[发明专利]用于机器人油漆修复的学习框架

说明书

本发明公开了一种用于提供机器人油漆修复的方法和相关联的系统，该方法和相关联的系统包括接收基底中的所识别的缺陷的坐标连同该缺陷的特性，以及将该坐标连同控制机器人操纵器以使该机器人操纵器的端部执行器紧密接近该基底上的所识别的缺陷所需的附加数据一起传送到机器人控制器模块。将该缺陷的特性以及至少该端部执行器的当前状态提供给策略服务器，该策略服务器提供基于由机器学习单元更新的先前学习的控制策略的修复动作。通过将用于修复动作的指令传送到该机器人控制器模块和端部执行器来执行该修复动作。

技术领域

本申请涉及用于学习和执行油漆应用(例如，底漆砂磨、清漆涂层缺陷去除、清漆涂层抛光等)的自动化缺陷特定修复的框架。所公开的技术使用用于检查、分类和策略优化的最先进的机器学习方法来使领域特定的过程专门知识的生成和利用自动化。

背景技术

清漆涂层修复是汽车原始装备制造(OEM)部门中要自动化的最后操作中的一项操作。期望用于使该过程以及适于使用磨料和/或机器人检查和修复的其他油漆应用(例如，底漆砂磨、清漆涂层缺陷去除、清漆涂层抛光等)自动化的技术。另外，该问题在售后部门还未得到解决。

使油漆缺陷的检测和修复自动化的早期工作包括美国专利公布2003/0139836中描述的系统，该专利公布公开了使用电子成像来检测和修复车身上的油漆缺陷。该系统参考车辆成像数据与车辆CAD数据，以形成每个油漆缺陷的三维油漆缺陷坐标。油漆缺陷数据和油漆缺陷坐标用于开发用于使用多个自动化机器人进行自动化修复的修复对策，该自动化机器人执行多种任务，包括砂磨和抛光油漆缺陷。修复对策包括路径和处理参数、工具以及机器人选择。力反馈传感器可用于控制修复过程。附加任务可包括生成机器人路径和工具参数、执行质量数据记录和错误报告。然而，没有提供修复过程的细节。另外，该系统不应用图案匹配或机器学习技术来帮助识别缺陷或确定用于校正缺陷的最佳过程。

美国专利公布2017/0277979公开了在车辆检查系统中使用图案分类器来从图像中识别缺陷，该图像是通过将光照射在固定位置处的镜面上并且使用固定相机测量反射光而生成的。通过使用图像构建车辆模型和颜色的图像训练集来训练图案分类器以改善缺陷检测结果。训练集中的图像由人或机器检查以识别哪些图像和哪些像素具有缺陷。然而，没有公开用于校正所识别的缺陷的自动化技术。

美国专利9811057公开了使用机器学习通过观察状态变量来预测电机的寿命，该状态变量包括检测电机的操作状态的传感器的输出数据和与电机中存在或不存在故障相关的数据。学习单元根据训练数据集学习与电机的预测寿命相关联的条件，该训练数据集基于状态变量和所测量的电机的实际寿命的组合而创建。

申请人可能不应用机器学习技术来以自动化方式识别和修复油漆缺陷。另外，现有技术系统不考虑客户用来检查和校正油漆缺陷的自动化过程中的变化。期望用于使此类过程自动化的改进技术。

发明内容

现在描述各种示例以便以简化形式引入概念的选择，这些概念在下面的具体实施方式中进一步描述。发明内容并非旨在识别受权利要求书保护的主题的主要特征或本质特征，也不旨在用于限制受权利要求书保护的主题的范围。

本文所述的系统和方法解决了机器人研磨处理问题，即基于每个部件几何形状和检查/反馈连同学习新过程和/或适应客户的过程偏差的能力来提供领域和问题特定的最佳过程。本文所述的系统和方法用作传统应用工程技术的数字化，其方式是通过提供成本有效的最佳解决方案来坚持彻底改变磨料被消耗的方式，该最佳解决方案以保护客户和磨料制造商的领域特定的知识的方式针对客户的应用和磨料制造商的特定磨料产品进行定制。虽然描述了提供机器人油漆修复，该机器人油漆修复包括底漆、油漆和清漆涂层的修复，但应当理解，本文所述的技术适用于除油漆修复之外的其他工业应用。