2020年7月12日 机器视觉与计算机视觉技术

为什么自适应机器人会成为下一个机器人发展的方向

机器人技术在过去十年中创造了许多前所未见的应用。但即使是现在,人们仍然很容易对机器人的实际能力抱有更高的期望。为了缩短认知差距,机器人需要更智能、更灵活、更安全,这是我10多年来一直在研究和工作的挑战之一。本文讨论了现有技术的局限性,介绍了自适应机器人的概念,编者认为这是机器人应该朝着的正确方向发展。

现有机器人的局限性

工业机器人已用于自动化各种生产线60多年。传统的工业机器人设计用于快速和精确的位置控制。它们非常适合可以完全描述为轨迹的任务,例如,将对象从点A移动到点B、在金属零件上切割圆、绘制汽车外壳等。

对于这样的任务,由于其完善的硬件和控制系统,机器人在速度和准确性方面远远超过人类。

工业机器人专为快速精确的精确控制而设计。

然而,这些机器人有三个主要限制::

安全 – 这些机器人完全专注于完成他们的预设的工作任务,无法预知在他们周围的作业人员造成的潜在危险。通常,这些工业机器人在工作时必须进行安全防护措施,即便这样,也仍然可能发生事故 。

部署 – 通常需要机器人应用工程师以特定语言对其所需运动的顺序和轨迹进行编程,以便将机器人与他们将要处理的生产线连接起来。

有限的可实现任务 – 通过设计,他们只能完成一组有限的任务,这些任务只需要位置控制和预定义的轨迹。对于这些机器人来说,仍然有许多任务具有挑战性,例如在复杂表面上进行抛光,组装具有严格公差的复杂零件,或在开放环境中进行交互式任务。

随着对这些问题的理解,协作机器人(也称为cobots)的概念在20世纪90年代末被提出。近年来,随着KUKA、ABB和发那科等传统工业企业推出自己的cobots,以及Universal Robots、Rethink和Franka等协作机器人公司的人气不断上升,这种想法无疑正在成为一种趋势。根据MarketsandMarkets research的数据,到2025年,协同机器人市场预计将从2018年的7.1亿美元增长到123亿美元,在预测期间的复合年增长率为50.31%。为了克服传统工业机器人的不足,设计了协作机器人来实现安全性,简化部署和编程,并与人建立协作工作流程。

不幸的是,去年10月,协作机器人的先驱创造者Rethink Robotics关门大吉(该品牌与哈恩集团(Hahn Group)合作至今),引发了整个行业对cobot价值的讨论。它们是否像预期的那样有用?是否存在一个真正可扩展的产品细分市场?制造商真的愿意为此买单吗?

为了实现协作,cobots通常需要牺牲规格性能,包括有效载荷,速度限制,位置精度等。它们仍然不能由非专业人员轻松部署,而是依赖于具有更高级技能的集成商。事实上,他们需要与人类合作来完成这项艰巨的工作,这可能被制造业视为不可取。

那么我们怎样才能真正将机器人的灵活性和智能提升到新的水平呢?

什么定义自适应机器人?

有了这些背景,下一代机器人必须超越“协作”的概念,从根本上解决这些问题。

它应具有自身的安全性的同时,性能而不受损害;

它应该像学徒一样学习并完成新的任务

它应该具有执行传统机器人无法完成的任务的能力,比如:由于劳动力短缺或有害的工作环境,对自动化这些任务的要求越来越高。

满足所有这些要求的机械臂必须极大地适应复杂的环境和复杂的任务。因此,下一代机器人被定义为“自适应机器人”。

“自适应”这个词精确地描述了新一代机器人的特征。传统机器人的工作没有适应性:零件必须处于固定的位置和方向;工作时不允许有任何干扰。

拥有计算机视觉确实增加了一些灵活性,但需要较高的检测精度和精心设计的照明条件,这使得在每条生产线上部署和优化视觉系统既痛苦又耗时。实现了碰撞检测后,机器人将立即停止它正在做的任何工作,而不是适应未建模的交互。

由于缺乏适应性,传统工业机器人远未真正智能化。因此,我们提出了智能自适应机器人必须满足的三个关键要求:

对位置变化的高公差 – 在定位不确定的情况下完成任务的能力(例如,工件的制造或安装公差,生产线上累积的位置误差);

强大的抗干扰能力 – 即使在环境发生重大变化(例如漂浮基地,振动,人为干扰)的情况下,也能保持性能;

可传递的智能 – 能够处理大量类似任务,并支持快速重新部署到新任务。

机器人如何适应环境?

cobot的概念更像是对现有硬件和软件技术不足的妥协。为了实现自适应机器人的目标,需要对两项关键技术进行根本性的改进:

1)高精度、快速响应力控制技术;

2)基于视觉和力传感技术的分层智能。

它们同样重要,需要在机器人系统的各个方面进行自下而上的创新。

强制控制

无论您是否意识到,我们绝大多数的日常活动都依赖于我们的力传感和力控制能力。比如:包括拖地、按下按钮或将插头插入电源插座。

相反,机械手臂长期缺乏力的控制,使得它们无法执行大多数力引导的任务。

机器人力控制的研究已经进行了30多年,但这类技术还没有得到广泛的应用。这主要是因为现有的力控软硬件技术还没有发展到足以使成本和长期可靠性达到行业标准。

为了开发具有良好性能的力控机器人以实现有针对性的适应性,我们必须应对以下几个挑战:

首先,现有的扭矩传感器设计在性能和成本方面是不够的。关节扭矩传感器和6自由度力/扭矩传感器都需要重新设计。

其次,每个接头组件都应进行特殊优化,以减少耦合效应,并提供更好的力控制动力学。

第三,应使用最佳电子设备和精心设计的算法执行低水平关节扭矩控制,以实现最佳性能。

最后,基于所有这些改进和优化的先进的全身力控制软件框架可以充分发挥力控制臂的潜力。

克服这第一个障碍,机器人就能像人类在日常生活中一样,在操作和与物体和环境互动时,对力的感觉做出反应。

分层智能

力的控制只是适应的第一步。机器人还需要知道如何利用力控制与其他信息进行整合。这就引出了分层智力的概念,它自然适用于人们的日常活动。

例如,当我们擦拭窗户时,我们首先识别框架内的窗玻璃,然后来回移动我们的手,同时垂直于玻璃施加一些力以增加摩擦力。同时,我们也会仔细观察,以确保我们已经涵盖了所有内容。

在擦窗过程中,我们的一些功能被有意识地使用,如视觉识别和染色检测。其他能力,比如移动手臂和施力,更多的是在我们的潜意识中进行编排。

人类的大脑负责根据身体的视觉和触觉信息来规划轨迹,它从来不需要考虑驱动特定肌肉完成任务所需的电信号。

我们认为机器人手臂的智能系统应该是相似的:负责识别窗口和污点的AI不应直接参与计算每个关节位置或电机电流。它甚至不应该担心“在施加一些力量时来回移动”的运动原语。

最低层的智能控制手臂的基本运动并保持稳定性,中层智能编码不同的运动序列,而最高层的智能负责感知、理解、计划和其他复杂的认知任务,这是我们称之为“分层智能”。

在分层智能系统中,每层智能都是相对独立的。较低级别的情报不能直接影响更高级别的情报。较高级智能的输出由较低级别执行。每个较低级别由其直接上级指示和调整。

总之,自适应机器人必须具有分层智能系统,要么具有真正的本质安全性,要么具有工作效率和效率,要么具有良好的技能可转移性。通过结合良好的力控制能力和分层智能系统,我们比以往任何时候都更加接近创造一个真正的自适应机器人。

它会给行业带来什么价值?

1)超越传统自动化

如上所述,受位置控制的限制,传统机器人的自动化水平和任务范围非常有限。新型自适应机器人采用新方法开发,融合了精细的力控制和视觉,可以完成更多的任务。对位置误差和干扰抑制的极大容差也使其在更开放,复杂和不确定的环境中可靠地工作。因此可以克服许多现有的自动化挑战。

2)更灵活的生产

通过可传输的智能,企业可以更轻松地部署和适应类似的场景和类似的工件,或者为新的生产线重新部署机器人。另一方面,通过减少传统自动化解决方案中通常需要的附加设备和定制机制,机器人的适应性有助于简化生产线。生产灵活性和成本效益都将得到显着提高。

适应性释放AI的力量

深度学习一直在迅速发展,使机器的感知和决策能力比以往任何时候都更加复杂。然而,该方法的性质总是导致详细准确度(例如,检测到的物体的位置精度)与普遍性(对变化和拐角情况的鲁棒性)之间的折衷。当AI与传统的机器人和自动化线路相结合时,它会造成严重的限制,这些线路对位置误差非常敏感。具有良好适应性的机器人可以真正发挥尖端AI技术的力量。此外,精细力控制的能力提供了触觉和更好的灵活性,这为AI在机器人领域的繁荣提供了更多空间。

总结

在谈论机器人接管人类工作并导致失业时,人们可能会非常担心。然而,值得一提的是,许多工作和工作环境对身体或精神上的工人都是有害的,这也是许多行业面临劳动力短缺的原因。促进正确的自动化是我们的选择。最终,技术应该始终为人类服务。当乏味和有害的任务被自动化时,新的机会将被创造出来,这可以使我们走向一个更美好的世界。

作者:Shiquan Wang是Flexiv Ltd的联合创始人兼首席执行官

Banner
Related Posts

融合人工智能、机器人和机器视觉的自助冰沙售货系统

2019年8月14日

2019年8月14日

食品机器人公司Blendid首席执行官与我们讨论了食品机器人领域的融合趋势,如何将人工智能、机器人和视觉融合在一起,做出更好的奶昔

工业控制器中的AI芯片可实现了更高层次的自动化

2019年11月20日

2019年11月20日

通过使用人工智能解决方案,学习和检测生产过程中的模式和异常,可以降低制造风险。同时,对更高质量产品的需求, 在工业控制器中部署AI芯片,实施人工智能解决方案能够显著降低生产成本。

机器人如何感知周围环境,可能比想象的要困难

2019年6月25日

2019年6月25日

对于机器人而言,能够感知和理解周围的世界对于简化集成至关重要。如何让机器人可以做出一杯像样的咖啡,诸如打开咖啡机、分发咖啡豆、寻找牛奶和糖等习惯性行为需要一定的感知能力,而这对许多机器来说仍是幻想。

Lonza的全自动平板机器人解决方案实现了简单、快速和可靠的内毒素检测

2019年4月26日

2019年4月26日

Lonza宣布推出全球首个用于内毒素检测的全自动和集成平板PyroTec™PRO机器人解决方案。结合机器人液体处理平台的速度和可重复性以及Lonza市场领先的WinKQCL™软件6.0版的强大功能,该系统简化并加速了肠外药物的内毒素检测,无论样品的复杂程度如何。

利用自动机器视觉系统可以提高生产效率

2019年3月26日

2019年3月26日

华威大学(University of Warwick)的研究发现,快乐能使个人的工作效率提高12%。拥有一支快乐的员工队伍可能是提高生产率的第一步,但适当的工具和先进的技术将大大提高生产率,尤其是对工业制造商而言。本文解释了制造商如何使用自主机器视觉系统来提高生产率。

用于积木分类的自动化机器人拣选系统

2019年4月17日

2019年4月17日

丹麦公司安装了一个机器人拣选系统,该系统带有Isra Vision的传感器,用于分离构件。 Isra Vision的MiniPick3D传感器使用四个摄像头用于捕获整个容器的图像。

结合机器人和机器视觉的全自动检测系统

2019年6月4日

2019年6月4日

IVS将人工智能机器视觉与尖端机器人自动化相结合,提供灵活的自动视觉检测单元。

让机器人学的更快?Fanuc发布基于人工智能的训练工具

2019年4月22日

2019年4月22日

工业自动化已经在简化制造过程,但首先这些机器必须由熟练的工程师精心培训。工业机器人巨头Fanuc希望让机器人更容易训练,从而使包括药品在内的更广泛的行业更容易实现自动化。

麻省理工学院开发了一种更好的机器人预测人类运动的新方法

2019年6月18日

2019年6月18日

人类和机器人一起工作对工厂和建筑工地等环境有着巨大的潜力,但机器人对人也有着高度的潜在危险,尤其是当机器人体积巨大而功能又很强大的时候,这就是工业机器人的典型情况。

基于机器视觉的工业机器人分拣系统

2019年10月17日

2019年10月17日

分拣机器人是一种应用范围非常广且技术附加值很高的数字控制装备。随着工业领域中自动化生产越来越普及,机器人被广泛地应用到各种各样的工业化流水线上,完成种类繁多的工作。图1 是分拣机器人在进行分拣作业。

发那科机器人iRvision视觉系统在涂装生产线上的应用

2019年4月4日

2019年4月4日

本文将以上汽大通汽车公司底板胶喷涂自动段工位为背景,结合涂装现场新车型的模型输入、视觉调试,分析发那科机器人iRvision视觉系统的组成和工作原理。

协作机器人技术-历史和发展趋势

2020年1月9日

2020年1月9日

协作机器人(cobot,俗称cobot)已经发展得非常迅速和成功。仅仅在十年前,cobot这一新兴技术就遭到了质疑,如今cobot代表了工业机器人技术中增长最快的部分。协作机器人是机器人研究中的新趋势,并是该行业最有希望的未来发展。

新加坡初创公司推出具有人类般灵巧抓地力的机器人

2019年10月10日

2019年10月10日

来自新加坡南洋理工大学(NTU新加坡)的一家名为Eureka Robotics的机器人技术初创公司推出了一款新型机器人,该机器人可以像人的手一样细致而精确地拾取精密的光学镜片和反射镜。

智能化钢厂应如何建设?

2019年3月11日

2019年3月11日

在当前智能制造的热潮之下,很多钢铁企业都在规划建设智能工厂。那么,智能钢厂的规划要考虑哪些核心要素?关注哪些维度?

工业自动化和机器视觉市场最新趋势

2019年6月25日

2019年6月25日

机器视觉还将其范围扩展到医学、安全和农业领域。这一增长主要是由于创新的图像传感设备的引进和包括通信在内的计算技术的发展。随着科技的进步,机器视觉不仅可以代替人类的视觉,还可以处理多维的无形信息。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注