摘取自动拾取机器人技术的圣杯，随机拾取在艰难中前行

在单调的任务中，如单次卸载集装箱、散装零件的重组以及订单履行等，需要大量劳动力，尤其当处理沉重尖锐的零件时，这些任务更是危险重重。长期以来，机器人一直在处理这种重复性的工作，如零件拾取。机器人的应用潜力远不止于此，制造和仓储自动化领域正热切期待着更多的突破。

尽管自动拾取机器人已经比以往更加高效，但它们仍然受到某些局限性的制约。其中，随机零件拾取机器人的研发被视为一项神圣而艰巨的任务。随着领先的视觉技术软件的不断发展，机器人正在逐步探索这一未知领域，并带来显著的进步。

那么，为什么随机拾取对于机器人来说如此具有挑战性呢？关键在于精确性。机器人虽然因其可重复性而受到赞赏，但随机拾取却需要在混乱的环境中维持高度的精确度。机器人需要将零件放置在一个未结构化的空间内，而其他零件的位置也会随着每次操作而发生变化。这需要机器人的灵活性、机器视觉、软件配置以及计算能力实时处理所有数据，以达到精确的平衡，并通过算法找出需要拾取的零件。虽然听起来困难重重，但这并非不可能实现。

对于自动拾取机器人的能力和局限性的讨论已经炒得火热。“fanuc”公司的智能机器人/机器视觉工程师David Dechow表示：“现实是，机器视觉对于我们所希望它执行的一些任务来说，已经足够强大和可靠，无论是审查还是二维或三维引导。自动拾取也是其中之一。这是一种真实世界的本领，但我们仍希望机器人能完成更多。”

Dechow曾与机器人视觉引导领域的专家Adil Shafi紧密合作，后者为早期自动拾取技术的进步做出了重要贡献。他的许多创新至今仍在影响着这些领域的发展。

Dechow提到：“Adil的思想与创作正积极推动这一过程的发展。他犹如一位热情的传教士，而面对集装箱等应用中即将到来的特殊挑战，我们也充满信心。”在自动拾取领域，主要分为三种类型：结构化、半结构化和随机自动拾取。随着类型的进阶，其应用复杂性、成本和循环时间都会相应增加。值得注意的是，这里我们需要区分集装箱或行李箱与无包裹的零件，这一点对理解后续内容至关重要。

在结构化的自动拾取中，零件以规律和组织的形式被安置在集装箱里，因此成像和拾取变得相对容易。而在半结构化的情况下，零件虽然以某种程度的组织和规律放置，但依然能帮助成像和拾取。当我们进入随机自动拾取领域，情况就变得复杂起来。零件被完全随机地放置在集装箱内，方向各异，甚至出现重叠和缠绕现象，这使得成像和拾取变得极具挑战。

在这三个子集中，我们还需要根据要拾取的零件的特性进行深入考虑。例如，零件在集装箱中的不同形态需要我们进行精细化操作。Dechow表示：“结构化和半结构化的自动拾取操作相对简单且迅速，因此并不需要过于复杂的技术。当我们谈论技术上的难题时，我更多地是指那些随机、重叠和缠绕的情况，以及多种类型的零件拾取。”

他进一步提到，结构化的自动拾取通常通过二维视觉完成。尽管许多人可能认为自动拾取需要依赖三维成像和分析，但实际上，某些任务仅通过二维成像和二维分析就能完成。Dechow还谈到了零件的特性对自动拾取的重要性。“我们已经从把握十足的事情，迈向更具挑战性的应用。”他说，“有些零件在几何结构和在任意集装箱里的形态都非常适合自动拾取。”Dechow曾提到：“对于这种类型的零件，成功的可能性非常大。因为几何形状不复杂的零件在随机放置状态下，形状上几乎不会发生太大变化。”确实，无论这些零件是掉落在集装箱的哪个角落，或是躺在哪个位置，都处于其随机静置状态之中。

还存在一种混合类型的集装箱，其内部零件在几何结构上具有相似性。这些部件体积较大，但由于设计上的对称性，其复杂性并不高。想象一下，即使其底部宽敞到足以容纳另一个小箱子，其表面依然是一个相对连续、易于分析的几何形态。在众多的应用中，这类设计十分常见，且因其几何对称的特点，往往能够取得良好的成果。在仓库中，你很容易就能找到这样的产品。

Dechow进一步说明：“这些零件并没有特别复杂的特点。它们并不重，且在随机静置状态下，仍具有足够的特征以供识别，使得三维自动拾取成为可能。如今，这一技术在许多实例中都取得了显著的成功。”即使是物品表面有图案或字体，也不会对自动拾取造成太大影响，因为通过云计算生成的三维图像与物品表面的标志或图案并无直接关联。

Dechow还提到，有些物品，如工厂中用于锻造或加热的大型钢坯，虽然重量可能达到20或30磅，但因为其在不同的静置状态下呈现连续的几何形状，且只有几个关键的几何表面，对于机器人来说，拾取和把握这些物品变得轻而易举。

FANUC的自动拾取机器人，配备着先进的机械手臂末端工具，实现了集装箱内零部件的高效重组。其双头多功能末端执行器，配合Magswitch开发的磁铁抓捕器，让抓取工作变得更为轻松。SCHUNK设计的两指抓握器也能在机器人指令下精准拾取零件并将其移至指定位置。滑梯上的感应器负责捕捉零件的方向信息，无论是轮缘向上还是向下，机器人都能迅速适应并准确抓取。随后，机器人将零件从滑梯上取下，调整方向后嵌入热处理机中，再取出完成的零件进行下一步操作。

这家机器人公司对于自动拾取应用的技术研发不遗余力。在视觉处理方面，他们不断尝试多种手臂末端工具的设计与优化。尽管当前的三维技术已经非常先进，但在复杂的组装任务面前，仍需要熟练的组装技巧和丰富的经验。Dechow表示，在简单与困难之间，存在着更为复杂的架构挑战。

想象一下一个形状类似曲轴的长形物体，从不同角度看去，它可能是圆柱体，也可能是活塞杆。由于其形状复杂且部分被覆盖，如果一个物体被另一个零件覆盖，那么其重量可能会迅速增加。Dechow解释道：“如果一个物体原本是30磅，被其他零件覆盖后可能重达50或60磅。”这类物体在重工业或自动化制造业中非常常见。它们通常通过集装箱运输，但由于集装箱成像位置的局限性，只能看到零件的部分表面，使得选择合适的抓取工具变得困难重重。

某些薄片状物体、包装好的零件以及软质易变形的零件等，对于机器视觉和三维成像技术来说仍然是一大挑战。这些物体的微小高度变化和复杂几何形状使得机器人难以区分和识别。例如薄片状物体虽然薄而宽，但当它们被压扁并重叠时，机器人很难区分彼此。同样地，包装好的零件和塑料包装内的零件也令机器人难以识别。这些物体对于自动拾取机器人来说是一大考验，也是未来技术发展的重要挑战。挑战极限，JR自动化技术的无限探索

在荷兰与密歇根州的交汇处，JR自动化技术公司如一颗璀璨的明珠，熠熠生辉。这家由RIA认证的机器人制造商不仅是FANUC机器视觉技术下的机器人指定测试站点，更是极限挑战的坚定拥护者。"我们从不言弃"，公司的代表如此补充，"我们希望推动技术至极致，且经常如此操作。"

在新技术层出不穷的时代，JR自动化公司始终站在前沿。控制工程经理Tyler McCoy表示：“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。多年来，我们一直是FANUC iRVision的试验床。”显然，JR自动化对于新技术始终保持敏锐的嗅觉和开放的姿态。

公司不仅在结构化及半结构化的自动拾取应用技术方面有着深厚的积累，更看好这一领域的发展趋势。随机自动拾取技术对于他们来说仍显得遥不可及。尽管如此，团队依然不断突破边界，创新进取。比如最近实现的汽车座背装配零件的自动拾取算法就是他们的又一里程碑式进展。McCoy介绍：“涉及到的是一个复杂的装配与焊接单元，我们的任务是将零件从整体中卸下，通过一系列工序将它们组装在一起。”

在着手自动拾取之前，评估物体的特性至关重要。McCoy 指出，对于无特征可言的几何物体，它们的多方向性给基于数据的拾取策略带来了不小的挑战。这些物体容易相互纠结，限制了拾取策略的灵活性。

为了应对这一难题，他们为机器人拾取支撑架设计了一套创新的解决方案。通过无接触的唯一感应器，机器人能够探测集装箱的深度，并绘制出虚拟地形图。从高点到低点，机器人利用装有磁铁的手臂末端，一次抓取三到四个零件。系统还配备了监视掉落零件的装置。这些零件被放入循环推进系统，通过不同的传输带进行分离。随后，二维相机和另一台机器人负责精确拾取这些零件。这套自主开发的软件及兼容工具、通用拾取策略的结合，使得从集装箱中取出零件、分离并输送至传统送料机器的过程更加高效。

整个组装流程需要六个机器人的协同工作。其中，一个机器人负责拾取，另一个负责从传输带上卸下已分离的支撑架，还有机器人专门负责拾取主框架和焊接头枕的金属管。还有两个焊接机器人和一个卸装机器人。

McCoy 透露：“现有的系统为我们每个集装箱提供了两个半小时的缓冲时间，每个循环仅需20秒。”他们同时操作两个集装箱，从而避免了等待时间。机器人在清空一个集装箱后，会用两个半小时来处理第二个集装箱的零件更换。

在引入 JR 自动化之前，汽车座椅零件的焊接工具安装是手动完成的。McCoy 提到，这是他们为客户开发的第二种类似系统，第一个系统已经投入生产六个月，且表现良好。

随机自动拾取的实现依赖于多种技术的融合，其中三种提升机器人智力的技术尤为关键：感应器、软件和手臂末端的工具（EOAT）。

重视软件的力量

在众多机器人制造商的喧嚣声中，一股独立于其外的力量正悄然崭露头角。那就是软件的力量。如Recognition Robotics这样的公司正在研发酷炫的二维摄像机技术，其拥有六个自由度，令人惊叹不已。这种技术背后，是软件的智慧与力量。可以说，我们正处在一个软件与硬件融合的时代，而软件的竞争已然成为这场科技竞赛的关键所在。McCoy先生表示：“对于未来2020年的憧憬令人充满期待。”

硬件的进化同样引人注目。硬件制造商正在不断提高生成三维云点数据的硬件分辨率，而智能软件开发商正在利用这一进步。想象一下，未来的机器人将拥有更高的精度和更智能的决策能力，这一切都得益于软件和硬件的完美结合。

避免干扰是自动拾取技术中的关键挑战，特别是在随机自动拾取的环境中。这需要利用算法来防止机器人及其手臂撞到集装箱或其他零部件。许多人可能没有意识到这一点，但这确实是一个日益重要的问题。FANUC公司的Dechow先生表示：“我们的干扰避免技术提供了一种优雅的解决方案。”机器人需要做出人类难以想象的姿势来避免干扰，它们可能会为了拾取一个零件而穿越集装箱的侧壁。

要让机器人聪明到能够处理这种问题，需要开发专门的软件。这虽然是一个有趣的挑战，但更复杂的任务在于让机器人自主决定是否要去哪里，以及是否会造成干扰。机器人可以根据高度的自由度自动改变路径，抓取目标并巧妙地避免其他物体。FANUC的避免干扰技术完全基于软件，并与三维区域感应器紧密配合。其他机器人制造商和软件开发商也有类似的算法，这被称为障碍避免技术。

Dechow先生解释说：“通过模拟机器人的关节、末端工具和任何可能产生干扰的物体，软件可以在机器人被送到未知地点时预测目标并调整抓取策略。”例如，如果一个零件靠在墙边或者以一定角度倚墙放置，机器人会将其推到墙边以便抓取。这种技术在许多人看来可能是出乎意料的，但在机器人技术的世界里，它展示了软件和硬件完美融合的可能性。这种优雅的方式预示着未来机器人技术的无限潜力。在一个远离地球的空间实验室，对于软件开发商来说，他们对未来太空探索充满热情与创意。Universal Robotics 的研究团队正在为未知的宇宙冒险打造拟人型机器人。这些机器人不仅在 NASA 的实验室中得到了广泛应用，更在追求更高的精确度上持续探索。

回溯到 2013 年，这家公司推出了一款强大的系统——不受限拆垛系统。这个系统独具慧眼，能够识别任何形状、大小及方向的盒子。如今，该公司正将这些尖端算法应用于随机自动拾取领域，引领新的技术革命。

David Peters，Universal Robotics 公司的 CEO 和联合创始人之一，强调了自动拾取过程中的关键要素：“精确度的追求是我们近年技术进步的显著标志。”他的兄弟 Alan 同样也是公司的联合创始人之一及首席科技官。为了支持兄弟的冒险，David 将他在电影商业中的资本投入到私募股权融资中。

他们的技术得到了 NASA 和范德比尔特大学科学家的联合开发算法的助力。算法逐渐变得更加精细，学习功能也日益强大。从最初的移动盒子，到实现自动拾取，现在该技术已经可以处理上千个单品。这一切都离不开人工智能的应用和扩展。

Universal Robotics 的自动拾取软件算法模拟应用平台包含两大核心组件。空间视觉处理模块负责传统视觉任务，同时促进设备和感应器之间的交流，控制机器人的功能和校准。而 Neocortex 则结合了实时机器学习——人工智能与 Spatial Vision 的三维视觉成果，形成强大的组合。

供应链解决方案的新里程碑：机器人助力订单履行

Universal Robotics、R/X Automation Solutions和Yasakawa Motorman携手合作，共同提供机器人药剂订单履行的一站式解决方案。这一创新方案的实施，标志着供应链管理的重大进步。

我们已经成功地将Neocortex的技术应用于工业机器人，使其能够完成订单履行任务，这些任务在过去都需要手工操作。为了确保机器人能够准确获取订单中的药剂，我们设置了三层保障系统。

R/X Automation的客户主要是大型药剂公司，他们直接对接客户需求。在交易过程中，他们需要提供有效的自动化解决方案，而我们负责处理工作的零件部分。这是历史上第一次将人类纳入供应链中，我们为这种特殊零件提供一站式解决方案，包括启动、工业机器人、感应器、控制端、处理以及必要的安全程度。

Universal Robotics的软件对于机器人、启动和感应技术具有独特优势。该系统通常利用现有的工业级机构光传感器和立体视觉相机耦合。我们可以根据任务需要连接所需的感应器数量。如果客户需要机器人读取二维码、序列号，或在放入箱子之前进行字符识别，我们只需将感应器安装在机器人手臂上或旁边即可。

我们主要与感应器合作，一旦感应器技术有所提升，我们就可以将其融入现有系统中。例如，最新的英特尔i7版本刚刚上市，其效率极高。我决定将其纳入我的解决方案中，以处理更精细的算法，实现更快的处理速度。

Universal Robotics的软件基于PC，我们可以将其比作高性能游戏电脑。它是一台高端配置电脑，能够快速处理任务。Spatial Vision总是基于这个单元的机器，而Neocortex则可以利用这台机器、工厂的服务器或云端进行运作。这一创新方案为供应链管理带来了革命性的变化，为行业带来了新的可能性。我们将Spatial Vision技术融入机器人设计中，让机器人能够自动感知并理解如何在空间内移动，同时驱动机器（包括末端执行器）。这项技术能让机器人智能地避开障碍物。在电子商务与订单履行的领域，自动拾取技术正在飞速发展。各大零售商，如沃尔玛、好市多和凯马特等，都已经推出了网络预订服务。尽管在包装站点仍需要人类的参与，但自动拾取技术在实际应用上已展现出巨大的潜力。特别是在包装出货箱的过程中，这一技术的应用尤为突出。

谈及自动拾取的挑战，主要在于如何适应不同形状和大小的物体。无论是拾取一瓶清洁剂还是一管小小的唇膏，都需要不同的抓取方式。这就需要依赖于机器人的末端执行器了。末端执行器需要根据不同的物体进行调整，这是推动随机自动拾取成为主流前的关键问题。许多人认为智能抓握技术是解决这一问题的关键。

FANUC的Dechow已经看到了解决这一问题的巨大潜力。他表示，问题不在于我们是否能从二维或三维场景中获取数据，而在于如何利用这些数据让机器人的手臂进入集装箱，并围绕目标进行精准的抓取。不同的物体处于不同的静置状态，一种抓握器往往无法应对所有情况。颜色虽然对成像有影响，但真正决定能否成功抓取的关键在于末端执行器的设计和功能。

Soft Robotics公司正在研发具有灵活性的抓握器，以应对这一挑战。他们可以根据传统的末端执行器进行CAD辅助设计，同样也可以为可变形的抓握器进行精心设计。这一技术的不断进步和发展，将推动自动拾取技术的广泛应用，进一步提升电子商务和订单履行的效率。你是否意识到，这本质上是一种触摸能力，每一个手指的微妙动作都包含着无数可变的因素？通过计算机辅助设计（CAD）的辅助，我们能够精准地调控这些变量，使之更具灵动性。

众多公司正在致力于研究如何将自动拾取技术标准化，以适应不同的工业和订单履行业务需求。他们努力的方向是使这项技术更加普及，让中小型公司也能轻松接触并应用，以此提高性价比。

就连谷歌的登月项目也在跃跃欲试，期待将这一技术推向新的高度。这些突破性的研究不仅对机器人随机自动拾取有深远的影响，对其他复杂的机器人路径设计以及操作任务也有着重要的启示作用。Adil Shafi 对此必将深感骄傲。我们翘首以待，即将到来的2020年将会见证人类掌握这一科技“圣杯”的时刻。届时，我们将共同见证科技进步的巨大飞跃，感受到科技为我们生活带来的深刻改变。