摘取自动拾取机器人技术的「圣杯」，随机拾取在艰难中前行

单次卸载集装箱的一部分并放入机器，散装零件重组以及订单履行这样单调的任务需要大量的劳动力，如果零件非常沉重尖锐，这些任务还相当危险。零件拾取机器人做这种重复性的工作已经许多年了。但是，还有更多的应用亟待实现。制造和仓储自动化也正在焦虑地观望之中。

尽管自动拾取机器人比以往都要高效，但是它们依然有其局限性。我们尚未掌握这项科技中的最神圣的部分随机零件拾取机器人。尽管如此，我们还是能看到一些显著的进步。以领先的视觉技术软件作为强大支持，逐渐开发的解决方案可以让机器人探索这一未知领域。

为什么机器人实现随机拾取这么艰难呢？

问题在于精确性。尽管机器人因其可重复性而备受赞赏，随机拾取则需要在混乱时维持高精确度。机器人需要将零件放在一个未结构化的环境中的空间里，然而其他零件也会随着每次机器人取出零件而不停移动位置。机器人的灵活性、机器视觉、软件配置以及计算需要实时处理所有的数据以达到这种精确的平衡，并给出解决算法以找出需要拾取的零件。听起来难以实现，但并不是不可能的。

「对自动拾取机器人的能力以及其局限的炒作早就甚嚣尘上。」fanuc公司的智能机器人/机器视觉工程师DavidDechow说道，「现实是，机器视觉对于所有我们希望它执行的其中一些任务都非常适合，并且足够强大和可靠，无论是审察，二维或者三维引导。从我自己许多年的实际经验来说，自动拾取也在这一类型当中。这其实是一种真实世界的本领，但是也仍然是我们希望机器人完成的事情之一。」

Dechow与已故的机器人视觉引导领域的专家AdilShafi曾经合作密切，后者为早期自动拾取技术的进步做出了贡献。许多他的创新依然还在影响这这些领域的发展。

Shafi预言机器人随机拾取将会成为2020年的主流。很多当代人相信他是对的。自动拾取在如今已经相当常见。

「我会说，随机拾取正在成为一种主流现象。」Dechow说道，「我认为Adil的思想和创作都在促进这个过程。他就如同一个传教士一样，而剩余的应用所带来的特殊挑战也会在不远的将来被解决。」

自动拾取主要有三种类型：结构化的，半结构化的以及随机自动拾取。越往后，其应用的复杂性就会增加，成本与循环时间也是如此。（这里将集装箱或行李箱和无包裹的零件做出区分。在后面会详述为什么这个区分很关键）

结构化零件以有规律和组织的形式容纳在集装箱里，因此易于成像和拾取。

半结构化零件以某种程度上的组织和规律容纳在集装箱，能够帮助成像和拾取。

随机零件以完全的随机形式容纳在集装箱内，方向不同，且有重叠甚至缠绕的现象，让成像和拾取很困难。

在这三个子集中，我们还要基于要拾取的零件的特性，例如，在集装箱中以不同的形态去进一步考虑。

「结构化与半结构化的自动拾取通常很容易操作，并且非常迅速，因此不需要复杂的技术。」Dechow说，「当我们讨论技术上的『圣杯』时，我想到的更多的是随机的情况，重叠与缠绕的情况，以及多种类型的零件拾取。」

他提到结构化的自动拾取经常由二维视觉完成，「当你想起自动拾取的时候，每个人都在想三维成像以及三维分析。实际上，自动拾取领域的一些任务可以只用二位成像与二维分析完成。」

几何对称的成功

零件的特性经常决定一个零件是否适合自动拾取。Dechow说他们已经从「十分有把握的事情」前进到了更有挑战性的应用。

「有一些零件在几何结构以及在任意集装箱里的形态都十分适合。」Dechow说，「在这种类型的零件中，绝对成功率会更大，几何形态并不复杂的零件在随机静置的状态下并不会发生很大改变。」（无论零件会掉落到或者躺在集装箱内的哪个地方，这都是它的随机静置状态中的一种。）

也有一种混合类型的集装箱，但是它们的零件在几何分布上很相似。它们更大，由于其对称性构造，因而并不是很复杂。即使它的底面甚至可以放下一个箱子，它依然是一个可分析的相对连续的表面。许多应用都属于这一种类。这种混合的产品类型订单很常见，并且通常很成功，因为你在仓库里找到的产品通常都属于这种几何对称的类型。

「它们并没有什么奇特的特征。」Dechow说，「并不沉，并且在它们的随机静置状态中，它们依然有足够的可识别的表面以用来拾取。这种三维自动拾取是如今最成功的案例。」

Dechow提到如果有些物品表面有图像或打印的字体，也不会有所不同。因为大部分云生成的三维图像与目标的图像标志并无关系。

「它们不需要有多么漂亮或者干净。」Dechow说，「想一想工厂里机器处理，锻造或加热的大型钢坯，大概有20或30磅重。但是就像我们所说的，在不同的静置状态下，它是一个连续的几何形状，并且仅有几个几何表面。这对于机器人来说易于拾取并抓握。」

复杂几何也在进步

随着零件更加复杂，自动拾取也从易到难，但是易于识别的特征例如甜甜圈形状还是会让事情更简单。

机器人随机自动拾取利用FANUC公司的iRVision三维区域感应器以及两个机器人来拾取集装箱内被冲压扁的汽车，以及交给热处理机器。MotionControlsRobotics是一种RIA认证的机器人的制造商，它可以为一级供应商设计并安装电池单元。

FANUC的自动拾取机器人由双头的多功能末端执行器，它可以利用Magswitch开发的磁铁抓捕器在集装箱内重组零部件，使抓取更加容易，以及由SCHUNK开发的两指抓握器去拾取零件并将它们扔到滑梯上。滑梯上的感应器会告诉机器人的第二个控制端零件的方向，并告诉它轮缘是向上还是向下，因此机器人就知道该如何抓取零件。接着，机器人会从滑梯上取下零件，调整方向，将它嵌入到热处理机中。并捡起完成的零件并将它交给下一步的操作。

这家机器人公司会在成功之前尝试多种手臂末端工具的设计与视觉处理。这对于自动拾取应用并不稀奇。这种三维技术仍然需要足够熟练的组装技巧，零件更加复杂，组装任务也会更加困难。Dechow表示，在简单与困难的这个范围中间则是更加复杂的架构。

「想象一个像曲轴一样的圆形物体，很长并有一定的几何形状。从一面来看，它可能是个圆柱体，而从另一端看，它还可能是一个小型活塞杆。它是一个长的物体，因此它可能会被某些部分所覆盖。假如有另一个零件覆盖在它上面，一个30磅的物体甚至可能会变成50或者60磅重的物体。」Dechow说。

「这些零件可以划分为一个大的种类，你可以在重工业或者自动化制造业中看到它们。」Dechow接着说，「它们常常用集装箱来运输，你在集装箱上面，也就是成像的位置，只能看到一个零件的一部分，而这仅仅是冰山一角。隐藏在其下的才是大部分，因此很难去找出到底哪个才是最适合的抓握机器。」

片状物，包装以及变形依然具有挑战性

还有些物体对于机器视觉，甚至三维成像技术来说，依然十分困难。

「例如某些片状物体，非常薄但很宽阔，它们被压扁然后覆盖于彼此之上。」Dechow解释，「这让机器非常难于区分这些物体，因为高度的变化十分微小，并且这些零件的几何形状也会让机器困惑。」

「包装好的零件，以及装在塑料包装里的零件和软（易于变形）的零件，这些都是机器人难以识别的物体。」

「我们从来不会说『不行』」他补充说，「我们希望将这个技术推动到极限，而且我们也经常这样做。」

二维随机自动拾取

位于荷兰和密歇根州的JR自动化技术公司也是一个坚持挑战极限的公司。这一家RIA认证的机器人制造商也是FANUC机器视觉技术下的机器人指定测试站点。

「我们会在新技术的测试阶段试用并感受它，然后提供评估与反馈。」JR自动化公司的控制工程经理TYLERMcCoy说，「我们已经这么做了很多年了，某种意义上，我们就是FANUCiRVision的试验床。」

McCoy提到他们整合了许多结构化以及半结构化的自动拾取应用技术，他们认为这将是一个趋势。随机自动拾取技术则看起来仍然很稀少且遥远。

「我们最近实现了为汽车座背装配零件的自动拾取算法。」McCoy说，「其中包括了一个看起来像座背的U型结构框架，两根焊接到头枕的金属管，以及跨在框架中间用来安装靠垫的支撑。」

「这是一个包括了组装与焊接的单元。我们的任务就是将这些零件从总体上卸下，并将它们放到焊接工具中，再放置在有四个位置的组装床上，两个机器人会将这些组件焊接到一起。」

这些U型框架会被放在重力支架（一种倾斜支撑物）上以便更容易地进行焊接处理。而两个头枕的金属管则比较小，可以放入螺旋的碗型送料机。