[发明专利]用于机器人油漆修复的学习框架

权利要求书

1.一种提供机器人油漆修复的计算机实现的方法，所述方法包括：

a)由一个或多个处理器接收基底中的每个所识别的缺陷的坐标连同每个缺陷的特性；

b)由所述一个或多个处理器将所述基底中的所识别的缺陷的坐标连同机器人控制器模块控制机器人操纵器以使所述机器人操纵器的端部执行器紧密接近所述基底上的所识别的缺陷所需的任何附加数据一起传送到所述机器人控制器模块；

c)由所述一个或多个处理器将所述缺陷的特性和所述机器人操纵器的至少所述端部执行器的当前状态提供给策略服务器；

d)由所述一个或多个处理器从所述策略服务器接收基于先前学习的控制策略的修复动作；以及

e)由所述一个或多个处理器通过将指令传送到所述机器人控制器模块和端部执行器来执行所述修复动作以实现所述修复动作。

2.根据权利要求1所述的方法，其中所述修复动作包括用于砂磨工具的RPM的设定点、用于顺应力凸缘的控制输入、所述机器人操纵器的轨迹和总处理时间中的至少一者。

3.根据权利要求2所述的方法，其中所述机器人操纵器的所述轨迹作为与正在修复的所述缺陷的原点的时变位置偏移而被所述一个或多个处理器传送到所述机器人操纵器。

4.根据权利要求1所述的方法，还包括由所述一个或多个处理器接收每个缺陷的特性，所述特性包括来自端部执行器传感器的本地收集的原位检查数据。

5.根据权利要求4所述的方法，还包括：f)由所述一个或多个处理器向机器学习单元提供所述原位数据，以用于使用条纹图案投影、偏折法和用相机进行的漫反射或正常白光的强度测量中的至少一者来创建学习更新。

6.根据权利要求5所述的方法，还包括所述一个或多个处理器重复步骤c)-f)，直到令人满意地修复所识别的缺陷。

7.根据权利要求1所述的方法，其中所述修复动作包括在所识别的缺陷的位置处砂磨所述基底。

8.根据权利要求1所述的方法，其中所述修复动作包括在所识别的缺陷的位置处抛光或磨光所述基底。

9.根据权利要求1所述的方法，还包括所述一个或多个处理器接收与由所述修复动作产生的修复的质量相关的质量数据，并且将所述缺陷的所述特性和所述质量数据提供给所述策略服务器以供记录。

10.根据权利要求9所述的方法，还包括所述一个或多个处理器实现机器学习模块，所述机器学习模块运行学习更新以基于特定的识别缺陷和对所执行的修复的后续评估来改善来自所述策略服务器的未来修复动作。

11.根据权利要求10所述的方法，还包括所述一个或多个处理器使用在所述修复动作的执行期间和/或之后收集的传感器反馈将修复识别为良好或不良，并且实现强化学习以开发针对所识别的缺陷的修复动作。

12.根据权利要求11所述的方法，其中通过将所识别的缺陷的原始成像数据映射到修复动作，基于所述修复动作的质量而分配回报，以及识别使所述回报最大化的策略，来实现所述强化学习。

13.根据权利要求12所述的方法，其中所述强化学习被实现为基于马尔可夫决策过程(MDP)的强化学习任务。

14.根据权利要求13所述的方法，其中所述MDP为有限MDP，其具有至少使用初始状态、砂磨状态、抛光状态和完成状态在MDP转换图中实现的任务，其中所述初始状态被增强以将所识别的缺陷包括在其原始、未改变的状态中，所述砂磨状态和所述抛光状态分别发生在砂磨动作和抛光动作之后，并且所述完成状态标记所述修复过程的结束。