这两个例子视频中，我们展示了全局(第一个视频)和局部路径规划(第二个视频)在机器人到达目标姿态的过程中避免自碰撞的区别。
为什么路径规划很重要?
赋予机器人系统路径规划的能力可以让用户专注于手头的任务，而不必担心较低层次的运动来完成任务。随着任务变得更高级，工作单元变得更紧凑，环境变得更动态，许多机器人应用将需要路径规划。即使在自动化更简单的任务时，路径规划也可以通过自动生成路径来节省机器人专家的时间。随着传感器的改进，其他可能包括更安全的机器人与其他机器人甚至人类一起工作。
全局和局部路径规划的示例
在许多先进的机器人应用中都需要路径规划。一些使用Actin路径规划的实际例子是在拣仓、机器人钻井和自动化检测系统等领域。在拣仓应用中，重要的是机器人要规划到拣仓中所选物体的无碰撞路径，以及出仓时的无碰撞路径(同时考虑物体是如何抓取的)。
在石油钻井机器人中，机器人在操作各种形状不同的物体时，避免碰撞是非常重要的。如果程序员手动尝试并为每个不同的对象编写路径，那么劳动量将会迅速增长到无法控制的程度。另一个需要路径规划的机器人应用是在机器人检测领域。
在汽车近线检测中，机器人规划出无碰撞路径，将传感器移动到多个部件的一系列检测姿态是至关重要的。这通常涉及到协调机器人手臂与外部轴的运动。让路径规划算法来处理路径生成，使系统更加灵活、强大和易于使用。
综上所述，作为机器人高级任务的一部分，全局路径规划和局部路径规划都可以找到一个有效的运动序列，使机器人的末端执行器从运动开始的位置移动到运动结束的位置。Actin SDK支持这两种类型，可以根据需求使用其中任何一种。
关于作者
Brett Limone是一名高级工程师活质体．他帮助指导客户使用Actin来解决需要先进机器人控制的难题。除此之外，Limone还致力于确保Actin继续满足用户多样化和复杂的需求。
他在Energid工作了7年多，并获得伍斯特理工学院机器人工程学士学位。
成立于2001年，Energid秉承美国宇航局的工程理念，为工业、医疗、商业、协作和消费机器人系统提供高度复杂的运动控制。Energid提供业界领先的商业软件开发工具包(SDK)和任务框架，支持实时、自适应运动控制。2018年，Energid被Teradyne收购．
了下:机器人的报告
告诉我们你的想法!