摘取自動拾取機器人技術的「圣杯」，隨機拾取在艱難中前行
單次卸載集裝箱的一部分并放入機器，散裝零件重組以及訂單履行這樣單調的任務需要大量的勞動力，如果零件非常沉重尖銳，這些任務還相當危險。零件拾取機器人做這種重復性的工作已經許多年了。但是，還有更多的應用亟待實現。制造和倉儲自動化也正在焦慮地觀望之中。
盡管自動拾取機器人比以往都要高效，但是它們依然有其局限性。我們尚未掌握這項科技中的最神圣的部分隨機零件拾取機器人。盡管如此，我們還是能看到一些顯著的進步。以領先的視覺技術軟件作為強大支持，逐漸開發的解決方案可以讓機器人探索這一未知領域。
為什么機器人實現隨機拾取這么艱難呢？
問題在于精確性。盡管機器人因其可重復性而備受贊賞，隨機拾取則需要在混亂時維持高精確度。機器人需要將零件放在一個未結構化的環境中的空間里，然而其他零件也會隨著每次機器人取出零件而不停移動位置。機器人的靈活性、機器視覺、軟件配置以及計算需要實時處理所有的數據以達到這種精確的平衡，并給出解決算法以找出需要拾取的零件。聽起來難以實現，但并不是不可能的。
「對自動拾取機器人的能力以及其局限的炒作早就甚囂塵上。」fanuc公司的智能機器人/機器視覺工程師DavidDechow說道，「現實是，機器視覺對于所有我們希望它執行的其中一些任務都非常適合，并且足夠強大和可靠，無論是審察，二維或者三維引導。從我自己許多年的實際經驗來說，自動拾取也在這一類型當中。這其實是一種真實世界的本領，但是也仍然是我們希望機器人完成的事情之一。」
Dechow與已故的機器人視覺引導領域的專家AdilShafi曾經合作密切，后者為早期自動拾取技術的進步做出了貢獻。許多他的創新依然還在影響這這些領域的發展。
Shafi預言機器人隨機拾取將會成為2020年的主流。很多當代人相信他是對的。自動拾取在如今已經相當常見。
「我會說，隨機拾取正在成為一種主流現象。」Dechow說道，「我認為Adil的思想和創作都在促進這個過程。他就如同一個傳教士一樣，而剩余的應用所帶來的特殊挑戰也會在不遠的將來被解決。」
自動拾取主要有三種類型：結構化的，半結構化的以及隨機自動拾取。越往后，其應用的復雜性就會增加，成本與循環時間也是如此。（這里將集裝箱或行李箱和無包裹的零件做出區分。在后面會詳述為什么這個區分很關鍵）
結構化零件以有規律和組織的形式容納在集裝箱里，因此易于成像和拾取。
半結構化零件以某種程度上的組織和規律容納在集裝箱，能夠幫助成像和拾取。
隨機零件以完全的隨機形式容納在集裝箱內，方向不同，且有重疊甚至纏繞的現象，讓成像和拾取很困難。
在這三個子集中，我們還要基于要拾取的零件的特性，例如，在集裝箱中以不同的形態去進一步考慮。
「結構化與半結構化的自動拾取通常很容易操作，并且非常迅速，因此不需要復雜的技術。」Dechow說，「當我們討論技術上的『圣杯』時，我想到的更多的是隨機的情況，重疊與纏繞的情況，以及多種類型的零件拾取。」
他提到結構化的自動拾取經常由二維視覺完成，「當你想起自動拾取的時候，每個人都在想三維成像以及三維分析。實際上，自動拾取領域的一些任務可以只用二位成像與二維分析完成。」
幾何對稱的成功
零件的特性經常決定一個零件是否適合自動拾取。Dechow說他們已經從「十分有把握的事情」前進到了更有挑戰性的應用。
「有一些零件在幾何結構以及在任意集裝箱里的形態都十分適合。」Dechow說，「在這種類型的零件中，絕對成功率會更大，幾何形態并不復雜的零件在隨機靜置的狀態下并不會發生很大改變。」（無論零件會掉落到或者躺在集裝箱內的哪個地方，這都是它的隨機靜置狀態中的一種。）
也有一種混合類型的集裝箱，但是它們的零件在幾何分布上很相似。它們更大，由于其對稱性構造，因而并不是很復雜。即使它的底面甚至可以放下一個箱子，它依然是一個可分析的相對連續的表面。許多應用都屬于這一種類。這種混合的產品類型訂單很常見，并且通常很成功，因為你在倉庫里找到的產品通常都屬于這種幾何對稱的類型。
「它們并沒有什么奇特的特征。」Dechow說，「并不沉，并且在它們的隨機靜置狀態中，它們依然有足夠的可識別的表面以用來拾取。這種三維自動拾取是如今最成功的案例。」
Dechow提到如果有些物品表面有圖像或打印的字體，也不會有所不同。因為大部分云生成的三維圖像與目標的圖像標志并無關系。
「它們不需要有多么漂亮或者干凈。」Dechow說，「想一想工廠里機器處理，鍛造或加熱的大型鋼坯，大概有20或30磅重。但是就像我們所說的，在不同的靜置狀態下，它是一個連續的幾何形狀，并且僅有幾個幾何表面。這對于機器人來說易于拾取并抓握。」
復雜幾何也在進步
隨著零件更加復雜，自動拾取也從易到難，但是易于識別的特征例如甜甜圈形狀還是會讓事情更簡單。
機器人隨機自動拾取利用FANUC公司的iRVision三維區域感應器以及兩個機器人來拾取集裝箱內被沖壓扁的汽車，以及交給熱處理機器。MotionControlsRobotics是一種RIA認證的機器人的制造商，它可以為一級供應商設計并安裝電池單元。
FANUC的自動拾取機器人由雙頭的多功能末端執行器，它可以利用Magswitch開發的磁鐵抓捕器在集裝箱內重組零部件，使抓取更加容易，以及由SCHUNK開發的兩指抓握器去拾取零件并將它們扔到滑梯上。滑梯上的感應器會告訴機器人的第二個控制端零件的方向，并告訴它輪緣是向上還是向下，因此機器人就知道該如何抓取零件。接著，機器人會從滑梯上取下零件，調整方向，將它嵌入到熱處理機中。并撿起完成的零件并將它交給下一步的操作。
這家機器人公司會在成功之前嘗試多種手臂末端工具的設計與視覺處理。這對于自動拾取應用并不稀奇。這種三維技術仍然需要足夠熟練的組裝技巧，零件更加復雜，組裝任務也會更加困難。Dechow表示，在簡單與困難的這個范圍中間則是更加復雜的架構。
「想象一個像曲軸一樣的圓形物體，很長并有一定的幾何形狀。從一面來看，它可能是個圓柱體，而從另一端看，它還可能是一個小型活塞桿。它是一個長的物體，因此它可能會被某些部分所覆蓋。假如有另一個零件覆蓋在它上面，一個30磅的物體甚至可能會變成50或者60磅重的物體。」Dechow說。
「這些零件可以劃分為一個大的種類，你可以在重工業或者自動化制造業中看到它們。」Dechow接著說，「它們常常用集裝箱來運輸，你在集裝箱上面，也就是成像的位置，只能看到一個零件的一部分，而這僅僅是冰山一角。隱藏在其下的才是大部分，因此很難去找出到底哪個才是最適合的抓握機器。」
片狀物，包裝以及變形依然具有挑戰性
還有些物體對于機器視覺，甚至三維成像技術來說，依然十分困難。
「例如某些片狀物體，非常薄但很寬闊，它們被壓扁然后覆蓋于彼此之上。」Dechow解釋，「這讓機器非常難于區分這些物體，因為高度的變化十分微小，并且這些零件的幾何形狀也會讓機器困惑。」
「包裝好的零件，以及裝在塑料包裝里的零件和軟（易于變形）的零件，這些都是機器人難以識別的物體。」
「我們從來不會說『不行』」他補充說，「我們希望將這個技術推動到極限，而且我們也經常這樣做。」
二維隨機自動拾取
位于荷蘭和密歇根州的JR自動化技術公司也是一個堅持挑戰極限的公司。這一家RIA認證的機器人制造商也是FANUC機器視覺技術下的機器人指定測試站點。
「我們會在新技術的測試階段試用并感受它，然后提供評估與反饋。」JR自動化公司的控制工程經理TYLERMcCoy說，「我們已經這么做了很多年了，某種意義上，我們就是FANUCiRVision的試驗床。」
McCoy提到他們整合了許多結構化以及半結構化的自動拾取應用技術，他們認為這將是一個趨勢。隨機自動拾取技術則看起來仍然很稀少且遙遠。
「我們最近實現了為汽車座背裝配零件的自動拾取算法。」McCoy說，「其中包括了一個看起來像座背的U型結構框架，兩根焊接到頭枕的金屬管，以及跨在框架中間用來安裝靠墊的支撐。」
「這是一個包括了組裝與焊接的單元。我們的任務就是將這些零件從總體上卸下，并將它們放到焊接工具中，再放置在有四個位置的組裝床上，兩個機器人會將這些組件焊接到一起。」
這些U型框架會被放在重力支架（一種傾斜支撐物）上以便更容易地進行焊接處理。而兩個頭枕的金屬管則比較小，可以放入螺旋的碗型送料機。