[论文解读] A Systematic Literature Review of Computer Vision Applications in Robotized Wire Harness Assembly

Hao Wang, Omkar Salunkhe+7 more|arXiv (Cornell University)|Sep 24, 2023

Robot Manipulation and Learning参考文献 147被引用 6

一句话总结

本篇系统性文献回顾识别出15项关于机器人化线束装配的计算机视觉研究，揭示了在鲁棒性和利用线束固有物理特性方面的关键挑战。研究提出了五个未来研究方向，包括基于学习的视觉系统、多模态数据应用以及人机协作，以推动汽车制造中实用、可靠的自动化发展。

ABSTRACT

This article provides a systematic literature review of computer vision applications in robotized wire harness assembly.

研究动机与目标

• 解决尽管经过数十年研究，基于视觉的机器人线束装配在工业中仍缺乏实际应用的问题。
• 识别在真实生产环境中对可变形、柔性线束组件进行鲁棒性和视觉识别所面临的根本挑战。
• 全面综合现有计算机视觉在机器人线束装配中各子任务（如部件检测、连接器对接和故障监控）的应用情况。
• 提出切实可行的研究方向，弥合学术研究与基于视觉的机器人装配系统在工业中实际应用之间的差距。

提出的方法

• 遵循PRISMA指南开展系统性文献回顾，以识别同行评审期刊和会议中的相关出版物。
• 基于预先设定的纳入/排除标准筛选研究，重点关注计算机视觉在机器人化线束装配中的应用。
• 根据应用领域、所用视觉技术及解决的技术挑战，对识别出的15篇文献进行分类与分析。
• 将研究发现综合为两大主要挑战：(1) 在工业条件下鲁棒性和实用性不足；(2) 线束固有物理特性未被充分利用。
• 基于现有局限性与新兴技术趋势的综合分析，提出五个未来研究方向。
• 评估社会技术障碍，包括成本、人员培训、对AI的信任度、网络安全性以及工业场景中基于视觉的机器人操作缺乏标准化。

实验结果

研究问题

• RQ1 现有研究中应用了哪些计算机视觉技术于机器人化线束装配？
• RQ2 哪些主要挑战阻碍了基于视觉的机器人系统在线束装配中的工业部署？
• RQ3 如何更好地利用线束组件的固有物理特性以提升机器人系统中的视觉识别能力？
• RQ4 哪些未来研究方向可增强基于视觉的机器人线束装配的鲁棒性、实用性与可持续性？

主要发现

• 仅识别出15篇聚焦于机器人化线束装配中计算机视觉应用的科学出版物，表明尽管工业相关性高，但研究体量仍有限。
• 现有研究将计算机视觉应用于子任务，如夹具、连接器、导线、线束袋的检测，以及对接过程监控与故障检测。
• 主要挑战在于现实生产环境中视觉系统的鲁棒性不足，其性能尚未达到人类在高速和复杂条件下的水平。
• 线束的固有物理特性（如柔韧性、形变和纹理变化）在当前视觉系统中未被充分利用，限制了识别精度。
• 目前工业场景中尚无广泛采用的标准或基准用于评估对可变形线性物体的基于视觉的机器人操作。
• 提出五个关键未来研究方向：基于学习的视觉系统、现有技术向线束工艺的适配、实用性与鲁棒性评估、人机协作，以及为更好视觉识别而设计的新产品。