这是描述信息

人机共舞的协作机器人

访问量:

随着我国人口红利的消失以及《中国制造2025》规划的出台,中国已连续3年成为全球最大工业机器人市场。机器人产业迎来了前所未有的机遇。

 

但目前工业机器人还存在着不少问题:①机器人基本靠离、在线编程完成预先设定的动作,智能化程度不高;②由于环境自适应性差、结构笨重、运行噪音大,为保证安全机器人基本工作在隔离网内,缺少人机交互;③机器人安装调试周期长,不适应企业对客户的快速响应和市场变化;④机器人成本较高,企业一次性投入负担比较重。 

 

为此,美国、欧洲、日本等发达国家把开发能与人类协同工作的下一代协作性机器人作为主攻方向,利用物联网、大数据、人工智能等技术实现机器人的自主感知、规划、学习、和决策能力,使机器人能够根据环境与任务的变化,执行正确的动作,实现人与机器人协调工作。

 

协作机器人

 

接近传统的工业机器人没有外围设备,但是人们一般无法获得它们。与之相反,协作机器人设计用于在运行时与人安全互动,缓慢而优雅地移动。

 

根据ISO标准TS 15066的定义,协作机器人是一种能够用在协作环境中的机器人,协作操作意味着机器人和人在定义的工作空间内同步工作,进行生产操作(这不包括机器人 + 机器人系统或同地协作、在不同时间进行操作的人与机器人)。定义和部署协作机器人,可预测机器人的实体部分(如实际功能扩展,比方说激光)与操作员的潜在冲突。更重要的是,这会利用传感器来确定操作员的精确位置和速度。

 

协作机器人制造者必须在机器人系统中实施高水平的环境感应和冗余,以便快速探测和防止可能的冲突。集成式传感器与控制单元连接,将可传感机器人臂与人或其他对象的迫在眉睫的冲突,控制单元将立即关闭机器人。如果任何传感器或其电子电路故障,机器人也将关闭。

 

人机协作机器人的主要优势

 

人机协作机器人具有以下几个优势:①通过多传感器融合,提高机器人智能水平,使编程更加简单,提高环境适应性;②结构灵巧、低功耗、低噪声,无需安全围栏实现人机并肩工作;③小型、轻巧、可移动、安装方便、即插即用,为用户降低成本和时间;④使用范围广,不仅可以用在工业制造领域,也可以用在家庭服务、休闲娱乐场合。

 

    人机协作机器人

 

德国DLR、美国NASA等机构从20世纪80年代开始研究空间机器人,并将此轻量、灵巧的机器人应用推广到民用领域 丹麦Universal Robots推出的三款系列UR 机器人是目前协作机器人商业化最好的,并且发展迅速,这种机器人重量很轻,易于安装,具有非常直观的编程功能。ABB的人机协作双臂工业机器人YuMi,采用双臂设计具有视觉和触觉传感器.每个手臂有7个轴并以软性材料包裹, 可以扩大工作范围精度达到0.02mm,同时配备力传感,只要碰到人类可在几毫秒内停止,可在开放环境中与人类一起工作。KUKA的LBR iiwa有7个轴,能够在适"-3位置进行操作和柔顺控制,其所有的轴中都具有高性能碰撞检测功能和集成的关节力矩传感器。

 

协作机器人与传统机器人有什么不同?

 

本质上讲,协作机器人与传统机器人之间并没有非常大的不同,只是基于不同的设计理念生产的工业机器人产品,在协作机器人发展初期,很多都是从传统机器人的基础上改造的。

 

如果非要找不同,第一个不同是这两种机器人所面向的目标市场不一样,这个前面已经解释过,不再赘述。

 

第二个不同点是二者替代的对象不一样。以传统机器人为主的自动化改造是用生产线代替生产线,机器人做为整个生产线中的组成部分,很难单独拿出来,如果某个环节的机器人坏了,在没有设计备份的情况下,整个产线可能要停工。而协作机器人的独立性很强,它代替的是单独的人,二者之间可以互换,一个协作机器人坏了,挪开找个人代替就好了,整个生产流程的灵活性非常高。

 

 

推动机器人的AI处理技术至边缘计算

 

无论是传统的工业机器人系统,还是当今最先进的协作机器人(Cobot),它们都要依靠可生成大量高度可变数据的传感器。这些数据有助于构建更佳的机器学习(ML)和人工智能(AI)模型。而机器人依靠这些模型变得“自主”,可在动态的现实环境中做出实时决策和导航。

 

ML包括两个主要部分:培训和推理,可以在完全相异的处理平台上执行它们。培训通常是以离线方式在桌面上进行或在云端完成,并且包括将大数据集入神经网络。在此阶段,实时性能或功能都不是问题。培训阶段的结果是在部署时已经有了一个经过培训的AI系统,该系统能够执行特定任务,例如,调查组装线上的瓶颈问题、计算和跟踪一个房间内的人员或确定账单是否是伪造的。

 

但是,为了让AI实现其在许多行业的应用前景,在推理(执行培训后的ML算法)期间必须实时或近实时完成传感器数据的融合。为此,设计师需要在边缘实施ML和深度学习模型,将推理功能部署到嵌入式系统中。

 

举例来说,在工作场所设立协作机器人(如下图),与人进行密切协作。它需要使用来自近场传感器及视觉传感器的数据,来确保它在成功防止人类受到伤害的同时,支持人类完成对于他们来说有难度的活动。所有这些数据都需要实时处理,但是云的速度达不到协作机器人需要的实时、低延时响应。要攻克这个瓶颈,人们把当今先进的AI系统发展到了边缘领域,即,机器人意味着存在于边缘设备中。

 

人类在工厂环境中与协作机器人互动

  

这种分布式AI模型依赖于高度集成的处理器,这种处理器具有:

  •   丰富的外围设备组,用于对接不同传感器

  •   高性能处理功能,以运行机器视觉算法

  •   加速深入学习推理的方法。

 

此外,所有这些功能还必须高效工作,并且功耗相对低,体积相对小,以便由边缘承载它们。

 

随着ML的普及,我们经过功耗和尺寸优化的“推理引擎”的可获得性也越来越高。这些引擎是专为执行ML推理而专门设计的硬件产品。

 

集成式片上系统(SoC)在嵌入式空间内通常是好的选择,因为除包裹能运行深度学习推理的各种处理元件外,SoC还集成了使嵌入式应用变得完整的许多必要部件。

 

机器人中AI的传感器技术

 

随着机器人技术的发展,互补传感器技术也在发展。与人类的五种感官非常相似,在将机器人系统部署到不断变化和不受控制的环境中时,结合不同的传感技术可以提供最佳结果。即使是机器人执行的最简单的任务也将取决于3D机器视觉来将数据馈送到AI技术中。若未能够重建3D图像的机器视觉,且AI将该视觉信息转换成机器人方面的成功动作,则在没有预定位置和运动的情况下抓住对象不可能实现。

 

当今用于支持机器人中AI的最流行和最相关的传感器技术包括:

 

飞行时间(ToF)光学传感器:

这种传感器基于ToF原理,采用光电二极管(单一的传感器元件或一个阵列)和有源照明来测量距离。把从障碍物反射的光波与发射波进行比较,从而测量延迟,该值即代表距离。此数据有助创建对象的3D地图。

 

温度和湿度传感器:

许多机器人需要测量温度,有的时候还要测量其所在环境与其部件的湿度,包括电机和主AI母板,以此确保它们在安全范围内运行。

 

超声波传感器:

如果机器人在明亮环境下看不到东西或者在很暗的环境中找不到它自己,就说明视觉传感器没有工作。通过传输超声波和聆听从对象上反射回来的回波(类似于蝙蝠操作的原理),超声波传感器可在黑暗或明亮的环境中出色运行,克服光学传感器的局限。

 

震动传感器:

工业震动传感是预防性维护所必要的条件监控的核心部分。集成式电子压电传感器是工业环境中最常用的震动传感器。

 

毫米波传感器:

毫米波传感器使用无线电波及其回波来确定移动物体的方向和距离,方法是测量三个因素:速度、角度和范围。这帮助机器人基于物体接近传感器的快慢来采取更多的预防措施。雷达传感器在黑暗环境中的运行具有卓越性能,它能通过如干壁、塑料和玻璃等材料进行传感。

 

虽然在工厂车间里人类仍然执行大部分任务,但机器人将适应人类工作、提高自动化程度。为实现这一目标,他们需要配备更多的AI功能,以实时识别和适应各类情况,这只有在AI处在最前沿时才有可能实现。

 

服务支持

 

 

帮助中心


营销知识


热门专题


行业解读

 

新闻中心

 

 

新闻公告


媒体报道


社会公益


媒体中心

 

企业概况

 

 

关于我们


企业文化


实战应用

 

联系我们

 

0755-27875885

137 1368 8003

地址:深圳市宝安区新安街道兴东社区67区隆昌路2号甲岸科技园1栋3楼

邮箱:rongkeda8888@163.com

公众号二维码

扫一扫,关注我们公众号