Dual-Arm Hierarchical Planning for Laboratory Automation: Vibratory Sieve Shaker Operations

📄 arXiv: 2509.14531v1 📥 PDF

作者: Haoran Xiao, Xue Wang, Huimin Lu, Zhiwen Zeng, Zirui Guo, Ziqi Ni, Yicong Ye, Wei Dai

分类: cs.RO

发布日期: 2025-09-18

💡 一句话要点

提出双臂机器人分层规划框架，实现振动筛分机操作自动化

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 双臂机器人 分层规划 路径规划 轨迹优化 实验室自动化

📋 核心要点

  1. 现有方法在狭窄空间采样效率低，易造成粉末溢出，且路径规划不佳，难以满足振动筛分机操作需求。
  2. 提出分层规划框架，结合先验引导路径规划和多步轨迹优化，提升采样效率并优化轨迹。
  3. 实验结果表明，规划时间减少高达80.4%，路径点减少89.4%，验证了框架的有效性和实用性。

📝 摘要（中文）

本文旨在解决材料实验室中振动筛分机操作自动化的挑战，重点关注三个关键任务：1) 3厘米间隙内的双臂盖子操作；2) 重叠工作空间中的双手传递；3) 具有方向约束的受阻粉末样品容器递送。这些任务带来了重大挑战，包括狭窄通道中低效的采样、防止溢出的平滑轨迹需求以及传统方法生成的不理想路径。为了克服这些挑战，我们提出了一种分层规划框架，该框架结合了先验引导路径规划和多步轨迹优化。前者使用有限高斯混合模型来提高狭窄通道中的采样效率，而后者通过缩短、简化、施加关节约束和B样条平滑来优化路径。实验结果表明了该框架的有效性：规划时间最多减少80.4%，路径点减少89.4%。此外，该系统在物理实验中完成了完整的振动筛分机操作流程，验证了其在复杂实验室自动化中的实际适用性。

🔬 方法详解

问题定义：论文旨在解决材料实验室中振动筛分机操作自动化的问题，具体包括狭窄空间内的双臂操作、重叠工作空间中的物体传递以及带有方向约束的物体递送。现有方法在这些场景中存在采样效率低、轨迹不平滑易导致粉末溢出、规划路径不佳等问题，难以满足实际应用需求。

核心思路：论文的核心思路是采用分层规划的方法，将复杂的任务分解为多个子任务，并针对每个子任务设计特定的规划策略。通过先验引导路径规划提高采样效率，然后通过多步轨迹优化生成平滑、高效的轨迹。这种分层结构能够有效地处理复杂环境中的约束和优化目标。

技术框架：该框架包含两个主要模块：先验引导路径规划和多步轨迹优化。首先，先验引导路径规划利用有限高斯混合模型对狭窄通道进行建模，从而提高采样效率。然后，多步轨迹优化模块通过缩短路径、简化路径、施加关节约束和B样条平滑等步骤，对初始路径进行优化，生成满足约束条件且平滑的轨迹。整个框架采用分层结构，能够有效地处理复杂任务。

关键创新：该论文的关键创新在于提出了结合先验引导路径规划和多步轨迹优化的分层规划框架。先验引导路径规划能够有效地提高狭窄空间中的采样效率，而多步轨迹优化能够生成满足约束条件且平滑的轨迹。与传统的路径规划方法相比，该框架能够更好地处理复杂环境中的约束和优化目标。

关键设计：在先验引导路径规划中，使用了有限高斯混合模型对狭窄通道进行建模，模型的参数需要根据实际环境进行调整。在多步轨迹优化中，采用了B样条曲线对轨迹进行平滑处理，B样条曲线的阶数和控制点的位置需要根据实际需求进行调整。此外，还设计了针对关节约束的优化策略，以保证机器人的运动在安全范围内。

📊 实验亮点

实验结果表明，所提出的分层规划框架能够显著提高规划效率和轨迹质量。与传统方法相比，规划时间最多减少80.4%，路径点减少89.4%。此外，该系统成功完成了完整的振动筛分机操作流程，验证了其在实际应用中的可行性。

🎯 应用场景

该研究成果可应用于自动化实验室、智能制造等领域，尤其适用于需要在狭窄空间内进行复杂操作的场景。通过提高机器人操作的效率和精度，可以降低人工成本，提高生产效率，并减少人为误差，具有重要的实际应用价值和广阔的应用前景。

📄 摘要（原文）

This paper addresses the challenges of automating vibratory sieve shaker operations in a materials laboratory, focusing on three critical tasks: 1) dual-arm lid manipulation in 3 cm clearance spaces, 2) bimanual handover in overlapping workspaces, and 3) obstructed powder sample container delivery with orientation constraints. These tasks present significant challenges, including inefficient sampling in narrow passages, the need for smooth trajectories to prevent spillage, and suboptimal paths generated by conventional methods. To overcome these challenges, we propose a hierarchical planning framework combining Prior-Guided Path Planning and Multi-Step Trajectory Optimization. The former uses a finite Gaussian mixture model to improve sampling efficiency in narrow passages, while the latter refines paths by shortening, simplifying, imposing joint constraints, and B-spline smoothing. Experimental results demonstrate the framework's effectiveness: planning time is reduced by up to 80.4%, and waypoints are decreased by 89.4%. Furthermore, the system completes the full vibratory sieve shaker operation workflow in a physical experiment, validating its practical applicability for complex laboratory automation.