ARChemist: Autonomous Robotic Chemistry System Architecture

作者: Hatem Fakhruldeen, Gabriella Pizzuto, Jakub Glowacki, Andrew Ian Cooper · ICRA 2022

许可协议

• 开放获取
• 论文: CC BY 4.0

以下内容均依据论文全文，按其 CC BY 4.0 许可协议使用；其中的图已注明作者。

一句话总结

ARChemist 通过 ROS 和 YAML 配方将 KUKA KMR 移动操作臂、Franka Panda 机械臂和标准实验室仪器连接起来；溶解度筛选 10 次运行成功 9 次，结晶 5 次中成功率 80%。

为何重要

该系统在一个化学工作流中运行异构商用机器人（负责运输的移动操作臂和负责处理样品瓶的固定机械臂），并配合现成仪器而非定制硬件。以 ROS 作为中间件，可在不修改核心处理逻辑的情况下添加新的机器人和仪器。

问题

化学实验室中的大多数机器人系统是为单一实验编程的，常常基于专有架构或 ChemPU 等定制硬件，而且早期系统没有集成移动机器人，无法将样品运送到固定机器人工作空间之外的工作站。化学家通常不是机器人专家，他们需要一个易于编程、能简化数据分析并能在不同实验之间通用的系统。

提出的方法

ARChemist 是一种 Python 架构，包括状态管理器（State Manager，管理材料、机器人、工作站、样品及其历史）、持久化管理器（Persistence Manager，负责数据库存储以及配置文件和配方文件的解析）和工作流管理器（Workflow Manager，包括工作流处理器、机器人调度器、并行的工作站和机器人处理程序、系统监视器以及基于规则的警报管理器）。ROS 是与机器人和仪器之间的通信层，并为实验室设备编写了定制驱动。每个样品携带一份人类可读的 YAML 化学配方，列出材料、工作站操作和一个状态机工作流；添加新的工作站或机器人只需提供其类文件和处理程序，系统会在启动时发现它们。

关键见解

• 将以过程为中心的状态（材料、工作站、机器人及其操作）与以样品为中心的状态（配方、操作历史、位置、状态）分离，使同一套装置能够运行不同的配方，前提是这些配方的工作站和操作已在配置文件中。
• 通过 Python 动态类型和类型自省实现松耦合，意味着添加一个工作站或机器人只需要其类文件和处理程序，无需修改其他模块。
• 移动操作臂在实验室不同区域的工作站之间运送样品，作者指出它可以与固定机械臂在其他工作站上并行工作。
• 机器人运行比人类化学家慢，但作者的目标是让化学家从重复性任务中解放出来，并让实验能够长时间不间断运行。

主要结果

• 溶解度筛选：10 次运行，成功率 90%，平均运行时间 12 分钟；唯一一次失败是 Quantos 因外部振动在去皮时超时。
• 结晶：5 次运行，成功率 80%，平均运行时间 130 分钟（2 小时 10 分钟）；失败原因是 Panda 在将样品瓶移到天平时放错了位置。
• 溶解度工作流：由 Quantos 分配 15 mg 盐，由蠕动泵加入 2 mL 水，以 200 rpm 搅拌 1 秒，并用 Intel RealSense D435i 拍摄的 RGB 图像计算浊度、检测溶解。
• 结晶工作流：200 mg 氯化钠和 2 mL 水，在 60 °C 下加热，并持续监测质量，直到质量稳定。

局限

• 工作流用户界面（Workflow User Interface）目前是命令行界面；作者计划开发图形界面。
• 只集成了两台机器人和少量仪器（固体和液体分配器、天平、加热板和搅拌器），并且每台仪器都需要定制的 ROS 驱动。
• 出于安全考虑，端到端系统在开放实验台上测试，且只使用水作为溶剂。
• 评估规模较小，为 10 次溶解度运行和 5 次结晶运行，各有一次失败。
• 尚未集成机器学习决策；作者计划加入。

对领域的影响

该论文入围 ICRA 2022 杰出自动化论文奖决选，被引用 53 次。论文链接了两个案例研究的视频（https://youtu.be/mcEYyOBjKpU）；论文未给出代码仓库。

摘要

自动化实验室实验有望推动新发现，同时提高可重复性，并在处理危险材料时提升科学家的安全性。然而，许多自动化实验室工作流尚未充分利用机器人和数字化实验室设备的显著进步。因此，实验室中使用的大多数机器人系统都是专门为单一实验编程的，常常依赖专有架构或使用非常规硬件。在本研究中，我们针对这一问题，提出一种专门与化学家一起、并为化学家设计的新型机器人系统架构，使科学家能够轻松地为新实验重新配置其装置。具体而言，该系统的优势在于能够将异构机器人平台与标准实验室设备组合在一起，构建不同的实验装置。最后，我们通过溶解度筛选和结晶等案例研究，展示了该架构如何用于具体的实验室实验。

链接

• arXiv 2204.13571: https://arxiv.org/abs/2204.13571
• DOI 10.1109/ICRA46639.2022.9811996: https://doi.org/10.1109/ICRA46639.2022.9811996
• PDF: https://arxiv.org/pdf/2204.13571v1