[发明专利]对由机器人选择和抓取物体的自动化过程的优化

权利要求书

1.一种优化自动化过程的方法，所述自动化过程用于关于可预设的优化标准通过由多个机器人构成的布置中的机器人选择和抓取物体，其中，潜在待抓取的所述物体关于所述物体在空间中的位置以及所述物体到达的时间点不规律地出现，所述方法具有以下步骤：

-步骤S1：测定潜在待通过所述机器人抓取的物体；

-步骤S2：在考虑所述优化标准的情况下借助机器学习算法分别测定优先级标识以及潜在待抓取的物体是否与所述机器人中的一个对应，所述优先级标识控制共同对应于所述机器人的物体的优先级，所述机器学习算法考虑所述物体关于多个机器人的各工作范围的位置、其他的物体的以及多个机器人工作范围内的其他物体的位置和多个机器人可能的抓取过程以及优化标准；以及

-步骤S3：依据对应关系和所述优先级标识选择和抓取物体。

2.根据权利要求1所述的方法，其中，所述物体以传送带速度在传送带上移动。

3.根据权利要求1或2所述的方法，其中，使用监督学习算法或者强化学习算法作为所述机器学习算法。

4.根据权利要求3所述的方法，其中，使用基于人工神经元网络的算法作为所述机器学习算法。

5.根据权利要求1或2所述的方法，其中，使用基于实例的学习算法作为所述机器学习算法。

6.根据权利要求1或2所述的方法，其中，通过所述优化标准使能量消耗最小化。

7.根据权利要求1或2所述的方法，其中，对所述机器学习算法进行训练，使得所述机器人的轨道速度最小化，并且同时通过所述机器人抓取最多的潜在能抓取的物体。

8.根据权利要求1所述的方法，其中，通过所述优化标准最大化所述物体的通过量。

9.根据权利要求8所述的方法，其中，对所述机器学习算法进行训练，使得所述机器人的待机时间最小化，并且同时通过所述机器人抓取最多的潜在待抓取的物体。

10.根据权利要求8或9所述的方法，其中，对所述机器学习算法还进行训练，使得能变化地调节的传送带速度最大化。

11.根据权利要求1或2所述的方法，其中，借助传感器实现对潜在待抓取的物体的测定。

12.根据权利要求11所述的方法，其中，借助一个或者多个摄影机实现对潜在待抓取的物体的测定。

13.根据权利要求1或2所述的方法，其中，在训练阶段并且借助真实的物体施行对所述机器学习算法的训练。

14.根据权利要求1或2所述的方法，其中，在训练阶段借助对所述物体的模拟进行对所述机器学习算法的训练。

15.一种具有计算机程序的计算机程序产品，具有当所述计算机程序在受程序控制的装置上运行时，用于执行根据权利要求1至14中任一项所述的方法的构件。

16.一种具有计算机程序的计算机程序产品，具有当所述计算机程序在运动控制单元上运行时，用于执行根据权利要求1至14中任一项所述的方法的构件。

17.一种生产机器，具有用于控制机器人运动的运动控制器，其中，所述运动控制器执行根据权利要求1至14中任一项所述的方法。

18.一种包装机，具有用于控制机器人运动的运动控制器，其中，所述运动控制器执行根据权利要求1至14中任一项所述的方法。