受限空间内晶圆搬运机械手的轨迹规划
《Control Engineering Practice》:Trajectory planning for wafer transfer manipulators in confined spaces
【字体:
大
中
小
】
时间:2026年09月23日
来源:Control Engineering Practice 5.3
编辑推荐:
摘要
在集成电路制造过程中,在真空腔体内运行的晶圆传输机械臂面临多重约束,包括工作空间受限、高速运行和低能耗。传统轨迹规划方法往往难以同时满足运动精度、执行效率和能量性能。为解决这一问题,本文将空间约束转化为最小化扫掠面积的优化目标,同时将高速和低能耗需求转化为时间最优和力矩
摘要
在集成电路制造过程中,在真空腔体内运行的晶圆传输机械臂面临多重约束,包括工作空间受限、高速运行和低能耗。传统轨迹规划方法往往难以同时满足运动精度、执行效率和能量性能。为解决这一问题,本文将空间约束转化为最小化扫掠面积的优化目标,同时将高速和低能耗需求转化为时间最优和力矩 - 角位置最优目标。选择四阶 S 曲线轨迹的时间参数 td、tj、ta 和 tv 作为优化变量。通过考虑运动学、动力学和执行器可行性约束,构建了一个多目标优化问题。基于空间坐标变换、α 球理论和鞋带公式,推导了扫掠面积。通过增强薛定谔优化算子 (SRA) 的探索 - 开发过渡机制,并将其与非支配排序 (NS) 结合,提出了一种名为 NSESRA 的多目标优化算法来解决该问题,实现扫掠面积、执行时间和能耗之间的平衡。对比结果表明 NSESRA 优于其他算法。此外,实验平台验证了优化结果的可行性。
引言
晶圆传输机械臂是集成电路芯片制造中负责晶圆传输的重要设备,广泛用于光刻 (Del Puerto, Roux, & Kreuzer, Kim, Yu, 2026)、刻蚀 (Geng, 2005) 和量测 (Chen et al., 2013) 等关键工艺设备中。随着集成电路制造工艺的进步,许多工艺步骤需要在高真空环境中进行。然而,真空腔体的建造和维护成本极高,且成本随腔体体积指数增长 (Okabe and Somaya, 2023)。此外,每次晶圆从大气环境转移进入真空腔体后,都需要再次抽真空以建立真空条件。如果腔体体积过大,抽气时间会变长,导致生产效率降低和经济性能变差。因此,在真空腔体设计过程中最小化腔体空间具有重要意义。由于晶圆传输腔体必须为真空机械臂执行晶圆传输操作提供足够的空间,且真空机械臂沿预定轨迹移动,因此规划一条既能满足传输要求又能占用尽可能少空间的轨迹至关重要。
真空腔体构成了一个受限空间。这种受限空间为机器人运动规划带来了独特挑战。例如,在核聚变反应堆的真空容器维护任务中,H. Durocher 等人针对 EU-DEMO 聚变电厂在真空环境中重型负载垂直运输需求进行了动力学建模和轨迹优化研究,最终实现了单段移除时间为 41 至 52 分钟的最优轨迹 (Durocher et al., 2026)。该研究为真空环境中重型、低速运动系统的轨迹规划提供了重要参考。在更为受限的工业制造环境中,例如飞机部件和航天舱室的机器人铣削,Su 等人提出了一种基于势场网络的三维姿态规划方法,以解决多约束下姿态轨迹的可行性和可扩展性问题 (Su et al., 2026)。这些研究表明,机器人在真空或受限空间中的运动不仅要避免与环境碰撞,还要满足复杂的任务约束,这大大增加了规划问题的非线性和复杂性。Zhao 等人引入了 CO-DOSP 框架,该框架将凸分解和双感知优化整合到分层规划方法中,解决了受限和任务约束工作空间中的运动规划挑战 (Jin et al., 2026)。Li 等人基于“物理分层采样”策略,该策略在关键安全区域分配加权配额并执行对称边界约束,提出了一种“占用感知神经距离感知”框架,实现了机器人在托卡马克真空容器等受限空间中的避障 (Li and Chou, 2026)。总体而言,这些研究逐渐建立了机器人受限空间运动规划的研究范式。然而,现有方法大多面向重型、低速或低动态任务,缺乏一种同时满足晶圆传输机械臂所需高速和低能耗的轨迹规划解决方案。
半导体制造任务对生产节拍提出严格要求,使高速运动成为确保吞吐量的必要条件。同时,需要严格的能耗控制,应在满足性能要求的前提下最小化能量使用,这对轨迹规划提出了更高要求。受限空间内真空机械臂的轨迹规划问题本质上是一个多约束轨迹规划问题。在轨迹规划期间,不仅需要考虑到受限空间中的传输任务要求、边界约束、机械臂奇异构型和运动干涉等运动学因素 (Ottaviano, Husty, Ceccarelli, 2006, Sen, Singh, 2008, Yang, Wang, Zhang, Chen, 2010),还要综合考虑动力学约束、执行器物理可行性约束、能耗和传输速度,这使得问题极具挑战性。
已有大量研究致力于机械臂轨迹规划,主要努力集中在优化目标的构建和优化算法的开发上。
在优化目标设计方面,Wang 等人指出,在执行时间、平滑度和能耗方面实现最优性能对于实现高速高精度机器人控制至关重要 (Wang et al., 2021)。Bobrow (Bobrow et al., 1985)、Shin (Shin and McKay, 1985) 和 Pfeiffer (Pfeiffer and Johanni, 1986) 对以时间最优为主要目标的轨迹规划方法进行了广泛研究,并在运动学约束下获得了时间最优轨迹。Gasparetto (Gasparetto and Zanotto, 2007) 将加速度和执行时间纳入目标函数,并采用五次 B 样条曲线构建关节轨迹,同时约束速度、加速度和加加速度的上限,从而在运动学约束下获得平滑度最优轨迹。Chettibi 等人 (2004) 应用序列二次规划在动力学约束下获得能耗最优轨迹。Cong 等人 (2010) 采用模糊遗传算法推导了执行时间和冲击联合优化的轨迹。Chettibi (2006) 进一步使用遗传算法在关节力矩、力矩波纹、加速度和速度约束下获得时间和能耗联合优化的轨迹。
此外,根据文献综述,大多数现有的机械臂轨迹规划研究主要集中在大气环境机械臂上,且主要考虑运动学约束。动力学约束通常未被全面纳入,且真空环境对轨迹规划的具体影响也未被明确解决。此外,真空腔体中的受限空间大大增加了寻找可行轨迹解的难度,并使优化算法更容易陷入局部最优。现有研究也很少考虑半导体制造的严格要求,即必须同时实现高精度、高吞吐量和低能耗,这对轨迹规划提出了更具挑战性的要求。
在优化算法方面,解决多目标优化问题通常采用两种主要策略。一种策略是使用加权目标函数将多目标优化问题转化为单目标问题 (Marler, Arora, 2010, Odu, Charles-Owaba, 2013),然后基于单目标优化进行轨迹规划。然而,这种转化要求研究人员对轨迹规划中每个优化目标的相对重要性有清晰的理解,这在大多数情况下难以满足。此外,不同优化目标的量纲通常不一致,使得在加权过程中适当地考虑尺度差异极具挑战性。
另一种策略是直接采用多目标优化算法同时优化多个目标。基于帕累托前沿的概念,可以获得覆盖所有优化目标的非支配解集 (Tu?ar and Filipi?, 2014),然后使用层次分析法 (AHP) (Wu et al., 2017) 评估解集,并选择排名第一的解作为最终最优结果。多目标优化算法通常包括以下步骤:种群初始化,从父代个体生成子代,通过子代比较选择优秀个体,迭代更新。关于子代的生成,研究人员开发了许多启发式算法,如遗传算法 (GA) (Holland, 1992)、粒子群优化 (PSO) (Marini and Walczak, 2015)、灰狼优化器 (GWO) (Faris et al., 2018) 和差分进化 (DE) (Das and Suganthan, 2010)。然而,在解决复杂优化问题时,现有算法通常存在早熟收敛问题,并倾向于陷入局部最优,这使得难以逃离局部最优区域,导致目标函数性能相对较低。
因此,提高搜索能力、建立逃逸机制以及实现全局最优搜索以获得更高质量的目标值已成为重要的研究重点。Yin 等人提出了一种 DR-CMODE 算法 (Yin and Xiang, 2026b),该算法整合了四种差分进化算子,并采用随机激活机制来维持种群多样性。其关键创新在于一种自适应双排名融合策略,该策略根据可行解比例和迭代进度动态调整帕累托支配和约束支配之间的权重,在早期鼓励全局探索以防止早熟收敛,并在后期引导种群向最优帕累托前沿收敛。Yin 等人提出了一种 ADE-MIFS 算法 (Yin and Xiang, 2026a),该算法构建了一个包含多个变异算子的算子池,并引入了基于汤普森采样的自适应选择机制。通过维持每个算子历史性能的概率分布,它实现了动态算子选择,自然地平衡了探索与开发。当种群面临陷入局部最优的风险时,该机制增加了探索导向算子的选择概率,实现了无需依赖环境交互训练的高效全局搜索。
薛定谔优化 (SRA) 算法是一种近期提出的元启发式优化算法,具有双更新机制,能够平衡概率探索与确定性开发,从而实现在高维和复杂搜索空间中的有效搜索 (Hussein et al., 2025)。与 GA 的繁殖、交叉和变异机制相比,SRA 算法融合了四个随机决策过程,并结合了随机性、量子波粒二象性、全局粗搜索和区域细搜索,显示出解决复杂优化问题的巨大潜力。然而,SRA 算法在处理早熟收敛和搜索行为方面仍有改进空间。因此,本文提出了三项增强:反馈驱动自适应过渡、密度感知切换和精英档案引导,并将改进后的算法称为 ESRA。
本文分析了真空腔体特性对轨迹规划的影响,并提出轨迹对应的扫掠面积作为量化指标。由受限空间引起的运动学约束被转化为最小化扫掠面积的优化目标,而晶圆传输的效率要求被制定为时间最优目标,动力学约束和低能耗要求则转化为力矩 - 角位移最优目标。采用结合非支配排序 (NS) 和 ESRA 的多目标优化算法 (NSESRA) 来解决受限空间中的多约束轨迹规划问题,从而为晶圆传输机械臂实现高速高精度晶圆传输提供坚实的轨迹基础。NSESRA 算法非常适合晶圆传输机械臂轨迹优化,原因如下:(1) 非支配排序组件处理多个冲突目标——扫掠面积、时间和能耗——并产生多样化的帕累托前沿;(2) 在 100 维 CEC 2017 问题上,SRA 在基于物理的算法中排名第一,显示出强大的高维能力;(3) 其波粒二象性机制自然平衡了对多种运动剖面的探索和对近优解的细化;(4) 反馈驱动自适应过渡和密度感知切换机制有助于逃离由非线性、耦合机械臂动力学引起的次优配置。
本文其余部分组织如下。第 2 节基于特定的晶圆传输操作场景,对受限空间内晶圆传输机械臂的轨迹规划问题进行数学描述。第 3 节介绍了基于四阶 S 曲线轨迹的轨迹规划方法。第 4 节以三连杆机械臂为研究对象,描述了机械臂运动轨迹对应扫掠面积的获取和计算。第 5 节构建了多目标优化问题,并使用提出的 NSESRA 算法进行求解。第 6 节展示了实验验证。第 7 节总结了全文。
章节片段:受限空间内晶圆传输机械臂轨迹规划问题的数学公式表述
(2.1) 工作场景描述:两个加载端口模块 (LPM) 对称排列,以及一个工艺模块 (PM)。LPM 作为晶圆拾取站,而 PM 作为晶圆放置站。
晶圆的整体传输过程如下:从初始位置开始,机械手移动至LPM 2处取片,然后将其转移至PM进行放置;随后移动至LPM 1处取另一片晶圆,再将其转移至PM进行放置。
## 基于S型曲线轨迹的轨迹规划
S型曲线轨迹能够在有限的加加速度约束下满足动力学最优性,并抑制结构振动,因此在半导体设备中被广泛使用。其优势包括抑制振动、减少颗粒物产生、防止晶圆滑移以及提高定位精度(Nguyen等,2007)。文献(Lambrechts等,2005)对四阶S型曲线的规划方法进行了详细描述。
## 三连杆机械手的运动学模型
以三连杆机械手为例,其运动学模型如图4所示。红色线段OA代表连杆1,黄色线段BC代表连杆2,绿色线段DE代表连杆3。点O表示坐标系0和坐标系1的原点,点B和点D分别表示坐标系2和坐标系3的原点。变量θ?、θ?和θ?被定义为广义坐标。
为计算机器手沿其运动轨迹扫描的区域。
## 多目标优化问题的建立
将公式(1)和公式(2)结合晶圆传输效率和能耗要求,优化变量定义为td、tj、ta、tv、α?、α?、β?和β?,由此得到公式(23)所示的优化问题:
可变向量 V = [td, tj, ta, tv, α?, β?, β?, α?]
min F(V) = (F?(V), F?(V), F?(V))
s.t.
- 0 ≤ td, tj, ta, tv ≤ 1
- vel(t) ≤ 100
- acc(t) ≤ 200
- jerk(t) ≤ 2000
- d(t) ≤ 20000
- α?, α? ∈ [20, φ?+90]
- β?, β? ∈ [30, 360],β? + β? < 360
其中,F?(V)表示与轨迹对应的扫描面积,其具体表达为……
## 实验
如图21所示,实验平台由主机PC、控制器(Speedgoat)、驱动器(Trust)以及纳转科技开发的Scara型晶圆传输机械手组成。机械手的平面运动涉及三个关节,但仅使用两个电机进行驱动。具体来说,平面机构中的关节1和关节2由两个电机直接驱动,而关节3则通过钢带传动驱动。两者之间的变换关系为……
## 结论
在半导体制造中,晶圆传输机械手是光刻和刻蚀系统等关键设备的核心部件,承担晶圆传输任务。随着制造工艺不断向纳米级推进,晶圆传输机械手需要在狭小的腔体内同时满足多个严格约束,包括高精度、高速度和低能耗。这些强耦合的要求使得……
## CRediT作者贡献声明
姜海阳:写作—审阅与编辑,写作—原稿撰写,方法论,调查研究,数据整理,概念化。
孙宇:监督指导,资金获取,形式化分析。
周尚阳:软件,数据整理。
杨晓峰:写作—审阅与编辑,资源,资金获取。
刘玉平:写作—审阅与编辑,验证,监督指导,调查研究,资金获取。
## 利益冲突声明
作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。
---
姜海阳 | 孙宇 | 周尚阳 | 杨晓峰 | 刘玉平
复旦大学 集成电路与微纳电子学院,上海市杨浦区,邮编:200433