胡春生，魏紅星，閆小鵬，李國利

寧夏大學 機械工程學院，銀川 750021

國際標準化組織（ISO）把機器人定義為：動作機構(gòu)具有類似于人或其他生物的某些器官的功能；具有通用性，工作種類多樣，動作程序靈活多變；具有不同程度的智能性，如記憶、感知、推理、決策、學習等；具有獨立性，完整的機器人系統(tǒng)在工作中可以不依賴于人的干預[1]。這種廣義的定義將機器人定義為自動化機器與設(shè)備，而不是如字面意思像人一樣的機器。

按照國際標準化組織的定義，工業(yè)機器人就是指在工業(yè)應(yīng)用中一種能夠自動控制、可重復編程、多功能、多自由度、多用途、能夠按照要求對材料、工件進行搬運、對工具進行操持，用來完成各種作業(yè)的機器[2]。工業(yè)機器人在接受人類的編程后，會根據(jù)程序設(shè)定的動作和軌跡進行運動，完成生產(chǎn)要求。同樣的，按照國際標準化組織的定義，碼垛機器人是一種按照程序設(shè)定要求，將物料單層或多層自動碼放在托盤或棧板上，協(xié)助或取代人類進行重復的碼垛工作的自動化機器。

碼垛機器人是一種多學科交叉和集成的機械裝備，它包含了機械、控制、人工智能、圖像識別、傳感器技術(shù)和信息技術(shù)等多種技術(shù)，是目前使用較多的工業(yè)機器人之一。它具有較高的自動化與智能化，能集成在生產(chǎn)線上的任意段，實現(xiàn)產(chǎn)品的快速獲取、搬運、裝箱、碼垛、拆垛等作業(yè)[3-4]。碼垛機器人自20世紀60年代被發(fā)明以來，就被應(yīng)用在各個領(lǐng)域，可以提高生產(chǎn)效率，降低生產(chǎn)成本，可以在高溫、高濕、高粉塵、高輻射、重污染等惡劣環(huán)境中使用，能夠降低工人勞動強度，改善工作環(huán)境，在現(xiàn)代制造業(yè)與其他生產(chǎn)中有著無可替代的作用[5]。

1 碼垛機器人研究內(nèi)容

碼垛機器人從20世紀70年代被研發(fā)出來后，就不斷地被學者研究、創(chuàng)新和發(fā)展。碼垛機器人的創(chuàng)新主要分為四點：機械結(jié)構(gòu)的創(chuàng)新、運動規(guī)劃的創(chuàng)新、運動控制的創(chuàng)新與機器人編程方法的創(chuàng)新，如圖1所示。

圖1 碼垛機器人的創(chuàng)新結(jié)構(gòu)框架圖Fig.1 Innovative structure of palletizing robot

機械結(jié)構(gòu)的創(chuàng)新主要分為碼垛機器人結(jié)構(gòu)優(yōu)化與末端執(zhí)行機構(gòu)的創(chuàng)新。傳統(tǒng)的工業(yè)機器人的本體未進行結(jié)構(gòu)優(yōu)化，雖然能滿足強度與穩(wěn)定性使用要求，但存在質(zhì)量偏大、能耗增大、負載能力小等問題。傳統(tǒng)末端執(zhí)行機構(gòu)也存在著識別能力差、抓取穩(wěn)定性差、抓取種類單一、適應(yīng)性差等問題，傳統(tǒng)的機器人本體與末端執(zhí)行機構(gòu)已經(jīng)不能滿足現(xiàn)在低能耗、高精度、高穩(wěn)定性、高適應(yīng)性的生產(chǎn)要求。

運動規(guī)劃可分為路徑規(guī)劃、軌跡規(guī)劃、避障問題等三個方面，單個機器人運動規(guī)劃和多機器人協(xié)同兩個類別。傳統(tǒng)的運動規(guī)劃方法在機器人自由度較大時，計算量與計算時間會呈指數(shù)式增長，在復雜環(huán)境與多機器人協(xié)同運動規(guī)劃兩方面存在嚴重不足，動態(tài)運動規(guī)劃能力較差。

碼垛機器人的運動控制可分為機器人位姿與軌跡控制、末端執(zhí)行機構(gòu)抓取控制兩大類，常規(guī)運動控制方法的運動控制精度低、受環(huán)境影響大、抗干擾能力弱，已經(jīng)不能滿足智能控制要求。

碼垛機器人的編程可分為示教編程、離線編程和自主編程三個方面，傳統(tǒng)編程方法編的穩(wěn)定性差、編程時間長、使用成本高、智能化程度低、復雜環(huán)境不能滿足精度要求。本文接下來將會進行詳細的說明。

1.1 碼垛機器人結(jié)構(gòu)優(yōu)化

目前國內(nèi)外碼垛機器人按結(jié)構(gòu)類型的不同可分為以下五種：直角坐標機器人、柱面坐標機器人、球面坐標機器人、多關(guān)節(jié)機器人和并聯(lián)機器人等[6]。

直角坐標碼垛機器人也稱桁架碼垛機器人或龍門式碼垛機器人，是以直角坐標系統(tǒng)為基本模型，這種碼垛機器人搭配靈活，負載、行程等調(diào)整方便，無需復雜算法控制，在活動范圍極大或極小、負載范圍較大時都非常適合，但是存在占地面積大、運行速度慢、安裝周期長，維修保養(yǎng)困難等缺點。

柱面坐標碼垛機器人的運動空間位置由基座回轉(zhuǎn)、水平移動、豎直移動組合形成，作業(yè)空間呈圓柱體。與直角坐標碼垛機器人相比，圓柱坐標型碼垛機器人占據(jù)空間較小、結(jié)構(gòu)緊湊、工作范圍大、運動直觀性強。但因為受到升降機構(gòu)的限制，一般不能抓取距離地面高度較小的物料。

球面坐標碼垛機器人的機械手能夠做伸縮移動、水平面內(nèi)轉(zhuǎn)動和垂直平面內(nèi)的擺動，機器人的工作空間形成球面的一部分，因此稱為球面坐標碼垛機器人。同圓柱坐標碼垛機器人相比，球面坐標碼垛機器人在占據(jù)同樣空間的情況下，其工作范圍擴大了，而且由于其具有俯仰自由度，可以完成從地面提取工件的任務(wù)。缺點是運動直觀性差，結(jié)構(gòu)較為復雜，位置誤差會隨著臂長的增加而增大。

多關(guān)節(jié)碼垛機器人由多個擺動或回轉(zhuǎn)機構(gòu)組成，基本結(jié)構(gòu)由底座、大臂和小臂構(gòu)成。大臂和小臂可在通過底座的垂直平面內(nèi)運動，大臂和小臂間的關(guān)節(jié)稱為肘關(guān)節(jié)，大臂和底座間的關(guān)節(jié)稱為肩關(guān)節(jié)。多關(guān)節(jié)型碼垛機器人具有人的手臂的某些特征，與其他類型的碼垛機器人相比，它占據(jù)空間最小，工作范圍最大，此外還可以繞過障礙物提取和運送工件，是目前最常見的碼垛機器人類型，但其運動直觀性更差，運動規(guī)劃和驅(qū)動控制較為復雜。

并聯(lián)碼垛機器人指基座和末端執(zhí)行器之間通過至少兩個獨立的運動鏈相連接，機構(gòu)具有兩個或兩個以上自由度，是一種以并聯(lián)方式驅(qū)動的閉環(huán)機構(gòu)。結(jié)構(gòu)簡單、剛度大、運動精度高、運動能力強、末端慣性小，在高速、大承載能力的場合具有明顯優(yōu)勢，但是由于工作空間有限，機械手發(fā)生碰撞的概率很大，在奇異位置會完全失去剛度，驅(qū)動控制較為復雜。各類型碼垛機器人優(yōu)缺點的對比如表1所示。

表1 各種碼垛機器人對比總結(jié)Table 1 Comparison and summary of various palletizing robots

傳統(tǒng)的工業(yè)機器人雖然能滿足使用要求，但存在質(zhì)量偏大、能耗增大、負載能力小等問題。為了解決上述問題，國內(nèi)外許多學者對碼垛機器人本體進行了結(jié)構(gòu)優(yōu)化。結(jié)構(gòu)優(yōu)化設(shè)計技術(shù)是從20世紀70年代開始隨著計算機技術(shù)和有限元方法迅速發(fā)展起的一個力學分析優(yōu)化方法[7]，碼垛機器人結(jié)構(gòu)優(yōu)化依據(jù)設(shè)計變量不同可劃分為尺寸優(yōu)化、形狀優(yōu)化和拓撲優(yōu)化。

尺寸優(yōu)化是以結(jié)構(gòu)件外形尺寸或者孔洞尺寸為優(yōu)化對象進行結(jié)構(gòu)優(yōu)化。形狀優(yōu)化是指通過調(diào)整結(jié)構(gòu)件的幾何形狀來改善力學性能、降低生產(chǎn)成本。兩者都是采用有限元法與有限元軟件結(jié)合的方法進行本體優(yōu)化。

碼垛機器人尺寸優(yōu)化主要是使用有限元軟件進行輔助優(yōu)化設(shè)計，首先使用有限元軟件如ANSYS建立機器人的動力學模型，對其進行整機模態(tài)分析，找出機器人機械結(jié)構(gòu)薄弱的部位，然后在給定運動下，研究結(jié)構(gòu)不同截面尺寸對于運動的影響，分析兩者之間的關(guān)系，對截面形狀尺寸進行優(yōu)化，以達到最佳運動狀態(tài)[8]，形狀優(yōu)化方法也與上述方法相似，是研究給定不同的結(jié)構(gòu)形狀對運動的影響[9]。

尺寸優(yōu)化和形狀優(yōu)化是優(yōu)化設(shè)計最早采用的兩種方法，但存在計算量大、自適應(yīng)網(wǎng)格劃分困難、收斂性差等問題，已經(jīng)不適應(yīng)現(xiàn)在的結(jié)構(gòu)優(yōu)化需求。

拓撲優(yōu)化是目前最常用的結(jié)構(gòu)優(yōu)化方法，是根據(jù)約束條件、負載情況和性能指標，對區(qū)域進行材料分布優(yōu)化的設(shè)計方法，與尺寸優(yōu)化和形狀優(yōu)化相比，拓撲優(yōu)化是概念設(shè)計層面的優(yōu)化方法，能夠在結(jié)構(gòu)設(shè)計的初始階段就得到最優(yōu)布局方案，在結(jié)構(gòu)優(yōu)化中有更多的設(shè)計自由度能夠獲得更大的設(shè)計空間，是結(jié)構(gòu)優(yōu)化主流發(fā)展趨勢。

拓撲優(yōu)化的方法有均勻化方法、變密度法、漸進結(jié)構(gòu)優(yōu)化法等，最常用的方法是變密度法，變密度具有過程簡單、計算快等優(yōu)點，其原理是首先對模型進行劃分網(wǎng)格，劃分后的每個網(wǎng)格里只有0或者1兩種情況，0代表此處網(wǎng)格沒有材料填充，1則代表此處網(wǎng)格有填充材料，然后在0-1之間進行插值，將離散問題變成為連續(xù)性問題，用一個罰函數(shù)使得所有的中間密度單元最后趨向0或者1，實現(xiàn)材料的分布優(yōu)化，最后使用有限元軟件分析受力與變形量，然后重復以上操作，最終迭代得到既滿足最少材料又滿足最大強度和剛度的結(jié)構(gòu)[10]，拓撲優(yōu)化能夠降低碼垛機器人的質(zhì)量、提高安全使用系數(shù)、降低能耗、增強機器人的剛度和強度，為工業(yè)機器人結(jié)構(gòu)創(chuàng)新提供了重要的思路。

無論是尺寸優(yōu)化、形狀優(yōu)化還是拓撲優(yōu)化，在優(yōu)化的過程中都是以一種優(yōu)化參數(shù)作為優(yōu)化目標，例如質(zhì)量最優(yōu)、強度最優(yōu)、剛度最優(yōu)等，但當優(yōu)化目標發(fā)生沖突或者需要多個優(yōu)化目標時，例如既要強度高、又要面積大、還要質(zhì)量小，很難實現(xiàn)所有的優(yōu)化目標都能得到最優(yōu)解，使用傳統(tǒng)優(yōu)化方法可能會出現(xiàn)計算周期長、計算能力差等問題，多目標優(yōu)化方法是近些年興起的一種設(shè)計方法，多目標優(yōu)化方法能使多個目標在給定區(qū)域盡量同時滿足最佳解，通常是一組均衡解，能最大程度地滿足各個優(yōu)化目標。基本方法有兩種，一種是先求出每個優(yōu)化目標的最優(yōu)解，得到一個最優(yōu)解的集合，然后在最優(yōu)解中選擇合適的解，另一種方法是將多目標最優(yōu)解問題通過功效系數(shù)法、評價函數(shù)法等轉(zhuǎn)換為單目標優(yōu)化問題求解[11]。多目標優(yōu)化方法能在保證應(yīng)力、位移、剛度和振動穩(wěn)定性的情況下，極大降低碼垛機器人的質(zhì)量[12-13]。

國內(nèi)的碼垛機器人結(jié)構(gòu)優(yōu)化以拓撲優(yōu)化為主，尺寸優(yōu)化和形狀優(yōu)化為輔，借助ANSYS等有限元軟件對碼垛機器人進行建模與仿真，在設(shè)計初期采用拓撲優(yōu)化實現(xiàn)最優(yōu)布局，設(shè)計過程中采用尺寸和形狀優(yōu)化進行局部優(yōu)化，使結(jié)構(gòu)布局更加合理，更加輕量化[14-15]。我國在機器人結(jié)構(gòu)多目標優(yōu)化方面研究較少，目前主要采用的算法有多目標粒子群算法、NSGA-II算法等，能夠在提高機械臂結(jié)構(gòu)剛度、強度的同時并降低質(zhì)量。我國結(jié)構(gòu)優(yōu)化領(lǐng)域隨著智能算法的興起與加入，使得結(jié)構(gòu)優(yōu)化發(fā)展更快，懲罰函數(shù)法、粒子群算法、響應(yīng)面法等智能算法的使用，相較于傳統(tǒng)算法，使得機械結(jié)構(gòu)優(yōu)化的效率更高、結(jié)果更加準確、動力學性能更好[16-18]。

國外的結(jié)構(gòu)優(yōu)化與國內(nèi)結(jié)構(gòu)優(yōu)化類似，也是通過有限元法與有限元軟件對機器人進行建模與靜態(tài)分析，然后進行結(jié)構(gòu)優(yōu)化，重新設(shè)計零部件，在保證使用要求的情況下，大大降低機器人本體質(zhì)量，降低能耗[19-21]。國外也將多目標優(yōu)化大量應(yīng)用到了機器人結(jié)構(gòu)優(yōu)化當中，多目標優(yōu)化方法可以在全局層面進行優(yōu)化，能對全局運動學平均值、波動值等進行分析，先構(gòu)建多目標運動模型，然后利用多目標優(yōu)化算法進行改進分析，最終提高機器人的性能指標，使得機器人具有更高的結(jié)構(gòu)剛度、更輕的質(zhì)量、更高的振動頻率[22-24]。國外也將遺傳算法、多目標遺傳算法、多目標粒子群優(yōu)化算法、動態(tài)多目標優(yōu)化算法、復合算法等先進算法加入到結(jié)構(gòu)優(yōu)化中，使得機器人的結(jié)構(gòu)優(yōu)化速度更快、效率更高、質(zhì)量更小、能耗更低[25-26]。

1.2 末端執(zhí)行機構(gòu)

末端執(zhí)行機構(gòu)是碼垛機器人的重要組成部分，也是碼垛機器人直接與被抓取物料接觸的部件，相當于人的手掌，主要用于完成被碼垛物料的抓取、移動以及碼垛等動作。碼垛作業(yè)任務(wù)是否能夠順利完成，直接取決于末端執(zhí)行機構(gòu)的設(shè)計，要求末端執(zhí)行機構(gòu)能夠穩(wěn)定且準確地進行抓取和搬運作業(yè)，由于在工作中，抓取的物料結(jié)構(gòu)大小和品種有所不同，包括箱形、板形、袋形以及圓柱形物料等。因此碼垛機器人的末端執(zhí)行機構(gòu)必須能隨著生產(chǎn)線上物料的改變而改變實現(xiàn)抓取作業(yè)。如今的工業(yè)生產(chǎn)中有著各式各樣的末端執(zhí)行機構(gòu)，按照結(jié)構(gòu)類型的不同，可以分為叉形末端執(zhí)行機構(gòu)、真空吸盤型末端執(zhí)行機構(gòu)、夾板型末端執(zhí)行機構(gòu)，以及后面發(fā)展起來的柔性執(zhí)行機構(gòu)和仿生執(zhí)行機構(gòu)五種，它們優(yōu)缺點及其適應(yīng)范圍如表2所示。

表2 各種末端機構(gòu)優(yōu)缺點及使用范圍Table 2 Advantages and disadvantages of various end mechanisms and their scope of use

叉形末端執(zhí)行器的抓取機構(gòu)為叉爪型，工作時，叉爪放在物料的下方，然后將叉爪收縮，將物料抬起，實現(xiàn)搬運和碼垛作業(yè)。工作效率高、抓取穩(wěn)定、結(jié)構(gòu)簡單輕便，但是其結(jié)構(gòu)比較龐大，相對于夾板型和真空吸盤型運行流暢度降低。通常用于較大較重的袋裝物料，如米袋、水泥、面袋等。

真空吸盤型末端執(zhí)行機構(gòu)的抓取機構(gòu)為真空洗盤，是通過真空吸盤的吸附作用對物料進行抓取與搬運。對光滑物料的抓取效果較好，但其結(jié)構(gòu)復雜，工作不穩(wěn)定。常用于表面水平并且較為光滑的玻璃板、石英板等板材或者尺寸較小且表面光滑的袋狀物料的碼垛。

夾板型末端執(zhí)行機構(gòu)的抓取機構(gòu)為兩個夾板，夾住物料的側(cè)面通過摩擦力進行抓取，質(zhì)量輕便、設(shè)計簡單、適應(yīng)度好。但由于依靠摩擦力來進行抓取，不能抓取光滑的物料，常常用于尺寸較大的箱型物料。

柔性執(zhí)行機構(gòu)，指可通過調(diào)整相關(guān)參數(shù)，就能適應(yīng)不同工件的抓取、搬運等功能的末端執(zhí)行機構(gòu)，具有較強的適應(yīng)性，還能夠進行脆性物料和易碎物料的碼垛和搬運。柔性機械手相較于前面三種機械手，具有適應(yīng)性高、抓取范圍廣、抓取力度合適、不破壞物料等優(yōu)點，但結(jié)構(gòu)復雜，抓取力度小，不能抓取較重的物體。

仿生機械學由生物力學、醫(yī)學、機械工程、控制和電子技術(shù)等學科相互滲透、結(jié)合而形成的一門邊緣學科，仿生設(shè)計近年來也在碼垛機器人的末端執(zhí)行機構(gòu)設(shè)計上有所應(yīng)用，仿生執(zhí)行機構(gòu)就是模仿生物的運動構(gòu)造形態(tài)或者功能而設(shè)計的機構(gòu)，具有生物結(jié)構(gòu)的優(yōu)越性。例如模仿人體的手掌設(shè)計的自適應(yīng)欠驅(qū)動仿生機械手，具有抓取方式多變，抓取物料種類多、適應(yīng)性范圍大，解決了其他結(jié)構(gòu)類型機械手自適應(yīng)不足的缺點，但結(jié)構(gòu)復雜、穩(wěn)定性較差，工程應(yīng)用較為困難[27]。國內(nèi)外在碼垛機器人的末端執(zhí)行機構(gòu)的創(chuàng)新上，一方面是機械結(jié)構(gòu)的創(chuàng)新設(shè)計，另一方面通過傳感器和各種智能優(yōu)化算法加強了機械手抓取時的準確性和穩(wěn)定性。

理想狀態(tài)下的抓取夾持環(huán)節(jié)應(yīng)該穩(wěn)定、準確、能夠保護物料不受破壞。有三種常用方法，一是在機械手上添加傳感器、敏感電阻和其他裝置可以實現(xiàn)實時反饋，通過反饋信號來給控制器信號，判斷抓取是否合理；二是通過優(yōu)化算法來實現(xiàn)，通過分析手指和目標物料之間的抓取力學模型、確定抓取穩(wěn)定性指標、建立機械手抓取數(shù)學模型，確定抓取穩(wěn)定性與抓取位置、抓取點的映射關(guān)系，通過改進算法可以解決傳統(tǒng)抓取過程中抓取不穩(wěn)定與脫落的情況，得到最適合當前物料的抓取力；三是將計算機視覺技術(shù)、計算機觸覺技術(shù)與機械手結(jié)合起來，計算機視覺和觸覺是使用計算機及相關(guān)設(shè)備對生物視覺和觸覺的一種模擬，通過計算機視、觸覺技術(shù)，可以實現(xiàn)物料的自動識別和智能抓取。

國內(nèi)碼垛機器人末端執(zhí)行機構(gòu)機械結(jié)構(gòu)的創(chuàng)新主要是新型機械手的設(shè)計與研發(fā)，包括柔性機械手和仿生機械手兩大類，它們具有兼容性強、適應(yīng)性強等優(yōu)點，已經(jīng)在農(nóng)業(yè)、制造業(yè)、化工行業(yè)等各個行業(yè)都有所應(yīng)用[28-29]。在加強抓取穩(wěn)定性與準確性方面，國內(nèi)通過將磁致伸縮觸覺傳感器、位移傳感器等高敏感傳感器安裝在機械手上，在提高了機械手定位精度與抓取穩(wěn)定性的同時、還提高了機械手的執(zhí)行速度與分揀效率[30-31]；通過建立機械手與目標物之間的數(shù)學模型，改進抓取控制算法得到最適合的抓取力與角度，提高機械手的實時性和靈巧性[32-33]；通過引入計算機視覺，通過圖像識別技術(shù)來判斷物料的位置與形狀，實現(xiàn)物料的自動識別與抓取[34-35]。

國外碼垛機器人末端執(zhí)行機構(gòu)機械結(jié)構(gòu)的創(chuàng)新與國內(nèi)研究相同，主要還是柔性機械手與仿生機械手的研究，國外已經(jīng)研制出適應(yīng)性強、抓取范圍廣，可以抓取不同尺寸和形狀的物料的柔性機械手[36]和可以在一些復雜狹小環(huán)境中進行搬運、碼垛等作業(yè)的仿生機械手[37]。國外對于機械手抓取穩(wěn)定性，也是通過在機械臂上安裝傳感器、敏感電阻和其他裝置實現(xiàn)實時反饋，通過反饋信號來判斷抓取是否合理[38-39]，也同樣依靠改進算法，改變機械手抓取力學模型、依靠計算機觸覺與視覺解決傳統(tǒng)抓取過程中抓取不穩(wěn)定與脫落的情況，得到最適合當前物料的抓取力，在提高抓取的穩(wěn)定性、平滑性、準確性的同時[40-41]，也提高了碼垛機器人的智能化程度。

1.3 碼垛機器人的運動規(guī)劃

運動規(guī)劃是在給定的位置之間為機器人找到一條符合約束條件的路徑，是機器人學的一個重要研究領(lǐng)域。碼垛機器人的運動規(guī)劃按照規(guī)劃類型可以分為路徑規(guī)劃和軌跡規(guī)劃，避障問題作為特殊的路徑規(guī)劃問題，本文為了更好地進行說明，將避障問題單獨提出來，和路徑規(guī)劃、軌跡規(guī)劃并列在一起進行闡述，而按照機器人的數(shù)量與規(guī)模劃分，則可分為單個機器人的運動規(guī)劃與多機器人協(xié)同運動規(guī)劃兩類規(guī)劃體系。

1.3.1 路徑規(guī)劃

（1）單個機器人路徑規(guī)劃

單機器人的路徑規(guī)劃是單機器人運動規(guī)劃的主要研究內(nèi)容之一，路徑指的是連接起點位置和終點位置形成的序列點或曲線，而構(gòu)成路徑的策略與方法則稱之為路徑規(guī)劃。目前單個機器人的路徑規(guī)劃方法可以歸納為五種：基于能量最優(yōu)的路徑規(guī)劃、基于時間最優(yōu)的路徑規(guī)劃、基于最小沖擊的路徑規(guī)劃、基于路徑最優(yōu)的路徑規(guī)劃，或者將它們組合起來為主要方法來進行路徑優(yōu)化。這幾種目標規(guī)劃的方法主要還是通過優(yōu)化算法進行優(yōu)化計算，得到最優(yōu)解和最優(yōu)參數(shù)。

基于能量最優(yōu)的優(yōu)化目標，就是以完成規(guī)定動作與規(guī)定任務(wù)后所消耗的最少能量為優(yōu)化目標，碼垛機器人主要以電能為動力，因此以耗電量來作為目標參數(shù)，許多學者將智能算法應(yīng)用到這種方法，例如改進AD*算法、遺傳算法等，能夠明顯地降低耗電量，在兼顧機器人路徑規(guī)劃效率的同時降低能量消耗[42-43]。

基于時間最優(yōu)，就是以完成規(guī)定動作與規(guī)定任務(wù)后所消耗的最少時間為優(yōu)化目標進行路徑規(guī)劃，改進粒子群算法的引入不僅能夠?qū)崿F(xiàn)機器人時間最優(yōu)運動規(guī)劃，還同時改善了粒子群算法易局部收斂、無法得到全局最優(yōu)解的問題[44]。精密裝配領(lǐng)域?qū)τ谒俣扰c精度要求較高，有學者在機器人運動鏈上進行優(yōu)化，提出了多變量時間優(yōu)化方法，可以達到提高裝配效率、時間最優(yōu)的目的[45]。工業(yè)機器人固定路徑下的基于時間最優(yōu)的路徑規(guī)劃方法的計算量較大，消耗時間較長，為了解決這一問題，有學者將修型/射靶算法引入路徑規(guī)劃中，通過修正多重約束下的最大速度曲線，得到時間最短的曲線，也即時間最優(yōu)路徑[46]。智能算法引入使得基于時間最優(yōu)的路徑規(guī)劃方式求解速度更快、路徑規(guī)劃效率提高。

基于最優(yōu)路徑也是常用的方法之一，基于路徑最優(yōu)，要求路徑平滑、路徑長度小，碼垛機器人能夠穩(wěn)定運行。有學者將改進A*算法、蟻群算法等方法應(yīng)用到基于路徑最優(yōu)的路徑規(guī)劃中，使路徑更平滑，路徑總長度減小，提高了碼垛的工作效率，并降低了發(fā)生碰撞的可能性[47-48]。

以上的算法和方法都是在已知環(huán)境與空間中進行的路徑規(guī)劃，但是對于未知的空間，以上的方法已經(jīng)不能適應(yīng)，有學者進行了深入研究，將仿生學設(shè)計應(yīng)用到未知環(huán)境的路徑規(guī)劃中，依據(jù)海馬體內(nèi)空間細胞的認知機理，提出了仿鼠腦海馬的機器人場景認知地圖構(gòu)建及路徑規(guī)劃方法，在機器人場景記憶建模的過程中建立集成位置細胞與網(wǎng)格細胞神經(jīng)元活動機制，通過事件再配置，預測并規(guī)劃最優(yōu)情景軌跡[49]，實現(xiàn)自我參考和路徑規(guī)劃。也有學者將目標導向RRT路徑規(guī)劃算法應(yīng)用到未知環(huán)境的路徑規(guī)劃，傳統(tǒng)RRT算法可以進行未知環(huán)境的路徑規(guī)劃，但是由于算法本身的限制，會出現(xiàn)盲目搜索、容易陷入局部最小點的問題，基于子目標搜索的目標導向RRT路徑規(guī)劃方法是將三種不同情況的目標導向函數(shù)引入其中，此方法能很好地解決上述問題，減少冗余搜索、提高逃離局部最優(yōu)能力、提高路徑規(guī)劃效率[50]。還有人將計算機視覺技術(shù)、短期內(nèi)存神經(jīng)網(wǎng)絡(luò)等算法也利用到未知環(huán)境的路徑規(guī)劃當中[51]，都能夠很好地解決在未知環(huán)境中的路徑規(guī)劃問題。

（2）多機器人協(xié)同路徑規(guī)劃

多機器人協(xié)同路徑規(guī)劃是多機器人系統(tǒng)的關(guān)鍵技術(shù)之一，是保證多機器人工作順利完成的基礎(chǔ)，多機器人路徑規(guī)劃是指利用周圍環(huán)境信息，多機器人系統(tǒng)中的每個機器人都能滿足工作要求到達指定位置且無碰撞的最優(yōu)路徑，要求多機器人系統(tǒng)內(nèi)的每個機器人之間也不能發(fā)生碰撞。多機器人協(xié)同路徑規(guī)劃的方法按照求解方式的不同，可以分為耦合式和解耦式兩種，也可以稱為整體式和分布式。兩種方法的區(qū)別是耦合式將多機器人視為一個整體進行規(guī)劃，而解耦式是將多機器人系統(tǒng)中的每個機器人進行單獨規(guī)劃[52]。

在耦合式路徑規(guī)劃方法的幫助下，多機器人協(xié)調(diào)路徑規(guī)劃就變成了單機器人的路徑規(guī)劃，因此可以將單個機器人的路徑規(guī)劃的智能算法和優(yōu)化方法應(yīng)用到多機器人協(xié)同路徑規(guī)劃之中，例如快速搜索隨機樹法、人工勢場法、改進A~*算法、改進遺傳算法、改進蝙蝠算法、混合算法等方法，都可以加快規(guī)劃的速度、減少計算時間、縮短路徑長度[53-55]。

耦合式路徑規(guī)劃方法也存在著缺點，它的搜索范圍是全局的，是一種全局搜索方法，耦合式路徑規(guī)劃方法將多機器人路徑規(guī)劃轉(zhuǎn)換為單機器人高維度、多自由度路徑規(guī)劃，因此這種方法具有找出全局最優(yōu)解的能力，但同樣也使得系統(tǒng)維度增高、自由度增多，求解空間變大，求解速度降低，使得規(guī)劃的實時性降低。適用于機器人個數(shù)較少的多機器人協(xié)同路徑規(guī)劃。

解耦式路徑規(guī)劃與耦合式路徑規(guī)劃正好相反，解耦式路徑規(guī)劃是將多系統(tǒng)內(nèi)的各個機器人先分別進行路徑規(guī)劃，找到最優(yōu)路徑，后面通過協(xié)調(diào)方法進行修改和調(diào)整，解決系統(tǒng)內(nèi)部機器人沖突的問題。

解耦式路徑規(guī)劃方法是一種類似于先局部優(yōu)化的方法，再通過協(xié)調(diào)算法來解決系統(tǒng)內(nèi)的沖突和干涉，將多機器人協(xié)調(diào)問題轉(zhuǎn)變?yōu)閱蝹€機器人路徑規(guī)劃問題，這樣方法降低了多機器人路徑規(guī)劃難度，動態(tài)性能較好，但是存在容易陷入局部最小值，不易獲得全局最優(yōu)解的問題。適用于系統(tǒng)內(nèi)機器人個數(shù)較多的多機器人協(xié)同路徑規(guī)劃。

解耦式路徑規(guī)劃的難點在于多機器人系統(tǒng)內(nèi)的協(xié)調(diào)問題，協(xié)調(diào)問題可以分為兩個方面，一是消除多機器人系統(tǒng)內(nèi)部的沖突與干涉；二是實現(xiàn)多機器人系統(tǒng)的協(xié)同作業(yè)。常用協(xié)調(diào)方法有基于時間法、保留區(qū)域法、基于TI-A*算法等。

基于時間的多機器人路徑協(xié)調(diào)算法首先利于柵格法對工作環(huán)境進行建模，將多機器人協(xié)調(diào)問題轉(zhuǎn)換為機器人動作運行序列問題，先利用改進A*算法求出每個機器人的無碰撞路徑，再通過計算每個機器人到達每個碰撞點的時間，判定是否會發(fā)生碰撞，然后將該碰撞點所有等待的機器人進行列表，依次類推，可以得到每個機器人的運行序列，通過篩選就能得到多機器人的無碰撞路徑。此方法也存在著許多缺陷，協(xié)調(diào)的實時性較差，動態(tài)協(xié)調(diào)性能較差，計算量較大[56]。

有學者提出了基于保留區(qū)域的分布式多機器人路徑規(guī)劃方法，保留區(qū)域是指利用柵格法對多機器人系統(tǒng)內(nèi)每個機器人進行單獨的路徑規(guī)劃后，再根據(jù)運動方向預測并計算出下面將要到達的柵格位置。機器人在保留區(qū)域內(nèi)會進行減速或停止運動，使機器人始終保持在保留區(qū)域內(nèi)，當保留區(qū)域發(fā)生重疊時，由中央模塊進行協(xié)調(diào)和分配工作，此方法可以解決多機器人內(nèi)部發(fā)生沖突和干涉的情況，還可以通過改變保留區(qū)域大小進行加減速距離調(diào)節(jié)，具有很強的工程實用性[57]。此方法實時性較好，相比于傳統(tǒng)集中式控制方法，規(guī)劃路徑更短，路徑規(guī)劃效率也較高，但是動態(tài)協(xié)調(diào)能力較差，面對復雜動態(tài)環(huán)境時，協(xié)調(diào)效率會下降。

有學者將TI-A*算法應(yīng)用到多機器人協(xié)調(diào)問題當中，可以很好地解決動態(tài)環(huán)境下的動態(tài)協(xié)調(diào)問題，此方法首先是將時間代價函數(shù)引入，然后將時間代價函數(shù)與A*算法進行結(jié)合，提出TI-A*算法，然后將多機器人協(xié)調(diào)問題分為路徑規(guī)劃和協(xié)調(diào)沖突干涉兩類，通過改變運動速率和調(diào)整協(xié)調(diào)階段介入時間，得到兩種基于TI-A*的多機器人協(xié)調(diào)方法，分別是適用于空間緊湊、障礙物多的變速協(xié)調(diào)方法和適用于吞吐量大、耗時長的變路徑協(xié)調(diào)方法。該方法有很強的適應(yīng)性與動態(tài)協(xié)調(diào)性，能在復雜且障礙物多的環(huán)境中進行動態(tài)協(xié)調(diào)，實現(xiàn)多機器人的動態(tài)路徑規(guī)劃[58]。

國內(nèi)外在機器人路徑規(guī)劃方面的創(chuàng)新，都主要是集中在智能算法的創(chuàng)新與應(yīng)用，我國基于時間最優(yōu)的路徑規(guī)劃方式引入的智能算法有改進粒子群算法、修型/射靶算法、改進DDPG算法和改進PSO算法，可以使得求解速度更快、消耗時間更少，路徑規(guī)劃效率更高[59-60]?；谀芰孔顑?yōu)的路徑規(guī)劃方式引入的智能算法有改進AD*算法、啟發(fā)式ECA*算法，可以使得機器人的能耗降低，生產(chǎn)成本降低。基于路徑最優(yōu)的路徑規(guī)劃引入的智能算法有基于梯度的機器人檢查優(yōu)化算法、多目標螢火蟲算法、改進A*算法、快速擴展樹算法、改進蟻群算法、多種群多速度粒子群算法、勢場-蟻群融合算法等，這些算法的加入，使得路徑更短、路徑總長度減少、運行更加平穩(wěn)、提高了生產(chǎn)效率[61-64]。基于最小沖擊的路徑規(guī)劃引入的智能算法有改進TEB算法、改進人工勢場算法等，可以降低力矩突變造成的振動與沖擊，能夠使機器人運動更加平滑[65-66]。

國外軌跡規(guī)劃方面近兩年主要以基于時間最優(yōu)和基于路徑最優(yōu)研究為主，基于時間最優(yōu)引入的算法有自適應(yīng)蟻群算法、積分強化學習算法等，使機器人的全局路徑優(yōu)化能力增強、路徑規(guī)劃時間減少、實時性與穩(wěn)定性提高[67-68]?；诼窂阶顑?yōu)的智能算法有RRT-Connect算法、基于梯度的機器人檢查優(yōu)化算法、多目標優(yōu)化算法、多目標螢火蟲算法、快速擴展樹算法等，能夠明顯減少路徑長度[69-72]。

1.3.2 軌跡規(guī)劃

軌跡規(guī)劃一般指多關(guān)節(jié)機器人的軌跡規(guī)劃問題，多機器人系統(tǒng)的軌跡規(guī)劃與單個機器人軌跡規(guī)劃的方法與原理類似，本文一起進行說明。軌跡是由時間、位置、速度參數(shù)化后的狀態(tài)空間序列，軌跡規(guī)劃就是發(fā)現(xiàn)滿足其運動學、動力學約束、避障條件、交通規(guī)則約束和舒適性約束的狀態(tài)空間序列。軌跡規(guī)劃是工業(yè)碼垛機器人運動規(guī)劃的重要部分，碼垛機器人的運動應(yīng)當平穩(wěn)且連續(xù)，不平穩(wěn)的運動會加速零件的磨損、導致碼垛機器人的振動和沖擊，影響使用壽命和精度。單機器人軌跡規(guī)劃分為關(guān)節(jié)空間軌跡規(guī)劃和直角坐標空間軌跡規(guī)劃，關(guān)節(jié)空間軌跡規(guī)劃是指將所有的關(guān)節(jié)變量表示為時間的函數(shù)，用這些關(guān)節(jié)函數(shù)預測機器人的運動，直角坐標空間軌跡規(guī)劃是將手爪的姿勢、位置、速度、加速度等表示為時間的函數(shù)，通過逆運動學求出速度、加速度、位置等信息[73]。關(guān)節(jié)空間軌跡規(guī)劃生成的值為關(guān)節(jié)值，而直角坐標空間軌跡生成的值是末端執(zhí)行機構(gòu)的位姿，還需要求解逆運動方程才能得到關(guān)節(jié)值。

關(guān)節(jié)空間運動規(guī)劃是為了使得關(guān)節(jié)空間的軌跡更加平滑、連續(xù)且沖擊較小。進行規(guī)劃時，需要給定機器人在起始位置和終止位置的機械手的位置和姿態(tài)，在滿足約束條件的情況下，例如末端執(zhí)行機構(gòu)的方向、提升方向、停止位置等約束條件，選擇合適的軌跡規(guī)劃方法，得到需要的軌跡，常用的關(guān)節(jié)空間運動規(guī)劃方法有三次多項式插值、高階多項式插值、拋物線過渡的線性插值和B樣條曲線插值等[74]。本文接下來分別進行介紹與說明。

想要保持系統(tǒng)穩(wěn)定性，至少應(yīng)滿足四個約束條件，即兩端點位置約束和兩端速度約束，根據(jù)約束條件，可以得到唯一的三次多項式，這就是三次多項式插值法，當起點與終點的速度為零時，可以直接使用此方法，但當起點與終點的關(guān)節(jié)速度不為零時，可采用改進的三次多項式插值法，也叫做過路徑點的三次多項式插值法，是把每個關(guān)節(jié)相鄰的路徑點分別看作起點和終點。利用三次多項式插值法，可以得到更平滑、穩(wěn)定的碼垛機器人軌跡[75-76]。若對于運動軌跡要求更為嚴格，則使用三次多項式插值法無法滿足需求，需要采用更高次多項式插值法，例如要確定在路徑曲線段的起始點和終止點的速度、位置等時，就需要使用一個五次多項式，可以使得到的軌跡更平滑、穩(wěn)定。

以上的方法雖然可以實現(xiàn)機器人的軌跡規(guī)劃，但是也存在著問題，可能會導致起始點和終止點的關(guān)節(jié)運動速度不連續(xù)，為了解決這個問題，可以進行分段規(guī)劃方法，分段規(guī)劃就在中間部分利用直線線性插值，兩端則利用拋物線過渡[77]，關(guān)節(jié)的速度變化平穩(wěn)，這樣的過渡會保證軌跡的連續(xù)和平穩(wěn)，實現(xiàn)平穩(wěn)、連續(xù)的軌跡要求。

在直角坐標空間中，路徑點之間的軌跡十分復雜，復雜程度取決于機械臂的運動學特性，常用的方法有線性函數(shù)插值法和圓弧插值法。線性函數(shù)插值法也叫做直線插值法，是指已知直線始末兩點的位置和姿態(tài)，在起點和終點之間按照直線來密化點群，然后驅(qū)動伺服按照這個點群來運動[78]，圓弧插補就是這個點群按照起點終點還有半徑或者是圓心坐標來建立方程，運算，建立點群，實現(xiàn)軌跡規(guī)劃[79]。

多機器人協(xié)同軌跡規(guī)劃是保證多機器人協(xié)同作業(yè)穩(wěn)定完成工作任務(wù)的重要因素，多機器人協(xié)同軌跡規(guī)劃就是使系統(tǒng)的每個機器人都能執(zhí)行設(shè)定的軌跡[80]。多機器人軌跡規(guī)劃特殊之處與多機器人路徑規(guī)劃的特殊之處相同，強調(diào)多機器人的協(xié)調(diào)與協(xié)同，不只是考慮軌跡的平穩(wěn)與連續(xù)等，而是要考慮多機器人系統(tǒng)整體，在多系統(tǒng)內(nèi)每個機器人都能達到較優(yōu)軌跡的同時，內(nèi)部機器人還不能進行干涉與沖突，具體方法與多機器人協(xié)同路徑規(guī)劃相似。

國內(nèi)外在軌跡規(guī)劃的創(chuàng)新上，可分為智能算法應(yīng)用創(chuàng)新與軌跡插補方法創(chuàng)新兩方面，我國在智能算法應(yīng)用創(chuàng)新上有基于RBF神經(jīng)網(wǎng)絡(luò)的碼垛機器人軌跡優(yōu)化算法、基于改進粒子群算法、基于多目標粒子群算法、基于快速擴展隨機樹算法、基于A*算法、基于改進蟻群算法、基于概率神經(jīng)網(wǎng)絡(luò)等多種智能算法的創(chuàng)新應(yīng)用，使得軌跡規(guī)劃的方法變得多種多樣，軌跡平滑性、穩(wěn)定性等都有很大的提高[81-85]。在軌跡插補方面，我國主要有五次多項式插值軌跡規(guī)劃、合成運動的圓弧軌跡規(guī)劃、疊加擺線運動規(guī)律的軌跡規(guī)劃、基于NURBS曲線軌跡規(guī)劃、基于復合多項式軌跡規(guī)劃等，能夠降機械人的振動、使機器人運動軌跡更加平滑、運行更加自然、平穩(wěn)[86-89]。

國外的智能算法應(yīng)用創(chuàng)新有基于動態(tài)目標深度學習軌跡優(yōu)化算法、改進蟻群算法、粒子群優(yōu)化算法、差分進化改進人工勢場算法、NSGA-II多目標優(yōu)化算法等，使得機器人的運動軌跡誤差更低、計算量更小、算法收斂速度更快[90-93]。在軌跡插補方面，國外的主要方法有基于B樣條曲線軌跡規(guī)劃、基于NURBS曲線的軌跡規(guī)劃、基于三次多項式的軌跡規(guī)劃、基于Catmull-Rom樣條曲線的軌跡規(guī)劃等，使得機器人的軌跡更加光滑、穩(wěn)定，更適合復雜的工作任務(wù)要求[94-97]。

1.3.3 避障問題

避障是指機器人在運動過程中，通過傳感器或者相機感知到其路線規(guī)劃上存在的障礙物，并且按照預先的程序算法實時更新路徑，成功避開障礙物，最終到達目的地。機器人避障問題可以分類三個方面，一是障礙物的感知，二是障礙物在模型中的映射即障礙物建模，三是避障軌跡的規(guī)劃。

障礙物感知是指機器人對工作環(huán)境中存在的障礙物進行識別，判斷障礙物類型與位置的過程。障礙物的感知是機器人避障問題的前提。常用的方法是機器人利用外部傳感器進行檢測，例如聲波傳感器、激光雷達、視覺傳感器等。

聲波避障控制法是利用實時長距離超聲波傳感器進行搜索，當機器人距離障礙物一定距離時，超聲波傳感器就能夠檢測到相關(guān)信息，并傳輸給控制器，控制工業(yè)機器人避開障礙物。但超聲波傳感器存在物理探測盲區(qū)會造成漏報，會增加發(fā)生碰撞的可能性，一般會搭配其他傳感器一起使用[98-99]。

激光雷達避障控制法和聲波避障控制法的原理相似，是采用激光雷達進行搜索，激光雷達具有較高的搜索精度，與其他傳感器相比，能夠同時考慮精度要求和速度要求，激光雷達在黑暗中也可以使用，不受光線的影響，不過該方法的安裝精度要求高、價格比較昂貴。

視覺傳感器是利用機器視覺的識別與定位功能進行障礙物的感知，與其他傳感器相比，機器人視覺傳感器具有很高的分辨率，能直接對障礙物進行識別與分類，但是對環(huán)境要求較高，在光線差、高粉塵的惡劣環(huán)境中的感知能力會下降[100]。

當障礙物被傳感器感知到以后就需要進行映射，將檢測到的障礙物映射到機器人環(huán)境模型中去，為避障軌跡軌跡提供避障依據(jù)。常用的障礙物映射建模方法：幾何信息法、拓撲圖法和柵格法三種[101]。

幾何信息法是用幾何特征對環(huán)境進行描述，這種方法容易識別障礙物的位置和種類，但計算量較大，使用麻煩。拓撲圖是將工作環(huán)境信息表示為拓撲圖，拓撲圖中的節(jié)點對應(yīng)于環(huán)境中的某一特征信息，這樣方法感知速度快，但是感知分辨率較低，當特征相似時無法進行分辨。

柵格法是一種地圖建模的方法，是將地圖分割為大小相同的方格，然后將場景的所有事物進行二值化替代，應(yīng)用在工業(yè)機器人避障時，就是將障礙物模擬成大量小方格的集合，比如位于無障礙物區(qū)域時方格為0，處在障礙物區(qū)或包含障礙物區(qū)方格為1，這樣在計算機中就較容易建立一幅可用于路徑規(guī)劃的地圖。柵格粒度越小，障礙物的表示會越精確，但占用的儲存空間也會更大，計算需要的時間也會增加[102]。

避障軌跡的規(guī)劃是機器人避障問題的重點與難點，避障規(guī)劃的核心是避障算法，常用的方法有基于模糊邏輯的避障規(guī)劃、基于人工神經(jīng)網(wǎng)絡(luò)的避障規(guī)劃、基于人工勢場的避障規(guī)劃等。

模糊邏輯的概念是在1965年被提出的，英國倫敦大學一位教授在1974年利用模糊控制語句組成的模糊控制器控制鍋爐和氣輪機的運行獲得成功，開始將模糊數(shù)學應(yīng)用于自動控制領(lǐng)域，包括工業(yè)機器人，首先使用傳感器對障礙物進行識別、分類等預處理，將傳感器采集的位置信息、距離信息、角度信息等送到模糊控制器當中，模糊算法對障礙物信息進行處理與計算，控制器發(fā)出控制命令，控制機器人關(guān)節(jié)動作，實現(xiàn)機器人避障。模糊控制能實現(xiàn)機器人的避障功能，而且有較好的實時反饋性，但是當障礙物復雜、工作環(huán)境復雜時，避障效果會有較大的降低，甚至出現(xiàn)避障失效的情況[103]。

人工勢場避障控制法是仿照物理學中電勢和電場力的概念，建立機器人工作空間中的虛擬勢場，按照虛擬勢場力方向，實現(xiàn)局部路徑規(guī)劃，比較新穎的一種方法。人工勢場法將機器人的運動看作是受到虛擬人工受力場作用之后的運動，障礙物會對機器人產(chǎn)生反作用力即斥力，而目標作用點會對機器人產(chǎn)生引力，然后由算法計算產(chǎn)生相應(yīng)的勢，進而實現(xiàn)機器人避障規(guī)劃。人工勢場避障也存在著許多問題，對于動態(tài)環(huán)境的規(guī)劃能力較差，全局搜索能力差，抖動嚴重[104]。

人工神經(jīng)網(wǎng)絡(luò)是一種工作方式和生物的神經(jīng)元類似，模仿生物神經(jīng)網(wǎng)絡(luò)（例如大腦）的結(jié)構(gòu)和功能的數(shù)學模型或計算模型，它具有較強的數(shù)據(jù)處理能力。有學者提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的機器人避障方法，先將機器人周圍環(huán)境分為多個扇區(qū)，利用激光雷達進行障礙物感知，得到每個扇區(qū)內(nèi)障礙物的距離，以距離信息為輸入，利用BP神經(jīng)網(wǎng)絡(luò)計算每個扇區(qū)被選擇為避障方向的得分，然后利用距離障礙物最近扇區(qū)的中點的坐標與各扇區(qū)中點坐標的歐氏距離，計算得到各扇區(qū)被選擇為避障方向的概率，然后將得分與概率最大的扇區(qū)作為避障方向，從而實現(xiàn)機器人的實時避障。與模糊控制和人工勢場相比，該方法的收斂速度快、避障軌跡短、適應(yīng)性強，適用于環(huán)境復雜、障礙物多的情況[105]。

在機器人避障規(guī)劃方面，國內(nèi)外的差異主要體現(xiàn)在避障算法上，國內(nèi)的避障算法主要有基于改進蟻群算法的避障規(guī)劃、基于改進人工勢場法的避障規(guī)劃、基于優(yōu)化A~*和DWA算法的避障規(guī)劃、基于貝葉斯網(wǎng)絡(luò)與模糊理論避障規(guī)劃等[106-108]。

而國外有自適應(yīng)勢場蟻群算法、改進粒子群優(yōu)化算法、基于深度強化學習的避障算法、基于最小風險指數(shù)的避障算法等，這些算法大都是傳統(tǒng)算法的改進或者是新的應(yīng)用，通過這些算法，可以提高機器人的避障規(guī)劃能力，加強機器人動態(tài)避障處理性能[109-112]。

1.3.4 多機器人協(xié)同與單個機器人運動規(guī)劃的聯(lián)系與區(qū)別

單個機器人是工業(yè)生產(chǎn)中的最小組成單元，也是機器人系統(tǒng)執(zhí)行任務(wù)的終端。多機器人系統(tǒng)是指多個具有動力學和運動學特性，并且能夠和其他個體進行信息交互的機器人的集合。多機器人協(xié)同運動規(guī)劃與單個機器人運動規(guī)劃存在著許多的相似之處，但也有所差別。

多機器人協(xié)同運動規(guī)劃與單個機器人的運動規(guī)劃的種類相似，都可以分為路徑規(guī)劃、軌跡規(guī)劃和避障問題。而且單個機器人的許多智能算法都可以應(yīng)用到多機器人協(xié)同運動規(guī)劃中，單個機器人運動規(guī)劃研究是多機器人協(xié)同的基礎(chǔ)。

但是它們之間又有區(qū)別，多機器人協(xié)同運動規(guī)劃有著它本身的特殊性，第一點是協(xié)調(diào)性，多機器人協(xié)同不是簡單地將多機器人系統(tǒng)內(nèi)的每個機器人進行運動規(guī)劃后進行疊加，而是在考慮系統(tǒng)內(nèi)單個機器人的運動規(guī)劃的同時，還要考慮當它們協(xié)同作業(yè)時的協(xié)調(diào)問題；第二點是實時通信，多機器人協(xié)同運動規(guī)劃對實時性的要求很高，多個機器人之間的通信與感知是影響工作性能的重要因素，高實時性、低延遲的通信，會減少機器人發(fā)生碰撞的概率，提高機器人的生產(chǎn)效率；第三點是信息融合性，多機器人協(xié)同運動規(guī)劃的控制系統(tǒng)要復雜得多，需要的環(huán)境信息也會增多，多傳感器的融合就極為重要，通過信息融合技術(shù)，使機器人對周圍環(huán)境的信息采集更為準確與全面，為機器人運動規(guī)劃提供保障和支持[113]，是實現(xiàn)多機器人協(xié)同作業(yè)的智能化、自主化的前提和基礎(chǔ)。

1.3.5 機器人運動規(guī)劃的關(guān)鍵技術(shù)及難點

機器人的運動規(guī)劃是國內(nèi)外學者研究熱點，也是工業(yè)機器人技術(shù)的難點，運動規(guī)劃方法的好壞直接影響了工業(yè)機器人的工作效率和性能。機器人運動規(guī)劃的關(guān)鍵技術(shù)與難點有以下三點：一是運動規(guī)劃算法，運動規(guī)劃的核心就是算法，優(yōu)秀的運動規(guī)劃算法，能夠大大降低規(guī)劃的時間，減少外部噪聲干擾，提高運動規(guī)劃的時間與效率；二是傳感器技術(shù)，機器人進行運動規(guī)劃之前需要對周圍環(huán)境進行感知，判斷工作環(huán)境中的障礙物位置、末端執(zhí)行機構(gòu)位姿等信息，就需要通過傳感器來實現(xiàn)信息的采集工作，傳感器性能的好壞，直接影響了采集信息的準確度，會影響運動規(guī)劃的結(jié)果，是運動規(guī)劃的基礎(chǔ)；三是實時通信技術(shù)，多機器人協(xié)同運動規(guī)劃對通信的實時性要求很高，內(nèi)部機器人之間的通信、機器人與處理器的通信、傳感器與處理器的通信等，都會影響運動規(guī)劃的速度與效率，低延遲、高速率的通信是實現(xiàn)多機器人協(xié)同作業(yè)的基礎(chǔ)。

在多機器人協(xié)同問題的研究上，我國有多機器人避障MPF算法、基于人工勢場法的多機器人協(xié)同避障方法、EKF-SLAM算法、改進蟻群算法等方法，在降低避障規(guī)劃時間的同時，也提高了多機器人避障能力與效率，使得多機器人的路徑規(guī)劃能力、運動精度控制、協(xié)同作業(yè)效率等都有了較大的提高[114-117]。

國外則是提出了多機器人協(xié)同CCPP算法、基于區(qū)塊鏈的多機器人協(xié)作邊緣知識推理方法、基于或普菲爾德神經(jīng)網(wǎng)絡(luò)的多機器人覆蓋協(xié)作方法、多機械人分層共享控制方法等不同的控制方法，在提高多機器人協(xié)作的同時，也大大提高了多機器人生產(chǎn)效率[118-121]。

1.4 機器人運動控制

碼垛機器人能否穩(wěn)定運行與碼垛機器人的運動控制有很大的關(guān)系，機器人運動控制技術(shù)是指為使機器人完成各種任務(wù)和動作所執(zhí)行的控制手段，是工業(yè)機器人的核心技術(shù)，依據(jù)機器人控制部位的不同，可以分為位姿與軌跡控制、末端執(zhí)行機構(gòu)抓取控制兩大類。

機器人位姿是指末端執(zhí)行機構(gòu)相對于基座的位置和姿態(tài)，機器人軌跡一般指的是機器人各關(guān)節(jié)與末端執(zhí)行機構(gòu)的運動軌跡。機器人位姿與軌跡控制是保證機器人按照程序完成預定動作的基礎(chǔ)。常用的方法有模型控制法、模糊控制法、PID控制法、魯棒控制法和反演控制法等。

模型控制法來自于自動控制理論，是根據(jù)機器人機械結(jié)構(gòu)、性能參數(shù)、運動學特性、動力學特性等進行數(shù)學建模的控制方法，常用的有前饋補償控制、計算力矩法、最優(yōu)控制法、非線性反饋控制法等，適合能精確得到數(shù)學模型的控制系統(tǒng)。

模糊控制是以模糊集合論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的控制技術(shù)，其基本思想是利用計算機來實現(xiàn)人的控制經(jīng)驗，用編程語言將專家的控制經(jīng)驗與知識表達成具有相當模糊性的控制規(guī)則，模糊控制不需要建立被控對象的精確數(shù)學模型，因此控制系統(tǒng)設(shè)計簡單，使用方便[122]。

PID控制也稱比例積分微分控制，是最早發(fā)展起來的控制方法，PID控制器以其結(jié)構(gòu)簡單、穩(wěn)定性好、工作可靠、調(diào)整方便等特點而成為工業(yè)控制的主要技術(shù)。PID控制工業(yè)應(yīng)用十分廣泛，適合于被控對象復雜，且得不到精確數(shù)學模型時的控制場合，但是PID控制難以保證被控對象的動態(tài)和靜態(tài)品質(zhì)，控制量較大。

魯棒控制是采用魯棒控制器的控制方法，魯棒性是指控制系統(tǒng)在一定參數(shù)攝動下，維持某些性能的特性。魯棒控制器控制實現(xiàn)簡單，使用方便，容易保證系統(tǒng)穩(wěn)定性。適用于情況多變、穩(wěn)定裕度小的系統(tǒng)。但由于魯棒控制系統(tǒng)一般不會在最優(yōu)狀態(tài)下工作，因此系統(tǒng)的穩(wěn)態(tài)精度較差。

反演控制法是20世紀90年代初發(fā)展起來的非線性系統(tǒng)反饋控制方法，是利用層疊設(shè)計的方法，將系統(tǒng)中的一些狀態(tài)變量看成虛擬控制量，并分別設(shè)計它們的控制規(guī)律，最終獲得系統(tǒng)實際的控制輸入。反演控制可以將復雜的非線性系統(tǒng)分解成簡單的低階次子系統(tǒng)，大大降低了控制難度，具有控制過程明晰、非線性系統(tǒng)控制效果好等優(yōu)點，適用于可以狀態(tài)線性化和參數(shù)反饋不確定的復雜非線性系統(tǒng)。

末端執(zhí)行機構(gòu)抓取控制是為了保證物料抓取時的穩(wěn)定性與準確性，保證在抓取過程中不破壞物料，不發(fā)生掉落。末端執(zhí)行機構(gòu)抓取常用的控制方法有神經(jīng)網(wǎng)絡(luò)控制、自適應(yīng)控制等。

神經(jīng)網(wǎng)絡(luò)控制是20世紀80年代發(fā)展起來的智能控制領(lǐng)域的前沿學科，是人工神經(jīng)網(wǎng)絡(luò)理論與控制理論相結(jié)合的產(chǎn)物，神經(jīng)網(wǎng)絡(luò)控制主要應(yīng)用在復雜的非線性、不確定系統(tǒng)的控制問題上，可以實現(xiàn)對機器人動力學方程中未知部分的精確逼近，從而實現(xiàn)機器人的高精度跟蹤。但當神經(jīng)網(wǎng)絡(luò)的層數(shù)太多或者算法復雜時工程應(yīng)用比較困難[123]。

自適應(yīng)控制是基于數(shù)學模型控制方法的一種，當被控對象數(shù)學模型在工況改變以后，其動態(tài)參數(shù)乃至整個數(shù)學模型的結(jié)構(gòu)也可能會發(fā)生變化，自適應(yīng)控制能夠自動地對數(shù)學模型進行補償，能自動修正系統(tǒng)特性來適應(yīng)外部環(huán)境的變化，是能使系統(tǒng)保持在最優(yōu)或次優(yōu)工作狀態(tài)的控制方法，具有容錯能力強、操作簡單、語言使用方便等優(yōu)點，但控制精度和系統(tǒng)動態(tài)品質(zhì)較差、收斂時間慢、控制消耗時間長[124]。

上面所介紹的控制方法，都是比較基礎(chǔ)和典型的，但是控制方法本身都存在某些缺陷與不足，已經(jīng)不適合現(xiàn)在的智能控制要求，國內(nèi)外學者對這些方法進行了改進與創(chuàng)新。

我國控制方法的創(chuàng)新主要是多種控制方法的融合與改進，模糊算法有著控制設(shè)計簡單，能應(yīng)用復雜非線性系統(tǒng)的優(yōu)點，國內(nèi)學者將模糊算法與其他控制算法方法進行結(jié)合，例如與自適應(yīng)算法結(jié)合，提出自適應(yīng)模糊控制方法，能減少軌跡誤差，提高運動控制精度[125]。與PID算法結(jié)合，提出了模糊PID算法，解決了傳統(tǒng)PID算法控制精度低、跟蹤誤差大等缺點[126]，能減小末端執(zhí)行機構(gòu)的運動誤差[127]；自適應(yīng)控制具有使系統(tǒng)能保持最優(yōu)或次優(yōu)的工作狀態(tài)的能力，具有自我修正參數(shù)的能力，自適應(yīng)控制與魯棒控制的結(jié)合，解決了魯棒控制系統(tǒng)的穩(wěn)態(tài)精度較差的問題，使得控制系統(tǒng)具有了暫態(tài)和穩(wěn)態(tài)性能好、系統(tǒng)運行平穩(wěn)、抗干擾能力強、跟蹤誤差小等優(yōu)點[128-129]；神經(jīng)網(wǎng)絡(luò)控制也同樣被應(yīng)用到其他控制方法之中，神經(jīng)網(wǎng)絡(luò)控制與魯棒控制相結(jié)合的神經(jīng)網(wǎng)絡(luò)魯棒控制方法，不僅能保證末端執(zhí)行機構(gòu)的精確控制與恒力控制，還對外界振動干擾有明顯的抑制效果[130]；神經(jīng)網(wǎng)絡(luò)應(yīng)用到數(shù)學模型控制之中，利用改進的神經(jīng)網(wǎng)絡(luò)建立機器人的逆運動學模型，可以解決傳統(tǒng)方法求解速度慢、計算量大、通用性差等問題[131]，還能降低最大跟蹤誤差，提高軌跡跟蹤精度[132]；神經(jīng)網(wǎng)絡(luò)控制、PID控制、模糊控制三者的結(jié)合，模糊神經(jīng)網(wǎng)絡(luò)PID控制技術(shù)，這種控制系統(tǒng)對模型的依賴性小，魯棒性強，控制精度高，消耗時間少，可以實現(xiàn)路徑追蹤的自適應(yīng)調(diào)節(jié)[133]。

國外的機器人控制和國內(nèi)相似，也是多種控制方法的融合與創(chuàng)新，例如使用MATLAB與Simscape Multibody等軟件對工業(yè)機器進行物理建模，輔助提高機器人數(shù)學模型的準確性[134]或使用具有積分補償?shù)哪Ｐ皖A測控制方法（MPC-I），該方法補償了系統(tǒng)匹配不確定性，提高機器人數(shù)學模型的準確性[135]。自適應(yīng)控制與模糊控制、魯棒控制、PID控制等控制方法進行結(jié)合，例如有自適應(yīng)模糊控制方法，能夠提高跟蹤控制的正確性和準確性，能夠提高對未知環(huán)境的動態(tài)抗干擾能力[136-137]。有自適應(yīng)魯棒控制，它是依據(jù)機器人執(zhí)行機構(gòu)在任務(wù)空間中的機器人動力學，通過結(jié)合自適應(yīng)魯棒控制規(guī)律，對機器人進行運動控制，能夠顯著降低工業(yè)機器人在外部擾動和參數(shù)不確定性下的相對跟蹤誤差[138-139]。還有自適應(yīng)PID控制，它吸收了自適應(yīng)控制與PID控制兩者的優(yōu)點。它具備自學習、自適應(yīng)的能力，能夠自動識別被控過程參數(shù)，自動整定控制參數(shù)，能夠適應(yīng)被控過程參數(shù)的變化，又有常規(guī)PID控制器結(jié)構(gòu)簡單、魯棒性強、可靠性高的特點[140]。還有自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制，可用于工作環(huán)境有干擾的情況，可以實現(xiàn)機器人機械臂精確的輸出跟蹤并保證機械臂運動與抓取過程的穩(wěn)定性[141-142]。

1.5 機器人的編程

機器人編程是為使機器人完成某種任務(wù)而設(shè)置的動作順序描述，機器人運動和作業(yè)的指令都是由程序進行控制，常見的編程方法有示教編程、離線編程和自主編程等三種方法。

示教編程是目前使用最廣泛的編程方式，應(yīng)用范圍較廣，示教編程按照使用輔助工具的不同可以分為在線示教編程、輔助示教編程兩大類。

在線示教編程是指由操作人員通過示教盒進行編程的方法，通過示教盒控制機械手工具末端到達指定的姿態(tài)和位置，記錄機器人位姿數(shù)據(jù)并編寫機器人運動指令，完成機器人在正常加工中的軌跡規(guī)劃、位姿等關(guān)節(jié)數(shù)據(jù)信息的采集、記錄、操作簡便直觀[143]。

但在高溫、高熱、高輻射、水下等惡劣工作環(huán)境中，編程人員無法進入，在線示教編程無法使用，為了解決上述問題，發(fā)展出了借助輔助工具進行在線編程的方法，即輔助示教編程，如激光傳感器輔助編程、力覺傳感器輔助示教，通過激光反饋信號或力反饋信號來識別工作環(huán)境和障礙物，這些方法能提高在惡劣環(huán)境中在線編程的精度和可行性，也有學者采用激光視覺和力傳感輔助相結(jié)合的示教技術(shù)，通過激光視覺傳感提取特征點作為示教點，再有力傳感器進行辨別，不僅提高了識別精度還加快了生產(chǎn)效率。

在線編程方法編程效率低、需要實際的機器人系統(tǒng)與環(huán)境、必須停機狀態(tài)下編程、編程質(zhì)量受編程人員影響較大，已經(jīng)不適合現(xiàn)在的生產(chǎn)需要。

離線編程則是采用傳感器技術(shù)和CAD技術(shù)，建立機器人系統(tǒng)模型，對編程結(jié)果進行圖形仿真檢測是否可行，最后將生成的代碼傳遞給機器人控制器控制機器人運行；與在線編程相比，離線編程可以減少機器人停機時間，編程過程較為簡單[144]。目前有許多學者將工業(yè)機器人的離線編程技術(shù)與先進制造技術(shù)相結(jié)合，將可視化軟件與編程軟件結(jié)合，增加了VR、AR、CAD/CAM等技術(shù)的應(yīng)用，實現(xiàn)了立體化、可視化、虛擬化的編程，能夠進行場景的搭建和系統(tǒng)的仿真，提高編程直觀性[145-146]。

與示教編程相比，離線編程具有如下優(yōu)點：提高了工作安全性，減少中途停機時間，應(yīng)用范圍廣，便于機器人程序的修改，編程的直觀性，編程難度低。離線編程也存在許多問題，離線編程各個環(huán)節(jié)還是孤立的，沒用形成一體化編程，編程環(huán)節(jié)分散，而且離線編程軟件的使用成本較高，使用復雜，所以對于中小型機器人企業(yè)用戶而言，性價比不高，不能帶來實際的經(jīng)濟效益。

自主編程技術(shù)是機器人應(yīng)用外部傳感器能夠?qū)崿F(xiàn)工作環(huán)境的全方位感知和工件的信息識別，將感知的信息作為輸入，通過智能算法進行自動編程的技術(shù)。自主編程按照應(yīng)用傳感器的不同，可分為三種：基于激光的自主編程、基于視覺的自主編程、基于多傳感器的自主編程[147]。

基于激光的自主編程是將結(jié)構(gòu)光傳感器安裝在機器人的末端，形成手上有眼的工作方式，通過結(jié)構(gòu)光傳感器進行周圍環(huán)境的識別，實現(xiàn)進行路徑的自動規(guī)劃，實現(xiàn)自主編程；基于視覺的自主編程是利用視覺反饋的來實現(xiàn)機器人路徑自主規(guī)劃，主要原理是在一定條件下，由主控計算機通過視覺相機進行識別，通過優(yōu)化算法來求出空間軌跡、位置與姿態(tài)。實現(xiàn)工業(yè)機器人的編程工作；多傳感器信息融合自主編程是利用多種高精度傳感器，例如視覺傳感器、位置傳感器、立傳感器等構(gòu)成一個高精度的運動規(guī)劃系統(tǒng)。該系統(tǒng)集成了位移、力、視覺控制，引入視覺伺服，可以根據(jù)傳感器反饋信息來執(zhí)行動作，實現(xiàn)自主實時編程[148]。

自主編程技術(shù)是未來機器人編程發(fā)展的趨勢，自主編程與離線編程和示教編程相比，自動化、智能化程度更高，自適應(yīng)能力更強，更適合現(xiàn)在的生產(chǎn)需要，搭配先進智能算法，可以將自主編程的效率最大化。

我國的機器人編程技術(shù)發(fā)展主要還是以離線編程和自主編程為主，離線編程技術(shù)可以與CAD/CAM等技術(shù)結(jié)合，實現(xiàn)可視化、虛擬化的編程，國內(nèi)將三維設(shè)計軟件SolidWorks和數(shù)字化制造軟件DELMIA作為機器人離線編程系統(tǒng)的二次開發(fā)平臺，縮短了離線編程時間，減少了工作量，為機器人編程工作提供了一種新的高效的方法[149-150]，通過將激光視覺與機器視覺等引入到自主編程系統(tǒng)中，增加自主編程的適應(yīng)性與可靠性，提高了機器人編程效率，實現(xiàn)機器人編程的自動化與智能化[151-152]。

國外的機器人編程主要也是以離線編程與自主編程為主，將可視化工具包（VTK）應(yīng)用到工業(yè)機器人的離線編程中，可以顯示機器人工作系統(tǒng)的三維模型，實現(xiàn)編程可視化，降低了編程的難度[153]。使用Kinect模塊，可以實現(xiàn)通過手勢與語言命令實現(xiàn)離線編程的可能，為機器人編程開辟了新的方式，并將3D視覺系統(tǒng)應(yīng)用到工業(yè)機器人程序當中，通過3D視覺系統(tǒng)的鏡面校正確定機器人的運動偏差，對機器人軌跡與路徑數(shù)值進行補償，機器人進行自動參數(shù)修正，提高了機器人運動精度[154]。將各種外部傳感器應(yīng)用到機器人自主編程當中，使得機器人能夠全方位感知真實環(huán)境，構(gòu)建更精準的環(huán)境模型，自動進行工件信息識別，確定工藝參數(shù)，大大提高了機器人的自主性和適應(yīng)性[155]。

2 國內(nèi)應(yīng)用現(xiàn)狀

我國碼垛機器人研發(fā)起步較晚，總體水平較國外先進碼垛機器人還是有很大的差距，企業(yè)的自動化程度較低，國外先進碼垛機器人引進和使用較為困難，只有在部分外企或者大型企業(yè)，才會大規(guī)劃使用自動化碼垛機器人，使用范圍主要包括工業(yè)、物流業(yè)、農(nóng)業(yè)等，近些年，碼垛機器人使用頻率正在提高，碼垛機器人已經(jīng)成為企業(yè)降低生產(chǎn)成本，提高產(chǎn)品的競爭力的重要部分[156]。

在工業(yè)應(yīng)用方面，主要是實現(xiàn)工業(yè)產(chǎn)品生產(chǎn)過程中的碼垛和搬運工作，我國這方面的研究較多，比如沈陽新松機器人自動化公司研發(fā)的關(guān)節(jié)型碼垛機器人SRM300，為四軸碼垛機器人，采用輕量化設(shè)計，機械結(jié)構(gòu)緊湊，維護成本較低，耐磨性好，可以同時滿足多條生產(chǎn)線末端的碼垛任務(wù)；埃夫特機器人研發(fā)ER180-C204型四軸碼垛機器人，重復定位精度達到±0.4 mm，具有高速碼垛搬運功能，高速，穩(wěn)定，適用于碼垛、拆垛等場合。

在物流方面，碼垛機器人也同樣重要，物料的搬運、碼垛、分揀都離不開工業(yè)機器人，京東的“亞洲一號”無人倉，無論是訂單處理能力，還是自動化設(shè)備的綜合匹配能力，都處于行業(yè)領(lǐng)先水平，能夠達到這樣高的水平，也離不開倉庫使用自動化碼垛機器人系統(tǒng)的緣故，也有學者針對目前煙草物流中心異型煙采用人工分揀的問題[157]，研發(fā)了一套可以自動分撿和包裝的全自動異型煙碼垛及包裝流水線，實現(xiàn)了異形煙碼垛難度大，只能人工碼垛的難題，大大提高了煙草物流中心的碼垛和包裝的效率，降低了生產(chǎn)成本。

在農(nóng)業(yè)生產(chǎn)方面，碼垛機器人的應(yīng)用也十分廣泛，我國是農(nóng)牧業(yè)大國，也是養(yǎng)殖業(yè)大國，飼料加工是養(yǎng)殖業(yè)必不可少的一個重要環(huán)節(jié)，但是飼料加工過程中必然會導致高濃度的粉塵，高濃度粉塵對于工人的身體傷害非常大，在這樣惡劣環(huán)境中，人工碼垛顯然已經(jīng)不適合生產(chǎn)需要，有學者設(shè)計了一款全自動碼垛機器人代替人工進行飼料碼垛作業(yè)[158]，極大改善了工人的工作環(huán)境，提高了企業(yè)的生產(chǎn)效率。

3 國內(nèi)碼垛機器人發(fā)展存在的問題及對策

3.1 國內(nèi)碼垛機器人存在的問題

盡管我國近些年碼垛機器人的研發(fā)水平和相關(guān)技術(shù)都有了巨大的進步，自主研發(fā)也取得了很大的成果，但是還是存在著一些問題需要進行改進，存在著一些技術(shù)壁壘需要突破。

（1）智能化程度較低

現(xiàn)在的碼垛機器人已經(jīng)不單單是自動化，已經(jīng)向著智能化靠攏。隨著互聯(lián)網(wǎng)技術(shù)和物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，已經(jīng)對碼垛機器人提出了新的要求，在高速生產(chǎn)的節(jié)奏下，具有很高的準確度，具有智能保護措施，具有很強的自主適應(yīng)性。既能夠保護工作人員免受傷害，也能保護機器能夠平穩(wěn)、安全地運行，在發(fā)生問題后，能自我解決，這是我國碼垛機器人所不具備的能力[159]。

（2）核心部件依賴進口

工業(yè)機器人的核心零部件有控制器、伺服電機、減速機、傳感器等，控制器是機器人的大腦，負責進行數(shù)據(jù)的處理與計算；伺服電機是工業(yè)機器人的動力系統(tǒng)，是機器人的心臟；減速機是連接動力源與執(zhí)行機構(gòu)之間的傳動機構(gòu)，可以使得電機傳出的轉(zhuǎn)矩提升；傳感器就是機器人的眼睛和觸覺，負責環(huán)境信息的采集。部分核心部件已經(jīng)實現(xiàn)了國產(chǎn)化，綠的諧波生產(chǎn)的減速器已經(jīng)廣泛應(yīng)用于工業(yè)機器人，打破了國外的壟斷，但是部分核心零部件任然無法實現(xiàn)國產(chǎn)化，依舊掌握在國外企業(yè)的手中，國內(nèi)需要進口才可以使用。

（3）智能算法自主研發(fā)能力差

智能算法是碼垛機器人乃至所有機器人的控制核心，無論是機器人的運動規(guī)劃、機器人抓取穩(wěn)定性、機器人程序的編寫、多機器人協(xié)同等都離不開智能算法，我國的智能算法研究近些年雖然取得了很大的進步，但是相較于國外發(fā)達水平，仍有很大的差距，科研人員研究出新的智能算法，在工程實際中應(yīng)用較少，不適合實際生產(chǎn)環(huán)境，導致國內(nèi)工業(yè)機器人只能應(yīng)用國外已經(jīng)落地的智能算法，減緩了國內(nèi)智能算法工程應(yīng)用化進程。

（4）標準化程度較差

目前國內(nèi)碼垛機器人的設(shè)計是根據(jù)不同生產(chǎn)需求設(shè)計的，用戶需求多樣，因此設(shè)計出的碼垛機器人也是多種多樣，品種、樣式繁多，外觀也是各不相同，零部件的質(zhì)量也很難保證，很難形成一個統(tǒng)一的行業(yè)標準，不利于企業(yè)的規(guī)范化，標準化，后期維修和養(yǎng)護的成本也較高。

3.2 解決的對策

（1）核心零部件國產(chǎn)化

在中國制造2025與中美貿(mào)易摩擦的大背景下，國產(chǎn)化替代已經(jīng)顯得極為重要，卡脖子技術(shù)將嚴重制約我國的發(fā)展，工業(yè)機器人也不例外，將工業(yè)機器人核心部件，伺服電機、減速器、控制器、傳感器等核心零部件進行國產(chǎn)化替代，將核心技術(shù)掌握在自己的手中，才能不受制于他人，才能夠?qū)崿F(xiàn)制造業(yè)高質(zhì)量發(fā)展。

（2）加強碼垛機器人智能化建設(shè)

碼垛機器人智能化離不開傳感器技術(shù)、智能算法等技術(shù)的快速發(fā)展，只有這些關(guān)鍵技術(shù)取得較大的進步，機器人智能化程度才能有所提高，將機器視覺與多傳感器技術(shù)相結(jié)合，搭配智能算法，就可以實現(xiàn)碼垛機器人自主環(huán)境識別、自主避障、自主定位碼垛、自主編程、自主運動規(guī)劃，實現(xiàn)碼垛機器人智能化。

（3）算法優(yōu)化

優(yōu)化算法的前提是有算法領(lǐng)域的高技術(shù)人才，人才是算法發(fā)展的重要動力，我國算法方面的人才嚴重不足，算法工程師十分稀缺，國家應(yīng)該大力培養(yǎng)算法技術(shù)人才，學習國外先進的算法，進行吸收與發(fā)展。高校、科研院所應(yīng)加強和企業(yè)的密切合作，使新技術(shù)能夠落地成為新的產(chǎn)品，加快技術(shù)轉(zhuǎn)換，避免各自為戰(zhàn)，發(fā)生重復性研究，降低研發(fā)效率，隨著相關(guān)技術(shù)人員的增加，我國工業(yè)機器人控制算法也會迎來巨大的進步[160]。

（4）構(gòu)建標準化體系

未來碼垛機器人一定會普及到各行各業(yè)，因此構(gòu)建標準化體系是非常重要的，做到零部件和機器的標準化、通用化、模塊化，大力發(fā)展多功能碼垛機器人，只有這樣才能降低碼垛機器人的生產(chǎn)成本，有利于碼垛機器人行業(yè)發(fā)展，也能降低后期維護和修理成本，碼垛機器人制造企業(yè)行業(yè)也應(yīng)該信息共享，共同制定行業(yè)標準和規(guī)范，實現(xiàn)行業(yè)的規(guī)范化，便于行業(yè)管理，便于完善售后體系。

4 總結(jié)與展望

本文從碼垛機器人的結(jié)構(gòu)優(yōu)化、末端執(zhí)行機構(gòu)設(shè)計與優(yōu)化、碼垛機器人的路徑規(guī)劃、軌跡規(guī)劃、避障規(guī)劃、多機器人協(xié)同規(guī)劃、機器人運動控制、碼垛機器人的編程、碼垛機器人國內(nèi)應(yīng)用現(xiàn)狀以及國內(nèi)碼垛機器人發(fā)展存在的問題及相應(yīng)對策等方面對碼垛機器人進行了詳細的介紹與說明，總結(jié)并提煉出未來的挑戰(zhàn)和方向：

碼垛機器人智能化是未來的發(fā)展趨勢，是實現(xiàn)智能制造的基礎(chǔ)，但目前碼垛機器人的智能化較低，很難滿足以后的生產(chǎn)需要，智能化發(fā)展離不開其他技術(shù)的支持，將多傳感器技術(shù)與機器視覺技術(shù)進行融合，提高機器人的環(huán)境感知與障礙物識別能力，提高自適應(yīng)性是未來機器人智能化的關(guān)鍵技術(shù)。

碼垛機器人的運動控制與編程都和算法息息相關(guān)，隨著智能算法的引入，碼垛機器人的運動規(guī)劃與編程等都有了巨大的進步，但是每種智能算法都有局限性，因此智能算法的結(jié)合可能會是未來的發(fā)展趨勢，通過算法的結(jié)合使用，能夠取長補短，最大限度地發(fā)揮各個算法的優(yōu)勢，實現(xiàn)效率最大化。

碼垛機器人的功能會隨著生產(chǎn)種類的變換而發(fā)生改變，單一碼垛功能的碼垛機器人將會被淘汰，搭配柔性機械手、仿生機械手的碼垛機器人將會是未來的發(fā)展方向，碼垛機器人會朝多功能、適應(yīng)性強、集成化、模塊化的方向發(fā)展和創(chuàng)新，用來適應(yīng)新的生產(chǎn)要求與生產(chǎn)環(huán)境。

隨著碼垛機器人應(yīng)用場景的多樣化，虛擬增強、圖像處理、機器視覺等智能技術(shù)的發(fā)展，碼垛機器人與人的人機交互性會有較大的提高，越來越人性化、智能化，可以通過傳感器與視覺融合技術(shù)，辨別和判斷機器人與人在接觸之前的狀態(tài)，避免發(fā)生碰撞，可以通過虛擬增強技術(shù)與5G技術(shù)，實現(xiàn)碼垛機器人遠程控制與編程，在高溫高濕等環(huán)境中避免對人員造成傷害，提高生產(chǎn)安全性。