标签: 协作型机器人

一、 协作机器人研究现状 协作机器人 是能够在共享空间中与人类交互并开展安全工作的新型机器人，由于轻量、安全的特点，在柔性制造、社会服务、医疗健康等领域展现出了良好的应用前景，也成为了当前学术界 机器人领域的研究热点 ，相关研究主题包括： 机器智能： 包括集成机器学习、深度学习和人工智能技术，提高机器人的自主性和适应性，帮助机器人参与更加复杂的协作任务。 人机交互： 尝试解决协作机器人如何与人类进行有效的合作，并在不同应用情景下测试、评估协作机器人的人类可接受度。 安全性： 解决机器人与人类协作时避免交互意外的问题，包括机器人视觉、力控等。 应用性： 紧密结合具体应用场景，研究协作机器人在不同行业的实际应用。 而在全球范围内高校与科研机构的研究中，HJ-FR3一直是热门选择：在ICRA2023论文集中就有 130余篇论文 采用了HJ-FR3机器人作为研究平台；作为也是ICRA、IROS等 顶尖国际学术会议 研发使用最多的机器人，关于HJ-FR3的研究成果涵盖了上述研究热点，包括自主视觉抓取、多机协同工作、人机交互研究、自适应装配、AR+机器人、遥操作、主从力反馈、仿生手臂等。 斯坦福大学基于HJ-FR3开展机器人目标模仿学习研究 现任NVIDIA机器人研究高级总监 Dieter Fox 曾说：“Franka机器人提供了理想的用于研究机器人的 具备实时响应和强大操控性能的开源环境 ，非常适用于开展机器人和人类协同操作方向的研究。” Dieter Fox的发言揭示了为何HJ-FR3 如此受学术界青睐：强大的 机器人系统 与开源的 FCI控制接口 ，使其在众多协作机器人中脱颖而出。 二、 HJ-FR3的科研优势 HJ-FR3作为专门面向科研领域的协作机器人，始终保持着对最前沿机器人技术的探索。HJ-FR3具备7个轴，每个轴上都配备了行业领先的13位高精度 扭矩传感器 ，重复精度高达0.1毫米。 精确力控的机器人系统 ，为HJ-FR3开展更加复杂的机器人研究奠定了基础；且能轻松实现 拖拽示教 ，提高编程效率。 最重要的是，HJ-FR3为科研人员提供了机器人控制和学习能力的 底层访问权限 。HJ-FR3机器人具备 多样的接口 （DESK、RIDE、FCI），可以充分满足不同科研场景的需求，如下表所示：DESK提供基于 应用程序 的用户界面，通过拖放实现简单快速的任务编程，适合初学者；RIDE可 集成外部功能 ，如附加传感器和摄像头，用于创建高性能机器人技能；而 FCI接口 和其C++实现 libfranka ，可以与最流行的生态系统 ROS、ROS2以及MATLAB 集成，为科研人员提供了最大程度的便捷。 1. 灵活的FCI接口 HJ-FR3机器人附加的 实时控制接口 FCI (Franka Control Interface)，是开展力控制、运动算法、抓取策略、交互场景、触觉感知和机器学习等研究和测试的理想平台。 FCI控制接口允许与机械臂进行快速直接的 底层双向连接 。它为科研人员提供机器人的实时状态，并通过以太网连接的外部工作站PC实现直接控制。此外，FCI接口还能提供 1kHz 下的实时控制值、实时测量值等信息。 2. 强大的libfranka libfranka 是FCI客户端的 C++实现 。它处理与 Control的网络通信并提供接口以易化： 通过使用我们的开源C++接口libfranka，可以使用 5 种不同的接口 （C++、ROS、MoveIt、MATLAB、Simulink）以 1kHz 的频率发送 实时控制值 ，包括： ●带重力和摩擦力补偿的关节扭矩命令 ●关节角度或速度命令 ●笛卡尔位姿或速度命令 同时，可以访问 1kHz 测量值 ： ●测量的关节数据，例如角度、角速度和连杆侧扭矩传感器信号 ●估算的外部施加的扭矩和力 ●各种碰撞和接触信息 还可以访问机器人模型库 model library ，该库提供： ●所有机器人关节的正向运动学 ●所有机器人关节的雅可比矩阵 ●动力学方面：惯性矩阵、科式力项和离心矢量项和重力矢量项 三、应用举例 HJ-FR3机器人与整个ROS生态系统集成，将libfranka集成到 ROS Control ，还包括机器人和末端执行器的URDF模型和详细3D网格，允许 实现可视化 （例如 RViz）和 运动学模拟 。 MoveIt! 集成使移动机器人和控制夹爪变得容易。 以仿真石头从A运输到B的 取放程序 为例，通过 Gazebo GUI，可以在其中看到带有石头和RViz 的环境，并用它来控制机器人的末端执行器位姿。 取放示例的Gazebo GUI（左）和RViz（右） 要打开夹爪，只需向 move action 发送一个目标。科研人员可以使用开源例程，使用 RViz 中的 交互式标记 Gizmo移动末端执行器。移动机器人，使白色石头位于夹爪的手指之间，准备好被捡起。然后，我们只需要使用 grasp action 来在抓握后施加一个力，使物体不掉落。如果抓取成功，夹爪将把石头挪移到位。如果不是，则可能是目标公差太小并且action失败。现在将物体轻轻地移到红色的落点区域，将其放在红色垫子上后，通过夹爪的 stop action 停止抓握。 总而言之，HJ-FR3具备精准力控的机器人系统与集成流行生态的FCI控制接口，并提供直观的编程界面和便捷的拖拽示教功能，为科研人员缩短了学习周期，提高了研究效率。