泛在信息制造环境下的机器人群智视觉交互与优化控制

Current visual computation and optimal control for robot system works for industrial applications under strutured environment, such as assembling, welding, painting, conveying, etc.. In the robotized intelligent manufacturing applications, it is expected that the robot can actively percept environment as well as task realization states, with which the unknwon and randomly selected target could be operated firmly and reliably so that environmental disturbance could be rejected. The physical limit from information processing and operating effector will endorse more constraints for complex fabrication tasks. Therefore, this project tries to combine networked fast recognition for object from image (the robot system could share visual information) and mobile manipulator(with adundant degree-of-freedoms and larger operation space),and investigate task realizability based on perception intelligence from group sensors, and robotic visual servoing based on complete feature sets, which will lead to group robotic intelligent visual interaction and servoing control technique with ubiquitous sensing information under versatile user-oriented environment. The intelligent coordinative servoing control theory for difference robot systems are also explored for mobile robots and robotic manipulators by considering nonlinear uncertainty from time delays in networked visual perception and robot operation.

现有的视觉计算与优化控制是面向相对结构化的机器人工作环境而设计的，如装配、焊接、喷漆、传送等工业生产应用。在未来机器人化的智能制造应用中，人们期望机器人能像人一样主动感知环境和任务执行状态，相互分享自己拥有的环境和任务信息，并能更可靠稳健地操作事先未知的随机目标，克服外界干扰，以更高的可靠性完成指定任务。机器人自身的信息处理和执行机构的物理极限使得它在泛在信息环境中存在较多的物理约束。因此，本项目试图结合网络化的图像目标快速识别（机器人之间分享视觉信息）和移动机械臂（拥有多余自由度和更大操作空间）的优势，通过构建网络化快速视觉量测信息，研究基于感知群视觉智能的任务可完成性，以及基于完备特征集合的机器人伺服控制，形成基于泛在信息下任意环境中的机器人群智视觉交互理论与伺服控制技术；通过考虑网络延时的不确定性，研究移动机器人和机械臂群智能主动获得面向任务的协调伺服控制理论和方法。

泛在信息制造环境下的视觉交互和机器人最优控制过程，就是视觉特征从不完备到完备，以及基于完备特征集合的机器人最优行为的生成过程。本项目按照计划进行，部分成果超过预期。.1）提出泛在信息环境下机器人优化控制中的特征完备性概念，给出微观特征集完备性的判定方法及泛在信息环境下对完备特征集的鲁棒获取和高效使用机理。在此基础上研究了基于ADRC和DOB策略的泛在环境下机器人的抗干扰理论和方法。 .2） 提出泛在信息环境下机器人完成复杂任务的基于表征空间的任务可完成性考察，实现机器人主动对执行器和传感器数量及种类的自配置，以及相应的信息处理手段，该方法给出了机器人学的新的研究方向。.3）针对于任务可完成性的特征集的获取，深入研究了主动探索式深度强化学习算法和考虑任务完成过程安全性的深度强化学习算法，进一步延拓了表征空间的内涵。.4）针对泛在信息环境下机器人智能获取和进化，提出了一种基于字典学习思想的多模态传感信息融合学习方法，用于约束传播中的完备特征提取和多模态特征融合。采用基于像素的多尺度分割方法对泛在信息环境下的视觉传感信息进行任务的描述和特征获取，同时也提出了一种新颖的可检测任意快速场景的内容的检测算法，并将上述成果用于泛在信息环境下的行人检索。.5）已搭建仿人智能机器人NAO、小型协作式桌面机器人UR3、移动服务机器人平台等典型实验平台，同时构建了一类具有环视前目传感和环视俯视拼接的泛在传感环境。.6）已在国际顶级刊物和会议上发表148篇，其中SCI收录论文62篇，EI收录论文135篇。已经申请发明专利14 项，其中授权 8 项目。.7）培养了一批研究人员，已出站博士后1 名，在站博士后2名；毕业博士 11名，硕士生25名。