全自动或全人工制造的时代已经结束。人机协作已经成为制造业的一颗冉冉升起的新星。
但是，要实现正确的协作仍然存在挑战。人类是不可预测的，而机器人系统则需要可预测性。
魁北克大学的研究人员展示了RoboDK如何打破机器人和人类之间的障碍。
该项目探索了日产Leaf电动汽车的电池组拆解。它展示了RoboDK如何用于简化生产计划，同时保持灵活性以适应不断变化的需求和工作程序。
以下是研究人员如何将一些规划方法应用于这种项目。
不可预测的人类
我们人类是不可预测的生物，尤其是我们针对环境中的许多变化因素做出的反应。
这种不可预测性使人类可以非常灵活地应对变化的事物……但对于人机协作来说，这也可能是非常棘手的问题。
作为自动与机器人人机互动实验室（LAR.i）课题的一部分，研究人员首先探索了以前的研究人员如何解决这个问题。
在执行电池拆卸等任务时，需要为机器人系统安排任务。但同时它也需要考虑到人类不可预测的行为。
研究人员试图应对人类不可预测性的方法包括：
- 静态分配——一些研究人员试图静态地定义人类行为。他们将人类建模为可预测和刻板的，尽管这与现实并不相符。
- 在线调度——某些系统通过执行动态调度来考虑意外情况。这允许系统在人类进行计划外操作时进行更新。
- 人为因素规划——一些研究人员研究的更加深入，将人类行为的高级模型纳入该系统。这些因素包括人类随时间推移的疲劳、任务经验、物理人体工程学以及对机器人的不同信任度。
这些方法都试图在共享工作空间中协调人类和机器人的能力。
日产Leaf拆解
Nissan Leaf 是一款旨在环保的电动汽车，同时具备安全性和便利性的先进功能。日产表示，Leaf的目标是将可持续性、技术和实用性结合起来。
LAR.i研究人员的研究项目集中在日产Leaf电池组的拆卸上。这是回收这些电池的核心步骤，因此对汽车的可持续性做出了重大贡献。
这些电池组的一个挑战是拆卸过程复杂。这些不能仅由机器人完成——它们同样也需要人工干预。
拆卸过程包括拧下、拆下电线电缆以及存放电池组件等步骤。机器人能够单独执行其中的一些任务，但有些过于复杂。
旅行推销员问题
人机系统的一个核心部分是需要重新安排计划以应对人类工人的变化。
研究人员决定使用旅行推销员问题来表述这个问题，这是算法规划的经典公式。
旅行推销员问题涉及销售人员在城市列表之间旅行时找到尽可能短的路线。它同样用于解决计算机科学中的各种问题，最常见的是物流和交付应用程序。
在这项研究中，人机协作使用这种方法来规划电池拆卸的最佳任务序列。为此，他们将其与背包问题相结合，这是一个资源分配的规划问题。
有关研究人员如何实现这一目标的详细说明，请阅读他们发表的关于该项目的论文。
机器人系统的3个阶段
该系统分为3个不同的阶段，每个阶段都承担了 Nissan Leaf 电池组规划的不同部分。
这3个阶段是：
- 离线规划阶段——系统从离线规划步骤开始，使用RoboDK进行仿真。此阶段包括预测分析，以规划拆卸任务期间的预期人类行为。
- 在线适应机制——该系统的核心是一个动态功能，旨在监控和调整人类工人的实时表现。这样可以动态调整机器人的任务，以便更准确地与人类对齐。
- 人为变异性和纠错——该系统还包括一个复杂的纠错模块，以应对不可预测的人类行为。
总之，这3个阶段允许机器人系统通过将离线计划与在线重新安排相结合来获得两全其美的效果。
团队如何使用RoboDK
RoboDK在项目中的关键作用是弥合仿真和实际执行之间的差距。为此，研究人员在任务的离线规划和操作阶段都使用了它。
该团队使用RoboDK强大的Python界面来开发规划算法。
通过模拟任务的执行，团队可以为拆解过程中的每个任务分配一个可量化的成本。RoboDK的周期时间估算功能使他们能够在计划阶段计算每个任务的预期时间。这也为研究人员提供了宝贵的见解，以优化离线任务。
仿真的高精度确保了从离线规划到实际操作的无缝过渡。
推进人机协作
随着协作机器人的兴起，对强大的人机交互系统的需求可能会增加。
像这样的项目表明，RoboDK在提供任务理论规划和实际执行之间的桥梁方面是多么有用。该软件允许研究人员创建一个系统，在受控模拟和混乱的现实世界之间无缝跳跃。
我们期待看到更多这样的项目。
