面向机器人复杂操作任务的物体相对位姿符号化表征方法研究

《Engineering Applications of Artificial Intelligence》：Symbolic representation of objects relative poses for robotic manipulation tasks

本研究针对协作机器人编程中空间关系符号表征精度不足的问题，提出了一种可调分辨率的相对位姿符号化描述方法。通过建立三维空间网格划分和球面-立方体映射技术，实现了对物体相对位置和方向的定量符号表征。实验表明，该方法能有效支持复杂机床看护任务的语义编程，首次使用者成功部署率高达80%，系统可用性评分达84.83分，为工业机器人智能编程提供了新范式。

　　

在工业自动化领域，协作机器人（cobots）正以其友好的编程方式改变着生产模式。然而，现有的Blockly式编程界面仍需要用户手动定义程序逻辑流程，这限制了非专业用户对复杂任务的编程能力。近年来，符号人工智能（symbolic AI）的发展为机器人系统赋予了推理能力，使其能够通过单次示教学习新技能并理解语义。但现有方法依赖的空间符号表征存在明显局限：要么缺乏描述精度，要么过于特定于简单任务（如积木堆叠），难以适应真实的工业场景。

针对这一瓶颈，意大利米兰理工大学的研究团队在《Engineering Applications of Artificial Intelligence》上发表了一项创新研究。他们开发了一套可调谐的符号化系统，能够精确描述工作空间中物体间的相对位姿关系。该研究的核心突破在于建立了通用化的空间关系表征框架，通过量化符号取代传统的定性描述（如"上方""附近"），使机器人能够理解更精细的操作语义。

研究团队采用了基于划分的符号生成策略。对于相对位置，采用阈值可控的三维网格划分法，当物体间距小于设定阈值ρ时，系统会激活相应的位置符号。对于更复杂的相对方向表征，创新性地采用径向拉伸（Radial Stretching）将球面空间映射至立方体空间，并通过调整分区大小来降低符号激活的偏差度。实验显示，这种 distortion reduction partition 方法将方向符号激活的标准偏差降低了75.68%，显著提升了符号表征的均匀性。

为验证方法的实用性，研究团队设计了机床看护任务的实验平台。该任务要求机器人将具有9种稳定姿态的工作重新定向至唯一可被机床夹持的Pose₀姿态。通过编程示教（Programming by Demonstration, PbD）框架，用户可教授开门/关门、工件重定向、装载等技能。系统使用规划域定义语言（PDDL）对技能进行符号化编码，并集成Fast Downward符号规划器实现任务序列的自动生成。

4. Symbols for relative pose description

研究团队建立了可调谐的符号系统，通过设定不同的阈值和分区数量来适应不同精度的空间关系描述。在机床看护任务中，针对门状态检测设置了1.1米阈值和4个位置符号/方向，使门开关状态能被准确区分；针对工件姿态识别采用5个方向符号/方向（共125个符号），足以覆盖所有9种稳定姿态。

5. Use case: Machine tending

实验结果显示，符号规划器能在150毫秒内计算出最优动作序列，执行成功率达到100%。重规划策略确保了系统对执行失败或环境变化的鲁棒性。用户研究中，80%的首次使用者成功实现了复杂机床看护任务的机器人部署，系统可用性量表（SUS）评分达84.83分（A级），表明该方法具有优异的易用性。

6. Results and discussion

研究表明，该方法显著提升了符号人工智能在工业场景中的适用性。通过定量化的空间符号表征，机器人能够准确理解重定向操作等复杂技能的语义，实现了从简单演示到复杂任务自主规划的跨越。用户研究结果验证了非专业用户快速掌握该编程方法的可行性，为协作机器人在柔性制造中的广泛应用奠定了基础。

该研究的重要意义在于突破了传统符号表征的精度限制，建立了可扩展的空间关系描述框架。未来研究方向包括开发智能符号参数配置界面、拓展至更多教学模态（如虚拟现实示教），以及将该符号系统应用于语言指令处理、装配质量检测等更广泛的空间推理场景。这项技术为工业机器人真正实现"编程民主化"迈出了关键一步，使非专业用户也能高效部署复杂自动化任务。