Grasp selection in bin picking tasks for robotic manipulator arm with end-effector geometric constraints

Abstract

Robotisert «bin-picking» er problemet med å gripe objekter plassert tilfeldig i en kasse og flytte dem til en ny lokasjon, en etter en. Problemet oppstår ofte i industrien der varer kommer til en ny stasjon i store kvanta og må behandler individuelt. Bin-picking eksisterer i dag i krysningspunktet mellom industriell applikasjon og forskning i akademia. Oppgave-spesifikke systemer finnes i bransjen, og forskningsmiljøet utfører omfattende forskning for å finne en mer generell løsning på dette problemet. Denne oppgaven tar sikte på å støtte denne forskningstrenden ved å undersøke valget av grep i et robotisert bin-picking system hvor geometriske begrensninger på griperverktøyet er tilstede.

Problemet kan oppsummeres: "Gitt et gyldig grep på et objekt, hvor lett eller vanskelig er det for roboten å nå dette grepet tatt i betraktning alle begrensninger på systemet?" Dette arbeidet ser etter et svar på dette spørsmålet. For å motivere løsningen er det gitt bakgrunnsstoff i robotteknikk, griping og baneplanlegging. Videre presenteres aktuell forskning innenfor kombinert greps- og bevegelsesplanlegging, med fokus på presentasjon av robotens arbeidsområde.

Ved å arbeide med robotoppsettet i simulering, var det første skrittet på veien mot å svare på dette spørsmålet å kartlegge en passende del av robotens arbeidsområde. Denne avbildningen av arbeidsområde ble gjennomført for å plassere kassen optimalt med tanke på hvor mye av arbeidsområdet som kan nås av roboten. Arbeidsområdeavbildningen er generert ved å organisere dekningen av inverskinematiske løsninger på tvers av det, og samtidig undersøke om det finnes en bane til de forskjellige områdene i rommet. Når kassen kunne plasseres optimalt med tanke på inverskinematiske løsninger og baneeksistents, ble terskelen på hvor lett et grep var tilgjengelig for roboten senket.

I dette nye kasseområdet (optimalisert med hensyn på om det fantes både en inverskinematisk løsning og en gyldig bane) ble nye avbildninger konstruert. Siden målet med arbeidet var å identifisere "lett tilgjengelige" grep var det ytterst viktig å også kartlegge denne nye kasseplasseringen med tanke på de to metrikkene, 1) inverskinematisk løsning (nåbarhet) og 2) baneeksistens. Ved å teste forskjellige baneplanleggere med flere optimaliseringskriterier i dette området, kommer enda mer informasjon om kasseplasseringen til syne. Metrikkene 3) banelengde, 4) planleggingstid, og 5) kjøretid ble brukt for å beskrive de forskjellige banene for å dekke kasseplasseringen slik at arbeidsområdeavbildningen gav mer informasjon. Ved å bruke disse tidligere nevnte metrikkene kunne de mest "lett tilgjengelige" områdene i kassen identifiseres. Banenåbarehetsavbildningen (path reachability map) til kassen inneholder disse metrikkene, implisitt inkludert inverskinematiske løsninger, baneplanlegging og kollisjonssjekking.

Arbeidet kulminerer i bruken av banenåbarehetsavbildningen i en algoritme, der robotegenskaper tas i betraktning når et grep skal forsøkes. En kostnadsfunksjon vurderer om grepet er gyldig når det gjelder inverskinematikk og baneeksistens, samtidig som man tar hensyn til effektiviteten av grepet i form av en tidligere identifisert bane. Baner som er korte, tar lite tid å planlegge og utføre, foretrekkes over mindre effektive grep, noe som gjør det mulig å få raskere, mer "robotvennlig" plukking. Basert på disse resultatene, kan man oppnå raskere og mer effektiv plukking ved å inkludere robotegenskapene i grepsutvalgsprosessen.

Robotic bin-picking is the problem of grasping objects placed randomly in a bin and moving the objects to a desired location one by one. The problem often arises in industrial settings where items come out in bulk and need to be processed individually. Bin-picking exists as of today at the intersection between industrial application and academic research; task-specific systems exists in the industry, and the research community is executing extensive research to find a more general solution to this problem. This thesis aims to support this research trend by investigating grasp selection in a robotic bin-picking system where end-effector geometric constraints are present.

The problem at hand can be summarized as: "given a valid grasp on an object, how easy or difficult is it for the robot to reach said grasp while considering all its constraints?" This work investigates a step-wise answer to this question. To motivate the solution, a background in robotics, grasping and motion planning is given. Furthermore, current research within combined grasp- and motion planning, with a focus on workspace representation of accessible regions is presented.

Working with the robot set-up in simulation, the first step towards answering this question, was to map an appropriate part of the workspace of the robot. This workspace mapping was undertaken in order to place the bin optimally in terms of how much of the bin area can be reached by the robot. The workspace map is created by organizing the coverage of inverse kinematic solutions across it, along with investigating if a path can be found to the different regions of the space. When placing the bin optimally in terms of inverse kinematic solution- and path existence, the threshold on how easy a grasp could be reached in the bin was lowered.

In this new bin area (optimized with respect to reachability and path existence), new maps were constructed. Since the objective of the work was to identify "easy to reach"-grasps, it was of utmost importance to also map this new bin space in terms of the two metrics, 1) reachability and 2) path existence. By testing different motion planners with several optimization objectives in this area, even more information about the bin space becomes apparent. The metrics 3) path length, 4) planning time needed, and 5) the execution time utilized for different paths to cover the bin space provide more information. Using these aforementioned metrics, the most "easy-to-reach" regions in the bin could be identified. The path reachability map of the bin includes these metrics, implicitly including inverse kinematics, path planning and collision-checking in the map.

The work culminates in the use of the path reachability map in an algorithm, where robot abilities are taken into account when choosing a grasp to attempt. A cost function evaluates if the grasp is valid in terms of inverse kinematics and path existence, whilst also taking into account the efficiency of the grasp in terms of a previously identified path. Paths that are short, take little time to plan and execute are preferred over less efficient grasps, enabling faster, more "robot friendly" picking. Based on these results, faster and more efficient picking can be achieved by including robot capabilities in the grasp selection process.