黃海松，張松松

(貴州大學(xué) 現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽(yáng) 550025)

近年來(lái)，隨著我國(guó)智能制造的大規(guī)模發(fā)展和科技水平的不斷提升，在日益激烈的市場(chǎng)競(jìng)爭(zhēng)中，人力成本不斷地提高，如何提高機(jī)械產(chǎn)品制造過(guò)程中的加工效率、降低加工成本、有效提高產(chǎn)品質(zhì)量成為目前智能制造發(fā)展面臨的主要問(wèn)題[1-4]。在“中國(guó)制造2025”的工業(yè)背景下，依靠先進(jìn)科技的工業(yè)自動(dòng)化程度越來(lái)越高，眾多工業(yè)生產(chǎn)企業(yè)都將工業(yè)機(jī)器人應(yīng)用于生產(chǎn)制造[5-8]。目前，在發(fā)達(dá)的制造企業(yè)內(nèi)，工業(yè)機(jī)器人已成為制造過(guò)程中必不可少的設(shè)備，廣泛應(yīng)用于組裝、搬運(yùn)、噴涂、焊接和激光加工等，而且都取得了良好的應(yīng)用效果[9]。

隨著機(jī)器人越來(lái)越多地用于工業(yè)生產(chǎn)，如何將機(jī)器人引入到工業(yè)裝配中已成為國(guó)內(nèi)外研究人員的研究熱點(diǎn)，科研人員正在探尋能夠幫助人類(lèi)安全高效地使用機(jī)器人進(jìn)行智能裝配的方法[10]。但是在研究過(guò)程中，研究人員也意識(shí)到使用機(jī)器人完成工業(yè)產(chǎn)品的自動(dòng)裝配是工業(yè)機(jī)器人所面臨的嚴(yán)峻挑戰(zhàn)之一，因?yàn)樵谝恍?fù)雜工業(yè)產(chǎn)品的裝配中，復(fù)雜的裝配工藝往往會(huì)給工業(yè)機(jī)器人帶來(lái)極大的限制[11]。此外，傳統(tǒng)的工業(yè)機(jī)器人必須由掌握專(zhuān)業(yè)機(jī)器人編程技能的技術(shù)人員進(jìn)行預(yù)先編程，才可以在結(jié)構(gòu)良好且穩(wěn)定的環(huán)境中執(zhí)行特定裝配任務(wù)。然而，該過(guò)程將涉及對(duì)每個(gè)不同任務(wù)的連續(xù)實(shí)驗(yàn)測(cè)試，才能最終應(yīng)用于實(shí)際生產(chǎn)，這不僅會(huì)造成資源的浪費(fèi)和降低生產(chǎn)效率，而且無(wú)法滿(mǎn)足智能制造中柔性化制造的趨勢(shì)[12]。

為了解決工業(yè)機(jī)器人的局限性以及傳統(tǒng)工業(yè)面臨的柔性制造問(wèn)題，研究人員在過(guò)去幾年中提出了人-機(jī)器人協(xié)同裝配(指在確定的協(xié)同工作空間內(nèi)人與機(jī)器人直接交互)的概念，機(jī)器人與人形成一種工作伙伴的關(guān)系，相互感知，相互協(xié)助[13]。人-機(jī)器人之間的協(xié)同裝配大大提高了系統(tǒng)的靈活性、操作性和容錯(cuò)性，且具有足夠的安全性，發(fā)展人-機(jī)器人協(xié)同裝配技術(shù)具有重要的現(xiàn)實(shí)意義。

1 國(guó)內(nèi)外研究現(xiàn)狀分析

在最近的幾年里，人-機(jī)器人協(xié)同裝配在智能制造中的地位發(fā)生了巨大變化，機(jī)器人研究領(lǐng)域的國(guó)內(nèi)外學(xué)者越來(lái)越多地關(guān)注人-機(jī)器人協(xié)同裝配的研究，特別是隨著德國(guó)的“工業(yè) 4.0”、英國(guó)的“工業(yè) 2050 戰(zhàn)略”、美國(guó)的“先進(jìn)制造業(yè)國(guó)家戰(zhàn)略計(jì)劃”和中國(guó)的“中國(guó)制造2025”等戰(zhàn)略的不斷推進(jìn)，人-機(jī)器人協(xié)同裝配在整個(gè)工業(yè)應(yīng)用中的地位也逐漸得到認(rèn)可,國(guó)內(nèi)外人-機(jī)器人協(xié)同裝配研究也逐漸成為機(jī)器人研究領(lǐng)域的研究熱點(diǎn)[14-17]。為了從整體上呈現(xiàn)近年來(lái)人-機(jī)器人協(xié)同裝配研究的基本研究現(xiàn)狀，采用了內(nèi)容分析法和文獻(xiàn)計(jì)量法，利用可視化網(wǎng)絡(luò)分析工具CiteSpace直觀、可視化的特點(diǎn)[18]，對(duì)WOS核心數(shù)據(jù)庫(kù)2016—2021年間所收錄的人-機(jī)器人協(xié)同裝配研究的文獻(xiàn)、會(huì)議論文和會(huì)議摘要等進(jìn)行梳理和分析，以知識(shí)圖譜的形式呈現(xiàn)出來(lái)，為更好地開(kāi)展人-機(jī)器人協(xié)同裝配研究提供參考。

1.1 公開(kāi)出版文獻(xiàn)年度統(tǒng)計(jì)分析

在人-機(jī)器人協(xié)同裝配研究中，機(jī)器人和裝配兩個(gè)關(guān)鍵詞均有出現(xiàn)，為了準(zhǔn)確全面檢索到研究文獻(xiàn)，數(shù)據(jù)檢索時(shí)字符串輸入“robot assembly”或“Human robot cooperative assembly”進(jìn)行文獻(xiàn)檢索，發(fā)表時(shí)間設(shè)定為2016—2021年，共檢索到相關(guān)文獻(xiàn)1 167篇，2016 年文獻(xiàn)發(fā)表數(shù)量較少，年度數(shù)量為92篇，2017 年發(fā)表數(shù)量增加為147篇，2018—2021年發(fā)表數(shù)量逐年增加，到2021年為265 篇，具體見(jiàn)圖1。從圖1中可以直觀地看出，2016年至今，關(guān)于人-機(jī)器人協(xié)同裝配研究的文獻(xiàn)一直保持較快的增長(zhǎng)趨勢(shì)且呈現(xiàn)發(fā)展勢(shì)頭，因此，可以預(yù)測(cè)人-機(jī)器人協(xié)同裝配正在成為研究熱點(diǎn)。

圖1 2016—2021年發(fā)文量總體趨勢(shì)Fig.1 Overall trend of documents issued from 2016 to 2021

1.2 主要出版國(guó)家及研究機(jī)構(gòu)情況

從2016—2021年發(fā)表相關(guān)文獻(xiàn)的主要出版國(guó)家和研究機(jī)構(gòu)分布統(tǒng)計(jì)分析可知，截止到2021年全球范圍內(nèi)已有超過(guò)30個(gè)國(guó)家參與人-機(jī)器人協(xié)同裝配的研究，具體如圖2所示，主要出版國(guó)家分別為中國(guó)(占比 33.24%)、美國(guó)(占比17.13%)、意大利(占比7.19%) 、日本(占比5.82%)和德國(guó)(占比5.48%)。可以看出,對(duì)于人-機(jī)器人協(xié)同裝配的研究主要集中在工業(yè)較為發(fā)達(dá)和科技較為雄厚的國(guó)家。

圖2 2016—2021主要出版國(guó)家知識(shí)圖譜Fig.2 National knowledge atlas mainly published in 2016—2021

如圖3，通過(guò)主要研究機(jī)構(gòu)統(tǒng)計(jì)分析，主要研究機(jī)構(gòu)有中國(guó)科學(xué)院(占比3．94%)、哈爾濱工業(yè)大學(xué)(占比2.23%)、麻省理工(占比3.08%)、清華大學(xué)(占比1.97%)和浙江大學(xué)(占比1.97%)等。這些機(jī)構(gòu)大多為世界一流大學(xué)，成為了人-機(jī)器人協(xié)同裝配研究的主要研究基地，且部分研究機(jī)構(gòu)之間存在一定的合作關(guān)系，可以看出人-機(jī)器人協(xié)同裝配的研究絕對(duì)處于世界前沿研究領(lǐng)域。

圖3 2016—2021主要研究機(jī)構(gòu)知識(shí)圖譜Fig.3 Knowledge map of major research institutions in 2016—2021

2 人-機(jī)器人協(xié)同裝配中的關(guān)鍵技術(shù)

2.1 人-機(jī)器人協(xié)同技術(shù)

制造環(huán)境中的人-機(jī)器人協(xié)同旨在實(shí)現(xiàn)人類(lèi)可以與機(jī)器人近距離并肩工作。在這樣的協(xié)同環(huán)境中，人類(lèi)和機(jī)器人共享相同的工作空間和相同的資源，在某些情況下需要共享相同的任務(wù)[19]。協(xié)同的主要目標(biāo)是將機(jī)器人具有的高強(qiáng)度、高耐力、可重復(fù)性和準(zhǔn)確性特點(diǎn)與人類(lèi)具有的直覺(jué)性、靈活性、可應(yīng)變能力和感官技能特點(diǎn)相結(jié)合，從而提升整體生產(chǎn)力和提供更好的產(chǎn)品質(zhì)量[20-24]。人類(lèi)和機(jī)器人在協(xié)同環(huán)境中的關(guān)系包含多個(gè)方面，一般是從工作空間、接觸、任務(wù)分配、任務(wù)順序4個(gè)方面對(duì)人機(jī)協(xié)同進(jìn)行分類(lèi)[25]，主要包含以下3種關(guān)系(見(jiàn)圖4)：

1)機(jī)器人和人類(lèi)在同一物理空間內(nèi)，但彼此的工作空間沒(méi)有重疊，人和機(jī)器人之間沒(méi)有直接接觸，產(chǎn)品對(duì)象在他們之間進(jìn)行交換，過(guò)程是獨(dú)立和同時(shí)執(zhí)行的。

2)機(jī)器人和人類(lèi)共享相同的工作空間，人類(lèi)和機(jī)器人之間進(jìn)行交互，通過(guò)一方指導(dǎo)或控制另一方實(shí)現(xiàn)互相通信，在這個(gè)過(guò)程中，人和機(jī)器人執(zhí)行相同的任務(wù)，但會(huì)按順序分步完成任務(wù)。

3)機(jī)器人和人類(lèi)在共享工作空間中進(jìn)行聯(lián)合行動(dòng)，即人-機(jī)器人協(xié)同過(guò)程中，他們有著明確的共同完成一個(gè)特定任務(wù)的目標(biāo)，在此過(guò)程中需要各方互相協(xié)調(diào)，也允許物理接觸，充分結(jié)合各自?xún)?yōu)勢(shì)提升生產(chǎn)水平。

圖4 人-機(jī)器人協(xié)同模型Fig.4 Human-robot cooperation model

2.2 機(jī)器人抓取

機(jī)器人抓取是機(jī)器人領(lǐng)域的一項(xiàng)重要研究?jī)?nèi)容，可廣泛應(yīng)用于工業(yè)、服務(wù)業(yè)、國(guó)防、醫(yī)療等行業(yè)，極大地拓展了機(jī)器人的應(yīng)用范圍和應(yīng)用前景，同時(shí)也是機(jī)器人裝配中的關(guān)鍵環(huán)節(jié)[25]。傳統(tǒng)上，機(jī)器人抓取涉及3個(gè)子系統(tǒng)：感知、規(guī)劃和計(jì)算，三者協(xié)同幫助機(jī)器人實(shí)現(xiàn)抓取任務(wù)。圖5為一個(gè)完整的機(jī)器人抓取應(yīng)用場(chǎng)景。感知子系統(tǒng)用于獲取被抓取物體的位置和姿態(tài)(方向)，規(guī)劃子系統(tǒng)用于執(zhí)行機(jī)械手移動(dòng)的位置和路徑規(guī)劃，計(jì)算子系統(tǒng)，即機(jī)器人的“大腦”部分，用于處理每個(gè)子系統(tǒng)的數(shù)據(jù)，然后做出控制決策[26-27]。

圖5 機(jī)器人抓取應(yīng)用場(chǎng)景Fig.5 Robot grasping application scenario

目前，機(jī)器人抓取最常用的方法可以分為3類(lèi)：1)基于Depth的抓取；2)基于RGB的抓取；3)基于RGB+Depth抓取。在不同的應(yīng)用場(chǎng)景下這3類(lèi)方法分別具有各自的優(yōu)勢(shì)，文中對(duì)這3種抓取方法進(jìn)行分析與總結(jié)：

1)基于Depth的抓取

該方法首先需要構(gòu)建基于深度圖的抓取質(zhì)量數(shù)據(jù)集，訓(xùn)練得到抓取質(zhì)量評(píng)估網(wǎng)絡(luò)，為后邊的機(jī)器人抓取提供支持。在進(jìn)行機(jī)器人抓取的過(guò)程中，通過(guò)深度相機(jī)采集當(dāng)前視野下目標(biāo)物體的深度圖，在目標(biāo)物體深度圖上生成若干個(gè)抓取候選，并通過(guò)算法在若干個(gè)抓取候選中選擇質(zhì)量最高的候選進(jìn)行抓取[28]，其數(shù)據(jù)集制作和抓取流程如圖6所示。

圖6 基于Depth的抓取估計(jì)流程Fig.6 Depth based capture estimation process

2)基于RGB的抓取

該方法是基于2D平面的抓取，機(jī)械臂末端執(zhí)行器豎直向下單個(gè)角度抓取目標(biāo)物體，利用深度卷積網(wǎng)絡(luò)結(jié)構(gòu)，在抓取目標(biāo)物體上生成抓取候選框，然后再通過(guò)評(píng)估抓取檢測(cè)模型，最終得到最佳抓取框[29]，抓取過(guò)程如圖7所示。

圖7 基于RGB的抓取流程Fig.7 Grabbing process based on RGB

3)基于RGB+Depth抓取

這類(lèi)方法本質(zhì)上與基于RGB的抓取方法一致，只是多了Depth通道的信息，利用目標(biāo)物體的RGB-D圖像預(yù)測(cè)機(jī)器人抓取的最佳抓取姿勢(shì)[30]，過(guò)程如圖8所示。

圖8 基于RGB+Depth的抓取流程Fig.8 Grab process based on RGB + Depth

3 人-機(jī)器人協(xié)同裝配技術(shù)在智能裝配中的應(yīng)用

3.1 基于人類(lèi)演示的機(jī)器人學(xué)習(xí)裝配任務(wù)

傳統(tǒng)上，工業(yè)機(jī)器人由于其精度高、速度快而廣泛應(yīng)用于工業(yè)生產(chǎn)線(xiàn)上，然而，傳統(tǒng)的工業(yè)機(jī)械人都是由人類(lèi)程序員預(yù)先進(jìn)行編程，并且在結(jié)構(gòu)化良好且穩(wěn)定的環(huán)境中執(zhí)行特定任務(wù)[31]。但是，在人-機(jī)器人協(xié)同裝配的環(huán)境下，由于人類(lèi)與機(jī)器人需要共享相同的工作空間和執(zhí)行相同的任務(wù)，可能會(huì)在機(jī)器人的工作環(huán)境中引入不確定性，使得傳統(tǒng)的機(jī)器人編程無(wú)法應(yīng)對(duì)這些環(huán)境不確定性帶來(lái)的挑戰(zhàn)[32-33]。在過(guò)去的幾年里，研究人員提出了一種基于人類(lèi)演示的機(jī)器人學(xué)習(xí)框架，通過(guò)人類(lèi)演示，機(jī)器人學(xué)習(xí)裝配任務(wù)的動(dòng)作順序、操作路徑和裝配技能，一旦機(jī)器人掌握了演示任務(wù)的知識(shí)，它就可以與人類(lèi)協(xié)同執(zhí)行裝配任務(wù)[34-35]。在人類(lèi)教學(xué)階段，人類(lèi)通過(guò)握住機(jī)器人的末端執(zhí)行器，在整個(gè)裝配任務(wù)演示過(guò)程中沿著適當(dāng)?shù)能壽E移動(dòng)手臂來(lái)演示整個(gè)裝配任務(wù)。與此同時(shí)，在每個(gè)機(jī)器人手臂的末端安裝視覺(jué)傳感器，用來(lái)獲取工作平臺(tái)放置的工件的圖像信息。在機(jī)器人學(xué)習(xí)階段，機(jī)器人學(xué)習(xí)演示者完成裝配任務(wù)所需的所有動(dòng)作，包括不同工件的抓取和裝配規(guī)則，以及裝配過(guò)程中的移動(dòng)路徑和裝配動(dòng)作[28，36-37]，總體框架如圖9所示。

圖9 基于人類(lèi)演示的機(jī)器人學(xué)習(xí)框架Fig.9 Robot learning framework based on human demonstration

3.2 基于強(qiáng)化學(xué)習(xí)的人-機(jī)器人協(xié)同裝配

強(qiáng)化學(xué)習(xí)(reinforcement learning,RL)靈感來(lái)源于心理學(xué)中的行為主義理論，即有機(jī)體如何在環(huán)境給予的獎(jiǎng)勵(lì)或懲罰的刺激下，逐步形成對(duì)刺激的預(yù)測(cè)，產(chǎn)生能獲得最大利益的習(xí)慣性行為[8]。在人機(jī)交互技術(shù)中，基于交互式強(qiáng)化學(xué)習(xí)的方法正在不斷應(yīng)用到人-機(jī)器人協(xié)同裝配過(guò)程中，人-機(jī)器人協(xié)同裝配的強(qiáng)化學(xué)習(xí)過(guò)程分為兩個(gè)階段:第一階段使用基于任務(wù)的學(xué)習(xí)方式，由組成裝配過(guò)程的子任務(wù)學(xué)習(xí)組成;第二階段，通過(guò)交互式強(qiáng)化學(xué)習(xí)方法，人類(lèi)與機(jī)器人進(jìn)行交互學(xué)習(xí)，依靠反復(fù)試驗(yàn)學(xué)習(xí),使機(jī)器人學(xué)習(xí)復(fù)雜的人機(jī)協(xié)同裝配過(guò)程，達(dá)到最佳策略[22，38-39]。圖10為一種端到端的強(qiáng)化方法，機(jī)器人從人類(lèi)教學(xué)中學(xué)習(xí)裝配過(guò)程中的動(dòng)作。

圖10 機(jī)器人強(qiáng)化學(xué)習(xí)過(guò)程Fig.10 Robot reinforcement learning process

3.3 新興技術(shù)的誕生

在最近的研究中，許多新興的技術(shù)被提出，例如基于腦電信號(hào)驅(qū)動(dòng)的機(jī)器人裝配技術(shù)，利用腦電圖(EEG)分析和腦電信號(hào)處理的方法(見(jiàn)圖11)，實(shí)現(xiàn)人類(lèi)通過(guò)腦電與機(jī)器人交流和直接控制機(jī)器人[25]。最近，Mohammed等[40]提議在人-機(jī)器人協(xié)同裝配中使用人腦電波作為機(jī)器人控制的手段。

圖11 腦電信號(hào)采集Fig.11 EEG signal acquisition

此外，AR(augmented reality,增強(qiáng)現(xiàn)實(shí))技術(shù)也被應(yīng)用到人-機(jī)器人協(xié)同裝配中?；贏R的人-機(jī)器人協(xié)同裝配系統(tǒng)由4個(gè)子系統(tǒng)組成：基于AR的指令系統(tǒng)、任務(wù)序列規(guī)劃系統(tǒng)、人類(lèi)監(jiān)控系統(tǒng)和機(jī)器人控制系統(tǒng)[41]。利用AR系統(tǒng)直觀的圖形顯示，使人類(lèi)能夠?qū)崟r(shí)了解裝配任務(wù)，在AR圖形信息(圖12)的支持下執(zhí)行裝配任務(wù)，從而防止裝配錯(cuò)誤[25]。

圖12 AR裝配場(chǎng)景Fig.12 AR assembly scenario

4 總結(jié)與展望

由于工業(yè)機(jī)器人在工業(yè)產(chǎn)品裝配中的局限性，復(fù)雜產(chǎn)品的組裝任務(wù)機(jī)器人無(wú)法獨(dú)立、高效地完成，因此，研究人員開(kāi)始將人-機(jī)器人協(xié)同應(yīng)用于復(fù)雜產(chǎn)品的裝配中，不僅將有助于減少人員工作量，而且提高了裝配效率。在過(guò)去幾年中，關(guān)于人-機(jī)器人協(xié)同裝配的研究成為全世界科研人員的研究熱點(diǎn)，在本文中，首先介紹了人-機(jī)器人協(xié)同裝配的研究背景，利用文獻(xiàn)計(jì)量法和可視化工具CiteSpace對(duì)近幾年發(fā)表的與人-機(jī)器人協(xié)同裝配相關(guān)的文獻(xiàn)進(jìn)行了統(tǒng)計(jì)分析，包括主要研究國(guó)家、機(jī)構(gòu)和文獻(xiàn)發(fā)表數(shù)量等，進(jìn)而得出人-機(jī)器人協(xié)同裝配的研究正處于成長(zhǎng)期，在一些科技較發(fā)達(dá)和科研實(shí)力較強(qiáng)的機(jī)構(gòu)已經(jīng)開(kāi)展了較早的科學(xué)研究。

針對(duì)人-機(jī)器人協(xié)同裝配應(yīng)用中涉及的關(guān)鍵技術(shù)，本文中介紹了機(jī)器人抓取常用的3種方法和人-機(jī)器人協(xié)同技術(shù)。最后，根據(jù)在全球范圍內(nèi)人-機(jī)器人協(xié)同裝配技術(shù)在智能制造的應(yīng)用，總結(jié)了幾種較為成熟的人-機(jī)器人協(xié)同裝配的應(yīng)用，包括基于人類(lèi)演示的機(jī)器人裝配學(xué)習(xí)和基于強(qiáng)化學(xué)習(xí)的人-機(jī)器人協(xié)同裝配，以及幾種新興技術(shù)在人-機(jī)器人協(xié)同裝配中的應(yīng)用。隨著機(jī)器人、人工智能、深度學(xué)習(xí)等技術(shù)的不斷融合和快速發(fā)展，相信未來(lái)機(jī)器人協(xié)同裝配技術(shù)在智能制造領(lǐng)域的發(fā)展必然前景廣闊。