通过自适应对象检测和人机协作应对自动拣选系统中的物品更改-研究论文

作为内部物流的核心流程的拣选必须应对人员招募和不断变化的产品范围日益增加的困难。 这些挑战可以通过部分自动化的拣选系统来解决，以为人工拣选人员和拣选机器人创建一个协作的工作环境。 但是，拾取机器人的性能在很大程度上取决于它们检测物体的能力。 所提出的方法通过学习机器人来增强它们通过神经网络成功检测物体的能力，从而实现了从手动拾取到高度自动化拾取过程的逐步转变。 其目标是通过人与机器人之间的反馈回路来确保可靠的订单履行，以进行错误处理并收集数据以供学习算法使用。 提出了人机协作的概念和实现反馈回路的过程模型。 另外，引入了评估部分自动拣选系统的定量框架。 演示器提供了第一结果，演示器包括用于图像记录的环境和基于代理的模拟器。 结果表明，所提出的方法可以提高成功检测物体的概率。