RoboPacker: An Autonomous Robotic Packing System for General Objects

doi:10.1109/TASE.2025.3633306

RoboPacker: An Autonomous Robotic Packing System for General Objects

2025-01-01

0

PRE

AI

DOI：10.1109/TASE.2025.3633306

原文链接

原文求助

摘要

En 中文

本文中，我们提出了一种名为RoboPacker的自主机器人装箱系统，该系统旨在将杂乱无章的通用物品紧密地存入运输箱中，以实现高空间利用率，这是众多工业应用中的一个基础流程。然而，对通用物品进行紧密包装往往需要人类装箱工付出大量劳动，尤其是在高吞吐量场景中。与现有的机器人装箱方法相比，RoboPacker有效克服了诸如物品外观多样、严重遮挡和拥挤装箱空间等挑战。具体而言，我们提出了一种开放词汇形状估计方法，用于重建杂乱物品的完整点云。我们还设计了与物品杂乱堆放的有效交互方式，以收集形状估计所需的有用视觉线索，即使在高度不确定的情况下也能实现。此外，我们引入了一个分层强化学习框架，用于优化装箱顺序、位置和方向，以实现最大空间利用率。该机器人装箱系统将上述技术与可行的操作方法相结合，用于实际部署。通过这种方式，RoboPacker能够高效地装箱新型和不规则物品，更适合实际部署环境。实际实验表明，RoboPacker可以将20件密集杂乱的日常物品（来自8个已知类别和4个新型类别）紧密地装入尺寸为40×40×20 cm的运输箱中，成功率达到了73.3%。演示视频可在https://gary3410.github.io/RoboPacker/找到。实践者注意事项——在物流仓储和制造业等对高生产力有严格要求领域，将无序物品高效装箱到有限空间中是一项核心运营流程。然而，人工装箱由于长时间高强度工作会产生高昂的劳动力成本。尽管机器人可以处理某些任务，但由于物品形状多变、遮挡和空间限制等因素，完全自动化的通用物品装箱仍然具有挑战性。RoboPacker工业级系统通过优化空间利用和减少对人工的依赖来解决这些问题，该系统采用先进的计算机视觉和强化学习技术，在复杂场景中实现通用物品装箱。RoboPacker的模块化设计易于与现有机械臂集成，使其成为寻求智能化升级的电子商务、食品和制药行业的理想选择。未来的工作将专注于通过整合更多传感器（例如触觉传感器）来扩展系统功能，以实现更准确和更安全的自主物品装箱。

Keyword:

Autonomous packing systems

open-vocabulary shape estimation

interactive object information collection

packing planning

RoboPacker: An Autonomous Robotic Packing System for General Objects

摘要

期刊

机构

引用论文