Sistema de agarre dinámico basado en algoritmo visual y colaboración de brazo robótico en línea de producción logística

1. Introducción

Como pilar importante de la economía nacional, el nivel de automatización de la industria logística tiene un impacto de gran alcance en la eficiencia de la producción social y la velocidad de circulación de los productos básicos (1). Actualmente, el rápido crecimiento del comercio electrónico ha dado lugar a una gama cada vez más diversa de demandas de los consumidores. Esto ha creado desafíos y oportunidades sin precedentes para las líneas de producción logística (2). Los métodos tradicionales de clasificación y manipulación manuales ya no pueden satisfacer las necesidades de la logística moderna de alta eficiencia, alta precisión y bajo costo. Especialmente en tareas logísticas a gran escala y de alta complejidad, la tasa de error y el costo de tiempo de la operación manual han aumentado significativamente, lo que restringe seriamente la eficiencia general de la industria logística. Para mejorar la eficiencia y precisión de la clasificación, manipulación y embalaje logístico, y reducir el coste laboral y la tasa de error, un sistema de agarre dinámico se ha convertido en un punto de investigación en el campo de la automatización logística (3,4). Las investigaciones existentes se centran principalmente en la operación de agarre de un solo brazo mecánico y carecen de una exploración en profundidad del mecanismo de colaboración de múltiples brazos mecánicos. Como resultado, las tareas logísticas complejas y a gran escala limitan la eficiencia y flexibilidad general del sistema (5). Para ello, el estudio propone un sistema de agarre dinámico basado en la colaboración de un algoritmo de visión y un brazo mecánico. Al fusionar perspectiva y puntos ponderados de múltiples funciones (PnP), fortalecer la solidez de las funciones e introducir un mecanismo de compensación dinámica de errores, el sistema mejora significativamente la precisión de posicionamiento y la estabilidad de agarre del objeto objetivo. Mientras tanto, la introducción del mecanismo de colaboración de brazos mecánicos realiza el trabajo cooperativo de múltiples brazos mecánicos en la línea de producción logística, lo que mejora la adaptabilidad y eficiencia de ejecución del sistema a tareas complejas. Finalmente, el sistema está automatizado basado en un controlador lógico programable (PLC), que optimiza aún más la eficiencia operativa y la estabilidad del sistema y logra un control eficiente y preciso del movimiento de agarre del brazo mecánico. La innovación de la investigación es proponer un marco de agarre dinámico que integra un algoritmo PnP ponderado de múltiples funciones y la colaboración de brazos mecánicos, lo que reduce significativamente el error de agarre. Se diseña una estrategia de control colaborativo jerárquico para lograr la optimización de la asignación de tareas y la planificación de rutas para múltiples brazos mecánicos. La eficiencia y estabilidad del sistema en escenarios logísticos reales se verifican mediante experimentos. La investigación tiene como objetivo mejorar la eficiencia y precisión de la clasificación y manipulación logística, reducir el costo laboral y la tasa de error y proporcionar nuevas soluciones para el desarrollo inteligente de la industria logística.

Este trabajo difiere fundamentalmente de investigaciones anteriores al proponer una arquitectura de circuito cerrado a nivel de sistema, en lugar de realizar mejoras incrementales en tecnologías individuales. Integra un algoritmo visual PnP ponderado con múltiples funciones, colaboración jerárquica de múltiples brazos y ejecución estricta en tiempo real basada en PLC en un ciclo completo de “percepción-decisión-ejecución-retroalimentación”, resolviendo de manera efectiva los desafíos de colaboración y solidez en escenarios de logística dinámica.

Las innovaciones de este estudio son las siguientes: (1) Una novedosa arquitectura de circuito cerrado a nivel de sistema: por primera vez, el marco integrado propuesto conecta a la perfección un módulo de percepción visual robusto (un algoritmo PnP ponderado con múltiples funciones), una estrategia inteligente de coordinación de múltiples brazos y una capa de ejecución en tiempo real determinista basada en PLC. Esto crea un ciclo completo de “percepción-decisión-ejecución-retroalimentación” que supera fundamentalmente las limitaciones de la colaboración y la solidez de los sistemas poco integrados en escenarios logísticos dinámicos. (2) Un algoritmo visual robusto con compensación dinámica: el algoritmo PnP ponderado de múltiples funciones propuesto fusiona dinámicamente diversas características visuales e incorpora un mecanismo de compensación de errores en tiempo real. Este diseño proporciona alta precisión de posicionamiento y resistencia contra perturbaciones industriales comunes, como variaciones de iluminación, oclusiones y vibraciones. Este es un avance significativo con respecto a los enfoques que dependen de un solo algoritmo o requieren una gran cantidad de datos. (3) Integración profunda de la planificación y ejecución colaborativas: más allá de la coordinación a nivel algorítmico, la estrategia de control jerárquico propuesta está profundamente integrada con el sistema de control PLC. Esta integración cierra la brecha crítica entre la planificación colaborativa de alto nivel y la actuación de bajo nivel. Permite la ejecución determinista y fiable de tareas complejas de varios brazos. Se logra así un salto de la “planificación colaborativa” a la “ejecución colaborativa”.

2. Revisión de la literatura

Un brazo robótico logístico es un dispositivo de manipulación programable, impulsado por control por computadora y retroalimentación de sensores, diseñado para automatizar tareas de manipulación de materiales. Puede simular las acciones de un brazo humano y realizar operaciones como agarrar, manipular, clasificar, paletizar y cargar y descargar mercancías. Es uno de los equipos centrales de los sistemas logísticos inteligentes modernos. Es uno de los equipos centrales de un sistema logístico inteligente moderno. Un gran número de estudiosos han realizado investigaciones relevantes al respecto. Dabic-Miletic S et al. exploró la aplicación integrada de la IA y la robótica en los sistemas de gestión de almacenes, con el objetivo de mejorar la eficiencia operativa y satisfacer las necesidades de sostenibilidad (6). HaSH et al. desarrolló un sistema de automatización logística utilizando robots paralelos accionados por cables para abordar problemas de mantenimiento relacionados con sistemas de estanterías de alto nivel (7). ZhuW et al. desarrolló un práctico sistema de embalaje robótico para el difícil problema del paletizado robótico heterogéneo dinámico tridimensional en centros de logística y distribución. El estudio garantizó el funcionamiento libre de colisiones del brazo mecánico y la estabilidad del apilamiento mediante el establecimiento de un modelo de ejecutabilidad y propuso un algoritmo eficiente para calcular la trayectoria libre de colisiones del brazo mecánico. Los resultados experimentales indicaron que el sistema diseñado podría resolver eficazmente el problema de paletizado (8). Zermane A et al. propuso una estrategia de control de planificación desacoplada de dos capas para los complejos requisitos de tareas de las maniobras de impacto robótico en escenarios de clasificación logística. El estudio planificó trayectorias cíclicas ininterrumpidas del brazo mecánico en la capa superior, mientras que la capa inferior mapeó objetivos de impacto del espacio de tareas a puntos de ruta del espacio de articulaciones a través de un complemento de modelo consciente de tareas. Los resultados experimentales indicaron que la estrategia propuesta mejoró efectivamente la precisión del impacto del robot (9). Vijayakumar V et al. desarrolló un modelo de optimización basado en robots de selección para el almacenamiento de comercio electrónico para equilibrar la productividad del sistema y la calidad operativa (10). Borangiu T et al. propuso un modelo de paletización inteligente con un paradigma holónico e individual para un sistema centralizado convencional que lucha por hacer frente a las fluctuaciones de pedidos y anomalías de los equipos. El estudio construyó un sistema de ejecución logística Holonic System de dos niveles que sintetiza los límites de velocidad del robot y los costos de inventario. Los resultados experimentales indicaron que el modelo propuesto podría resolver eficazmente situaciones anormales (11).

Hasta ahora, algunas de las teorías y aplicaciones prácticas del desarrollo de algoritmos de visión del brazo mecánico han sido relativamente maduras. Académicos de muchos países han realizado investigaciones en profundidad sobre ellos. En respuesta al desafío central del modelo cinemático desconocido del brazo robótico, Yu et al. propuso de manera innovadora un método de control de pose basado en dinámica neuronal de doble gradiente. La contribución significativa de esta investigación radica en el diseño de un circuito de control heurístico cerebeloso. Al simular las funciones de coordinación y aprendizaje en línea del cerebelo biológico, mejoró efectivamente la precisión del control de postura del efector final. Sin embargo, en escenarios de captura altamente dinámicos, puede haber una discrepancia entre el tiempo que tarda el modelo en converger y los requisitos en tiempo real del sistema (12). Ha y col. adoptó un enfoque diferente y construyó un marco de servo visual basado en el aprendizaje autosupervisado. El núcleo de este marco fue el uso de un algoritmo de aprendizaje de doble contraste para extraer de forma autónoma características sólidas que eran insensibles a la iluminación y la oclusión de imágenes de múltiples vistas. Luego, estas características se integraron ingeniosamente con el modelo cinemático del brazo robótico para construir una red de predicción del estado temporal. Este paradigma de aprendizaje de un extremo a otro permitió una adaptabilidad excepcional en entornos no estructurados. Sin embargo, el rendimiento dependía en gran medida del entrenamiento previo con una gran cantidad de datos sin etiquetar y la sobrecarga computacional era relativamente alta (13). HuangCI et al. propuso un sistema de red de atención híbrida federada (Fed-HANet) basado en el aprendizaje federado para abordar el problema de la protección de la privacidad y la difícil adquisición de datos en tareas de transferencia entre humanos y robots para robots de servicios. El estudio adoptó un marco de aprendizaje federado para entrenar un modelo de control de extremo a extremo y logró captar objetos desconocidos a través de visión profunda con fusión de entrada roja, verde y azul (RGB). Los resultados experimentales indicaron que el sistema propuesto podría transferir efectivamente la protección de la privacidad y la adquisición de datos en la tarea (14). Cong VD et al. propuso un sistema de servoclasificación visual basado en imágenes para abordar la falta de flexibilidad y la configuración compleja de los sistemas robóticos de clasificación tradicionales. El estudio utilizó un servocontrol visual desacoplado de un brazo mecánico de 4 grados de libertad y extrajo las características de área, azimut y centro de masa del objeto objetivo como entradas de control a través de un algoritmo de umbrales múltiples. Los resultados experimentales indicaron que el sistema realizó el procesamiento de imágenes en tiempo real en una computadora integrada de bajo costo (15). Wang y cols. centraron su trabajo en equilibrar la precisión y la velocidad de la detección de objetos. El estudio propuso un algoritmo de posicionamiento visual basado en una red de detección sin anclajes. Este algoritmo optimizó significativamente la eficiencia computacional del razonamiento directo de la red mediante el uso de tecnología de reparametrización estructural. Mientras tanto, al integrar la fusión de características de múltiples escalas con módulos convolucionales deformables, se mejoró la capacidad del modelo para reconocer múltiples objetivos bajo variaciones de escala y fondos complejos. Este algoritmo apoyó de manera confiable el agarre preciso y en tiempo real de brazos robóticos. Sin embargo, el rendimiento de su detección podría verse afectado por objetivos muy superpuestos o por movimiento borroso (16). Gkeka et al. abordó los problemas del rendimiento en tiempo real y la interferencia de vibración en el posicionamiento visual desde una perspectiva de aceleración de hardware. Diseñaron un sistema de optimización de mapas de bits en tiempo real basado en una matriz de puertas programables en campo (FPGA) para lograr una velocidad de procesamiento de características en el rango de microsegundos. Lo hicieron mejorando el algoritmo clásico de detección de características ORB e implementándolo en hardware dedicado….