Optimal Scheduling of a Dual-Arm Robot for Efficient Strawberry Harvesting in Plant Factories
作者: Yuankai Zhu, Wenwu Lu, Guoqiang Ren, Yibin Ying, Stavros Vougioukas, Chen Peng
分类: cs.RO
发布日期: 2025-07-06
💡 一句话要点
提出基于MILP的草莓采摘双臂机器人优化调度方法，提升植物工厂采摘效率。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 双臂机器人 草莓采摘 植物工厂 混合整数线性规划 优化调度
📋 核心要点
- 植物工厂栽培旨在优化资源利用和提高作物产量，但现有机器人采摘效率仍有提升空间。
- 论文提出基于MILP的优化调度框架，协调双臂机器人采摘任务，最小化采摘完工时间，提升采摘效率。
- 仿真结果表明，与非优化方法相比，该方法可将吞吐量提高10-20%，并显著减少机器人停止次数。
📝 摘要（中文）
本文提出了一种混合整数线性规划（MILP）框架，用于系统地调度和协调双臂采摘任务，旨在最小化基于预先映射的果实位置的整体采摘完工时间，从而提高植物工厂的效率。研究针对一种专门的双臂采摘机器人，并采用末端执行器的姿态覆盖分析来最大化采摘可达性。此外，将双臂配置与单臂车辆的性能进行了比较，结果表明，当两侧果实密度大致相等时，双臂系统的效率几乎可以提高一倍。大量仿真表明，与非优化方法相比，吞吐量提高了10-20%，停止次数显著减少。这些结果强调了优化调度方法在提高植物工厂机器人采摘的可扩展性和效率方面的优势。
🔬 方法详解
问题定义：论文旨在解决植物工厂中双臂机器人草莓采摘的效率问题。现有方法通常采用非优化的调度策略，导致采摘完工时间长、机器人移动频繁，限制了采摘效率的提升。因此，需要一种系统性的方法来优化双臂机器人的采摘顺序和路径，从而最大化采摘效率。
核心思路：论文的核心思路是利用混合整数线性规划（MILP）来对双臂机器人的采摘任务进行优化调度。通过建立数学模型，将采摘任务分配、路径规划和运动协调等问题转化为一个优化问题，并利用MILP求解器找到最优的采摘方案。这种方法能够充分考虑果实的位置信息、机器人的运动约束和采摘效率等因素，从而实现高效的采摘作业。
技术框架：该方法的技术框架主要包括以下几个阶段：1) 果实位置映射：利用视觉系统或其他传感器获取植物工厂中草莓的位置信息，并建立果实位置地图。2) 姿态覆盖分析：对双臂机器人的末端执行器进行姿态覆盖分析，确定每个果实的可达姿态范围，从而最大化采摘的可达性。3) MILP模型建立：建立混合整数线性规划模型，将采摘任务分配、路径规划和运动协调等问题转化为数学模型。4) 优化求解：利用MILP求解器对模型进行求解，得到最优的采摘顺序和路径。5) 机器人控制：根据优化结果，控制双臂机器人进行采摘作业。
关键创新：该论文的关键创新在于将混合整数线性规划（MILP）应用于双臂机器人的采摘调度问题，并结合姿态覆盖分析来最大化采摘可达性。与传统的非优化方法相比，该方法能够系统地优化采摘顺序和路径，从而显著提高采摘效率。此外，该研究还比较了双臂配置与单臂车辆的性能，验证了双臂系统在提高采摘效率方面的优势。
关键设计：MILP模型中的关键设计包括：1) 目标函数：最小化采摘完工时间，即完成所有采摘任务所需的时间。2) 约束条件：包括机器人运动约束（如速度、加速度限制）、采摘顺序约束（如必须先到达果实位置才能进行采摘）、双臂协作约束（如避免碰撞）等。3) 决策变量：包括采摘顺序、机器人位置、运动速度等。姿态覆盖分析的关键设计在于确定末端执行器在不同姿态下能够覆盖的果实范围，从而选择最优的采摘姿态。
🖼️ 关键图片
📊 实验亮点
仿真结果表明，与非优化方法相比，该方法可将草莓采摘的吞吐量提高10-20%，并显著减少机器人停止次数。此外，研究还验证了双臂机器人在果实密度均匀分布时，采摘效率几乎是单臂机器人的两倍。这些结果表明，该方法在提高植物工厂机器人采摘效率方面具有显著优势。
🎯 应用场景
该研究成果可应用于植物工厂、温室等农业生产环境中，实现自动化、高效的草莓采摘。通过优化机器人调度，可以显著提高采摘效率，降低人工成本，并提升农产品产量和质量。未来，该方法还可扩展到其他农作物的采摘，推动农业机器人技术的发展。
📄 摘要（原文）
Plant factory cultivation is widely recognized for its ability to optimize resource use and boost crop yields. To further increase the efficiency in these environments, we propose a mixed-integer linear programming (MILP) framework that systematically schedules and coordinates dual-arm harvesting tasks, minimizing the overall harvesting makespan based on pre-mapped fruit locations. Specifically, we focus on a specialized dual-arm harvesting robot and employ pose coverage analysis of its end effector to maximize picking reachability. Additionally, we compare the performance of the dual-arm configuration with that of a single-arm vehicle, demonstrating that the dual-arm system can nearly double efficiency when fruit densities are roughly equal on both sides. Extensive simulations show a 10-20% increase in throughput and a significant reduction in the number of stops compared to non-optimized methods. These results underscore the advantages of an optimal scheduling approach in improving the scalability and efficiency of robotic harvesting in plant factories.