tag 标签: 机器人

相关博文
  • 热度 4
    2022-4-21 11:28
    499 次阅读|
    0 个评论
    本系列文章旨在帮助读者对虹科KPA Automation体系进行一个简要的理解,并且能使用MoDK进行快速的上手操作,包括:虹科KPA Automation、虹科KPA MoDK简介,虹科KPA MoDK的运行环境搭建与例程测试。本文档搭建的虹科KPA MoDK运行环境,是基于Win10,并且是以C/C++为开发语言进行的。若您有任何疑问,欢迎您评论、私信或联系sales@hkaco.com,虹科工程师将给您专业的解答。 程序准备: ①虹科KPA EtherCAT Studio ②虹科KPA MDK ③高于2.8版本的CMAKE ④Visual Studio、V-REP机器人仿真平台 ⑤虹科KPA MoDK 一、虹科KPA EtherCAT Studio简介 虹科KPA EtherCAT Studio是一站式的开发软件,可以连接至本地或远程的虹科KPA Master,进行整个EtherCAT网络的组态扫描,状态机切换,过程数据地址表确认等等操作,实现EtherCAT网络的组态、监视、诊断等功能。 结合MoDK使用时,我们需要虹科KPA EtherCAT Studio进行整个ECAT网络的组态,以及电机轴的各项参数设置,如绑定驱动器(伺服),驱动模式,电机最大速度、加速度、加加速度等等。 部分操作界面如下图所示,“MoDK例程测试”一章会详细阐述操作的步骤。 二、安装虹科KPA EtherCAT Studio 请注意,MoDK所需要的Motion Configuration Utility插件,只有在虹科KPA EtherCAT Studio 2中才有,所以我们安装的Studio版本,也必须是2.x版本的。步骤流程如下: 1. 获取studio安装包 如果您在虹科的合作伙伴KPA的官网上自行获取Studio安装包,那么流程将相对复杂,大致流程如下:注册KPA账户→填写缘由申请Trial版本的Studio(或者其他的试用产品)→等待KPA批复→KPA确认后在您的帐户中提供下载链接。 由于流程复杂且KPA批复时间不定,我们建议您联系虹科工程师给您分享Studio安装包。 2. 安装Studio 获取安装包后,您会得到一个msi安装文件,点击即进入安装流程。 请注意安装时候的两个路径,其中一个是Studio程序本体的安装路径,另外一个时Studio所需要调用的一些周边数据的路径,包括插件(如MoDK所需要的Motion Configuration Utility)、ECAT从站库等等。您可以自行修改安装目录。 接下来一路点击next完成安装即可。 Tips:Studio打开时需要扫描从站库文件夹加载ECAT从站库,这个过程耗时较长,且其中多数从站都不会用到,导致用户体验不佳,您可以参照以下步骤,快速加载Studio。 1)打开从站库文件夹 2)备份后删除 此时回到Studio,右键从站库空白处,点击“Reload collection”,可观察从站库已清空。 此时重新打开Studio,可以看到Studio的启动加载时间极大缩短了。 3)仅将所需设备的xml放入从站库文件夹,重新加载从站库 此时开启Studio后,只需要将将所需设备的xml放入从站库文件夹,重新加载从站库即可。 3. 为Studio绑定License 请注意,Studio可以运行在无需License的demo模式下,其性能会有所限制,仅允许从站有15个字节的PDO数据,多于15字节则PDO数据无法下发,并且运行其单次运行时间会有限制。MDK/MoDK运行环境的单次运行时间最多为1小时,1小时后运行环境将自动关闭。如需协助,欢迎联系虹科工程师。 三、安装虹科KPA Modk 虹科KPA MDK(Master Development kit)包括虹科KPA MRT(Master Runtime)和虹科KPA MIP(Master Integration),前者是虹科KPA Master的运行环境,后者是虹科KPA Master的头文件、库文件以及例程源代码。两者均以安装包的形式提供,请注意MoDK目前仅支持虹科KPA MDK 1.6及以下版本,虹科KPA MDK 2.0以上暂不支持。 ①虹科KPA MRT安装过程 虹科KPA MRT的安装过程中包括WinPcap 4.1.3的安装,可能会出现WinPcap不支持当前系统(WIN10)的问题。但点击确定后仍可以完成安装。 一路点击next完成安装即可。安装完成后会提示重启计算机,您可以在安装完其余组件后再一次性重启。 ②虹科 KPA MIP 的安装过程 此处须记住Installation location的安装路径,在下一节CMAKE编译中,我们需要指定的MDK引用路径,就在其中。 一路点击next完成安装即可。安装完成后会提示重启计算机,您可以在安装完其余组件后再一次性重启。 四、VS 2019、V-REP机器人仿真平台安装 严格上来说Visual Studio的版本并没有严格规定,只要不是太过时都可以使用,笔者使用的是VS 2019 community进行开发。Visual Studio的资源及安装流程在网上比较常见,请您自行查找,或者也可以找我们索要安装包。由于cmake编译生成MoDK需要使用现成的编译器,请务必在cmake编译生成MoDK工程前完成VS(或其它IDE)的安装。 V-REP机器人仿真平台是一个开源的机器人仿真平台,使用EDU(教育版)可以免费使用其所有功能。 五、CMAKE编译MoDK例程 上文提到,MoDK可根据不同的OSAL库文件运行于不同的操作系统下,为了实现这种平台无关性,MoDK本身仅以源代码和库的形式提供,包括C文件、头文件、库文件以及CMAKE list文件,不包括任何平台相关的项目文件,需要您自己手动使用CMAKE进行源代码编译。如果您需要帮助,欢迎联系虹科工程师。
  • 热度 6
    2022-1-6 11:45
    528 次阅读|
    0 个评论
    来源:旷视研究院/ SLAM组负责人刘骁 这次分享的主题集中在SLAM与三维重建两方面,大纲如下: SLAM 研究内容与应用概要 专题1:VIO & 多传感器融合 专题2:Struct SLAM 专题3:Visual Localization 专题4:激光 SLAM 专题5:三维重建 专题6:语义 SLAM & HDMap SLAM 研究内容与应用概要 三维视觉的基本问题包括SLAM、三维重建、Stereo(深度估计)、姿态估计、图像拼接、视频编辑等;其中,SLAM与三维重建是机器人领域常涉及的问题。 SLAM技术全称为Simultaneous Localization and Mapping(即时定位与地图重建),简单而言,它包含三大问题:1)“我在哪儿”,2)“我的地图呢”,3)“如何到达目的地”。通常学术上SLAM更多地指的是前两个问题。 对于第一个问题“我在哪儿”,首先涉及的是机器人定位技术,进一步由于机器人是运动的,还会涉及跟踪技术;对于第二个问题“我的地图呢”,由于机器人大多需要在陌生环境工作,所以还涉及到地图构建技术;另外,针对第三个问题“如何到达目的地”,考虑到机器人需要在复杂环境中具备规划路径、避开障碍的能力,因此涉及到了导航与避障技术。 综合来看,SLAM不仅对实时性要求很高,同时也需要借助多传感器的信息来工作,它不仅包含视觉也包含图形学技术。一般而言,SLAM由多种算法组合成一个系统进行工作,因此是算法+系统的综合应用。 SLAM问题的数学描述 如果从数学角度描述SLAM问题,通常涉及到运动方程与观测方程,如下图。从概率角度看,假设给定一系列传感器,则有两个待估计量需要计算:姿态与路标(一般指空间中的几何特征如点、线、面等),从而整个SLAM问题可以归结为一个后验概率最大的问题。 对于SLAM的求解过程,一般分为三步: 设定参数化方法,即如何用点、线、面这些几何参数化方法描述路标; 建立数据关联,例如在传统SLAM中的特征法,将两个点通过特征进行匹配,从而获得关联; 在给定数据关联、姿态以及路标的估计下,根据当前的观测,求解出最优的姿态与路标的解。 需要说明的是,由于假设观测噪声符合高斯分布,因此整个估计又可以转化为一个最小二乘问题,目前主流采用非线性优化方式来求解。 下方动图以纯视觉SLAM为例,展示了SLAM的工作方式。首先,在画面左方可见一个连续的视频输入,机器人在运动的过程中会给出其实时估计的运动姿态(红色),同时以白点的方式将周围三维空间绘制出来,此即跟踪与地图构建的过程。 具体到利用特征法来进行姿态估计和三维重建,首先需要对两幅图进行特征提取与特征匹配,从而建立数据关联;然后,将该数据关联与人们希望求解的空间中的姿态和路标(三维点)待估计量建立约束(例如在纯视觉SLAM中可能会使用到重投影误差约束);最后将该问题转化为非线性最小二乘进行求解即可。 专题1:VIO & 多传感器融合 由于基于纯视觉的SLAM方法在实际应用的鲁棒性不高,会受到光照、运动速度过快等因素的干扰,因此实践中多以多传感器方法来构建SLAM。这其中最简单的是VIO问题,即结合了视觉与IMU观测的SLAM问题。 通常情况下,IMU提供包括陀螺仪与加速度计的观测,有些还提供地磁计观测。进一步,对这些观测进行积分,得到IMU预积分残差,再配合基于纯视觉特征的重投影误差,就可以进行联合优化,来求解VIO问题。 VIO经常会应用在移动端的AR设备上,比如AR尺子、AR游戏等。在这些场景下,可以利用移动端传感器(相机、IMU等)实现精确定位和稀疏地图构建,并完成人机交互。下图给出了移动端场景中实现VIO经常涉及的关键技术。 与移动端不同,由于机器人设备上传感器更多,所以它属于多传感器融合的问题。如下图,展示了结合多个相机、IMU与轮速记进行观测的问题。可以看到,与VIO问题相似,这里也是将所有误差项进行联合优化。 下方展示了旷视机器人团队利用多传感器融合进行的实验。可以看到整个过程较为鲁棒,在机器人场景下累计误差远小于基于VIO的VINS-FUSION方法。另外由于VINS-FUSION没有对平面进行优化,因此如果物体在平面运动时间较长,系统估计的轨迹并不在同一个平面上。 由于引入了多种传感器,整个系统复杂度更高,需要注意避免系统在长时间运转下出现的可观维度的变化,同时还要保证不能引入新的误差;另外,多种传感器的引入对于标定工作提出巨大挑战,具体可参考旷视研究院SLAM组在知乎上发布的标定系列文章(关注知乎专栏“ 旷视SLAM组 ”查阅详情);第三,整个多传感器融合系统在实时运行过程中以及标定过程中都存在很多特殊运动下的可观性问题,合理分析并规避问题可以更好地估计系统变量。 专题2:Struct SLAM(结构化SLAM) 如上所述,传统的无论是纯视觉还是VIO方法均是基于点的SLAM系统。 然而,为了构建一个更鲁棒、高精度的SLAM系统,同时也是为了寻找更紧凑、更直观的地图表示方式,就要充分利用图像中的点、线、面等信息。接下来介绍的Struct SLAM系统则使用空间中的结构化信息进行计算。 下图展示了用点与用结构化信息进行环境特征跟踪的区别,上方为点跟踪,下方为线跟踪。可以发现,对于基于点的特征跟踪,当前后帧的光照变化较大时,跟踪不稳定,即是跟踪上了,描述也匹配错误;相反,基于线的跟踪能很好克服这一困难。 分析原因可知,点结合线能够带来丰富的测量信息,另外直线、曲线这些有关环境边缘结构的信息对光照更加鲁棒,同时对整个SLAM地图建构而言,直线与曲线的表示力度更好,也更直观。 下图展示了完全基于线进行特征跟踪的双目系统。左下角绿色画面展示了由线创建的地图,可以发现,相对于用点进行地图建构的系统,线地图的可解释性做得更好。另外,在这个场景中,能够提取的点特征也远少于线特征,所以基于点特征工作的系统在这种条件下无法良好工作。 有了基于线的SLAM系统之后,进一步的直观想法自然是在系统中进行点、线融合。下图展示了融合点与直线表示的PL-VIO系统。在测试集上的实验结果显示,相较于纯用点表示的VIO系统,PL-VIO明显精度更高。 进一步,由于空间中很多边缘未必是直线,为了能够利用这些信息,旷视研究员也搭建了一个基于曲线的VO系统。 如上所述,点、线、面信息在表示特征时各具优势,因此结合三者进行工作的想法自然就被提上日程。下图展示了旷视研究院提出的基于三种表示的PLP-VIO系统,该系统可以融合点、线、面三个特征,同时也能把其约束都利用起来,实现了在空间中进行稠密建图的能力,同时相较于不用面的VIO系统,其精度也有了进一步提升 。 专题3:Visual Localization 前面介绍的SLAM系统融合了建图与定位工作,这在地图构建时经常涉及,但是当地图已经建好,进入实际使用阶段后,建图与定位往往是分离的。因此,本节介绍基于纯视觉的定位。 考虑到地图构建和应用的时间可能不同,不同时间下的环境光照、景物细节也可能发生变化,所以如果用传统视觉SLAM提取描述子的方法,则会因其适应性差,而导致系统工作性能不佳。为了获得高鲁棒性的定位效果,当前多采用基于深度学习的提取描述子的方法。 一般的定位流程如下:离线时,用前文的SLAM地图构建方法建立一个稀疏的点云地图,同时对关键帧提取全局和局部特征,构建数据库。如果场景较大,关键帧较多,则需要使用一些量化方法来对地图进行压缩。 当在线定位时,通过对当前画面提取全局特征,将其置于数据库搜索出若干相似帧,从而进行粗定位;进一步,在这些关键帧中进行2D-3D匹配,用基于深度学习的局部特征来进行精确定位。以此方法,最终能够得到纯视觉的定位效果。 这种方法的主要难点在于,如何设计能够很好学习局部、全局特征的网络,能够对光照等动态变化更加鲁棒;另外,实际应用过程中对地图的大小要求非常严格,不允许出现1GB+大小的地图,因此往往会使用很多地图压缩技术来压缩地图大小,缩短匹配时间。 下方展示了机器人场景下基于纯视觉的室内定位效果。 视觉定位的另一个典型应用场景是手机的室内定位和AR导航。下图演示了旷视研究院SLAM团队的工作。基于对室内场景建立的地图,可以直接使用手机摄像头进行定位,定位后,结合路径规划算法与VIO技术可以实现室内的实时AR导航。 专题4:激光 SLAM 在机器人SLAM中,当前更多采取的方式是激光SLAM,其问题定义与纯视觉SLAM类似,也是同时求解地图与位姿。不同之处在于,由于由激光得到的位姿更为精确,所以通常首先会求出激光的位姿,再利用该已知位姿进行建图。 在地图构建方式上,对于2D激光,往往会用栅格地图来表示,比如黑色表示激光遇到障碍物,白色为可通行区域,灰色为未观测区域;对于3D激光,一般会使用点云地图;此外还有TSDF地图,即记录到物体边缘距离的地图。 当然,无论哪种地图表示,其位姿估计一般都有scan-to-scan与scan-to-map两种方式。另外,激光SLAM一般也是多传感器问题,大多数场景下(尤其是工业机器人)使用的都是单线激光,特征非常少,在环境单一、凌乱地区定位效果很差。所以多传感器融合对提升定位鲁棒性至关重要。 下图展示了旷视研究院基于改进的ISDF方法开发的2D激光建图与定位系统。与其他激光SLAM方法相比,该方法能够更加精确、鲁棒地完成建图与定位工作,能够实现5毫米精度的定位效果。 下图展示的是高精度到点的算法效果,图中搭载该套算法的是旷视S500机器人,它正在进行滚轮对接的demo演示。可以发现,这种场景对于机器人的到点精度要求很高,需要实现1厘米以下的重复到点精度,否则对接可能出现误差。这里展示的机器人能够实现5毫米的到点精度,同时还能较少地受到周围动态环境的影响。 专题5:三维重建 三维重建即用深度传感器的输入,构建稠密点云地图的技术,一般分为刚体与非刚体两种实时重建。 在刚体的实时重建中,一般会有两种常用的技术,一种是Surfel-based方法,基于物体表面,适用于重建房间等场景;另一种是TSDF-based方法,适用于重建小型物体。 下图演示了Surfel-based重建房间的过程,目前旷视研究院在手机端可以实现10赫兹的重建帧率。 下图演示了TSDF的重建方式,适用于小物体重建,精度一般较高。 对于非刚体重建,一般也有两种方式,一种是Template-free模式,即没有模板的重建,对任意动态的场景进行重建;另一种是Template-based,即基于已有的物体模板,对其进行参数化的估计配准,从而将标准人体或人脸模板近似对应到当前观测上。这种模板式重建方法适用于不需要高精度要求的场景,例如娱乐类软件。 另外,三维重建技术也可以用于三维物体识别领域,如工业机器人分拣场景,以三维点云的匹配技术确定零部件的位置与姿态,进一步机器人可以根据零部件的预设操作位进行分拣操作。这种方式的优点在于不需要进行大量学习也可以实现较高的精度,是当前主流使用的技术。 专题6:语义SLAM & HDMap 与传统SLAM不同,语义SLAM是使用语义信息进行观测的SLAM系统,相较传统SLAM系统,语义SLAM系统不容易受到光照、动态、遮挡等因素的干扰。一般情况下,语义信息包含了类别、置信度与位置信息。 对于语义信息的参数化表示而言,以检测场景为例,可以将检测框的中心点作为观测,然后将该点视为是物体3D中心点的投影,如此便可以将观测与要求解的量关联起来。 对于语义SLAM的数据关联,由于语义属粗粒度信息,无法像传统SLAM一样使用诸如描述子的方式来进行特征点之间的匹配, 建立数据关联。因此在语义SLAM中进行数据关联通常不使用极大似然估计,而是使用最大期望估计,即EM估计。 下图展示了一个完全基于图像检测的语义SLAM系统,它能够通过检测地图中的物体来对其进行识别与定位。值得一提的是,这种技术也可能辅助完全基于图像的物体检测系统,因为语义SLAM系统自身拥有姿态信息,假若其在环境中走一圈,观察到同样的车辆(如果物体未动),此时就可以不需要使用重识别类的方法,而是基于该物体在空间中的三维点云位置判断其属于同一ID。 下图展示了在已经建好的稀疏三维地图中,仅使用分割信息作为观测,不使用任何描述子,而是通过特征点的位置和类别的方式进行定位的过程。可以看到,相比纯粹SIFT的效果,用语义进行定位的效果与真值更加接近,而基于SIFT的定位会产生较大误差;这种方法的另一优点在于,由于仅仅保存了空间中三维点的语义信息,而没有存描述信息,因此地图大小通常非常小,以kb级别计算,即是在非常大的场景,人们也能够很容易地应用这种定位方式。 下图展示了在室外无人驾驶场景,完全基于灯杆作为唯一观测实现的语义定位系统,在包含了整个城市级别信息的情况下,地图也只有10kb大小,另外由于观测只有灯杆,所以运行速度也非常快,实验结果显示,在这种仅有简单灯杆信息作为观测的情况下,定位精度也可以达到厘米级别。 结语 今天介绍的多种SLAM系统之间各具特点,在工业应用当中,并没有一种所谓的 “Super SLAM” 系统,能够适用于所有场景。因此当前多采用“对症下药”的方式,针对不同的场景使用不同的技术方案。 来源:旷视研究院/ SLAM组负责人刘骁 刘骁,硕士毕业于北京航空航天大学计算机系。先后在腾讯研究院、微信团队工作,担任高级图像研究员,进行图像检索、增强现实等方向研发。2017年加入旷视研究院担任 SLAM 组负责人,专注于 SLAM、AR、三维重建等方向研究,相关成果在旷视机器人等业务中得到广泛应用。
  • 热度 10
    2021-12-8 11:27
    496 次阅读|
    0 个评论
    2021年5月17日,中国机电一体化技术应用协会公布了T/CAMETA 40004—2021《协作机器人末端接口技术条件》,该标准由苏州艾利特机器人有限公司牵头,联合中科新松有限公司、上海节卡机器人科技有限公司、遨博(北京)智能科技有限公司、哈尔滨工业大学机器人研究所、配天机器人技术有限公司、深圳市越疆科技有限公司、北京机械工业自动化研究所、深圳市同川科技有限公司有限公司、上海尚工机器人技术有限公司共同起草。起草单位几乎囊括了协作机器人行业内所有的头部品牌,保证了该标准的权威性。 该标准在2021年6月16日正式实施,协作机器人产业在当下属于一种新兴产业,而协作机器人作为工业机器人的一种新产品类型,还没有相关的具体产业规范以及技术参数,这也就导致了市场上出现了协作机器人产品参数不一、不能通用的乱象,严重影响了市场的健康发展。而该标准规定了不同负载范围的协作机器人,腕关节与末端执行器的接口技术条件。适用于协作机器人的开发和应用,同时就协作机器人末端接口负载范围分类、公差、螺纹孔、工艺程序所需的条款、机械接口尺寸做了相关规定,在技术和性能上也做了详细要求。届时,我国协作机器人的设计与开发将更加标准化与规范化。 标准规定了协作机器人末端接口应具有以下功能:a)电源接口;b)输入输出端口(IO)。不符合规定的协作机器人将不建议生产、销售和采购,这样有利于维护市场以及技术的规范化。对负载范围分类也做了明确的规定,规定协作工业机器人末端材料为铝合金时,应镶嵌钢丝螺套以增加螺纹孔使用寿命。这样的规定延长了协作机器人的使用寿命。同时,还规定了机器人手腕关节对末端执行器联结约束面的应无划伤、等缺陷,其外露加工面应具有抗腐蚀能力末端执行器与手腕关节联结应紧固件应无松动;末端执行器自重和工作负载(如扭矩、弯矩、撞击等)应以机器人手腕关节允许的动力以及机械承载能力相匹配,禁止超载工作,防止造成设备损害及生产安全问题的发生。意味着协作机器人的安全性将整体提升,其作业时的不安全因素大大减少。 对协作机器人企业而言,不符合T/CAMETA 40004—2021《协作机器人末端接口技术条件》标准要求的产品,为保证市场健康规范的发展,就不建议生产、销售,使用单位也尽量采取不采购的策略,因此企业要从技术、装备、工艺、材料和销售等各方面做好符合的充分准备。 新的协作机器人末端接口技术条件标准的实施,对于协作机器人生产企业的技术以及性能方面提出了更高的要求,企业生产成本进一步增加。因此企业要在产品达到规定协作机器人末端接口技术条件标准的前提下,从效率、技术等各方面去挖潜,以降低成本,提高自身生产效率。同时,针对标准化推进带来的企业生产成本增加,国家出台了一系列政策予以支持,各地政府也出台了一系列补贴以及奖励扶持。 目前,该标准已经实施半年,协作机器人市场日益规范,彻底告别了无标准裸奔时代。协作机器人产业也实现了快速发展,涌现出一批协作机器人头部企业。自主品牌企业通过技术创新不断推出有竞争力的产品,占国内市场的比重持续增长。据《中国机器人产业发展报告》显示,2021年,我国机器人市场规模预计为839亿元,2016-2023年的平均增长率将达18.3%,远超全球水平,机器人在我们生产、生活中的比重迅速上升。 随着AI人工智能技术的不断成熟,协作机器人的智能化程度也在同步提升,不断进行自身产品迭代,为适应不同场景需求,设置了各种不同负载的机器人,满足不同领域的实际应用落地需求。经过几年探索落地,目前协作机器人通过深度融合视觉等新兴技术,已经在AI+的各领域如工业、商业新零售、教育、物流、医疗、3C等场景实现了应用落地。协作机器人作为一种新型工业机器人,未来会更多地与新材料、5G、3D视觉、柔性技术、传感器、人工智能等技术融合,拓展更多行业应用场景,满足自动化、智能化应用领域需要高度柔性的人机交互需求。中国协作机器人行业,将在一个更开放的环境中找到突破点,为更多的技术运用和应用场景注入灵魂,推动全球机器人行业的发展。 来源:中国机器人网 作者,晓晓
  • 热度 10
    2021-12-1 14:37
    622 次阅读|
    0 个评论
    光伏电池片、锂电池、物流、食品等是当今的热门产业,在这些行业的产线上,SCARA机器人往往承担着装配、搬运、分拣、点胶、涂覆、锁附、插件、贴标等重要的工作。“热门”之下,效率、质量才是立于不败之地的根本。为了满足这些需求, 汇川技术推出了新品——IR-C8高速SCARA机器人 , 以0.26s标准节拍成为汇川史上最快的机器人,为高精度加工带来效率飞升 。 高速高精 有“求”必应 以光伏组件产线为例,其电池的串焊效率已经从早前的1600p/h,提升到如今的3600p/h,因此普通SCARA机器人已远远不能满足该产业对搬运速率的要求。IR-C8高速SCARA机器人,向欧系最高性能的品牌看齐,节拍时间仅为0.26S,比上代的IRB机器人缩短了29%,是汇川技术速度最快的SCARA机器人,可助力高精度加工产线大幅度提升效率。 ±0.02mm的重复定位精度,确保了应用产线的制造工艺得以最优呈现,保证精密产品的组装质量。 为了满足各种恶劣生产环境的应用需求,IR-C8对机器人本体和电控柜的防护等级同步升级。在应用中可对机器人本体加装丝杆防护罩,实现IP54的高防护等级,提升恶劣环境中生产的稳定性。 驱控一体电控柜,支持TCP/IP、TCP Modbus、EIP、MC、EtherCAT等多种总线,实现更高的扩展性,支持机器人与系统之间的互联互通。多种安装方式,满足不同应用现场的空间要求。 “做得好”更要“看得见”,IR-C8能够实时采集设备运行数据,通过运行状态侦测功能,使电池、丝杆、温度控制变得“时刻有数”,让使用者更加“心里有底”。 在IR-C8高速机器人的开发过程中,开发人员紧紧围绕“高速高精”以及由此带来的“更高可靠性”的诉求,不断优化结构设计,优化算法,并定制扭矩更大、转速更高的减速机,选配最适配的马达,确保机器人在高速运行时的刚性进一步提升,克服振动更稳定,运行轨迹更柔顺,呈现高精度加工工艺。 紧抓痛点 砥砺前行 2020年,汇川技术SCARA机器人在国内市场份额排名第3,位居国产品牌第一位。2021年,或将实现全年出货突破1万台。 汇川技术机器人事业部市场总监叶文广表示,“机器人换人”势不可挡,机器人未来一定要帮助客户实现“精益制造”,就是要在降本增效的前提下,持续强化高速、高精、高可靠性的技术优势,并带来易用性的提升。 制造产业引入机器人的首要考虑是降本增效。从机器人全生命周期的性价比TCO是用户考量的要点,同时追求极致的节拍、精度等关键指标。 机器人大多需要二次改装、调试,对一线员工的素质要求很高。曾有客户提出,企业一直有部署工业机器人的规划,却因为缺乏专业技术人员而不得不“再等等”。因此易用性的提升能大幅降低机器人应用门槛。 易用性的另一个体现是机器人的网络化。工业机器人需要与PLC交互,才能将数据打通、读取、计算、上云、应用,实现机器人的预诊断、预维护、实时监测等功能,释放操作人员的精力。 叶文广同时也表示,为了顺应机器人的发展趋势,核心部件自主化是汇川机器人始终坚持的战略。同时提高自身产品的模块化与可延展性,增强工艺和场景定制化能力,并在国家重点发展和推动转型的产业领域发力。 面对应用行业对精益智造与降本增效的迫切需求,汇川技术机器人正在凭借自身的洞察与技术积累,产出兼具国际水准与低应用门槛的解决方案,帮助客户实现“质”和“量”的双提升。同时得益于近二十年的积淀,汇川能够在机器人的基础上,进一步整合其在工业自动化领域的深厚能力,提供整线自动化智能化解决方案,协助客户释放数据潜能,助其迈向全面的数智化。 来源:传动网
  • 热度 5
    2021-10-9 22:43
    695 次阅读|
    1 个评论
    “灯塔工厂”之联想:减排=减人?
    每日读报,见闻《 传说中的“ 灯塔工厂” 长啥样? 现场 揭秘! 》人民日报客户端 韩鑫 2021-10-09 14:29 什么是灯塔工厂? 这是由世界经济论坛和麦肯锡咨询公司联合遴选出的“数字化制造”和“工业 4.0 ”全球化示范标杆,代表世界数字化制造的最高水平。 入选其中需要集成至少 5 个世界级领先水平的技术应用,并在 生产效率、运营敏捷度、生态可持续 等企业经营指标上实现重大提升。换句话,这间工厂堪称制造企业转型升级之路上的标杆。 报道以采访中信戴卡秦皇岛铝车轮六号工厂为例做了实际性的说明。 归根结底就是强调了当下时髦时兴的产业现状,就是数字化、智能、智慧、智造、工业 4.0 等等,名可名非常名。结果就是减人,道可道非常道。 减人有道,何为道? 确实,看世界人口, 世界人口时钟 这一刻显示的是: 7 925 992 679 近 80 亿人口,生活所需要的水资源、森林资源、生物资源、大气资源本来是可以不断再生,长期给人类做贡献的。但是,因为人们随意毁坏这些自然资源,不顾后果地滥用化学品,不但使它们不能再生,还造成一系列生态灾难,还有可利用的矿藏资源日趋枯竭,给人类生存带来了严重的威胁。 所以, 人口与自然资源平衡 是当下突出的问题。 凸显的一个问题就是地球可以容纳多少人?如上所述,这也要看人类的科学技术状态。现状下,算没算?知道不知道?按普通人不知道,也无所谓。总之,现实是明摆着的,多一个人多一份消耗和排放,长寿是人类追求的目标,这是与自然界动物截然不同之处。为了长寿人类具备了医疗功能。说远了,这项功能也正是人类来到了地球适者生存的能力。 一面新生,一面长寿,综合效应就是人口总量有增无减,人口质量每况愈下(比如老龄化)。直到人类生存所需地球资源能源不够用了,怎么办? 不就是减人,减谁? 自然也是符合优剩劣汰法则,但是是在人类自身干预下,这是与自然界动物不同之处,所以我们自称为智人。 成也智,败也智。 智,成就了增人。智,成就了减人。 “ 灯塔工厂 ” 的智,明显,最终结果是减人。表现为用最小量的人制造出最大量的产品。一小一大,矛盾问题就来了。比如,三胎鼓励多生,可是生来干什么?工厂都是“无人值守”的状态,没事干只好躺平。躺平不开车,那还需要大量的车轮?到头来只有减产,企业也就减排了,天地环境得以喘息而生态可持续。 “灯塔工厂”不就是减排 = 减人之道? 进而联想,减人减到何时?显然不是过去时,不是过去的数量,也不是过去的质量。变种?有可能哦! 看看过去时代人类残留下的古迹,其 4M1E 是现代人类截然不同的,比如,数百吨重的石材是什么工具取材?是用什么设备运抵?环境条件?智商?书中有说,见下图: 以下是实物照片(摘自百度图片) 那时的人是什么样的?外星人?据说我们是外星人移居地球的变种以适者生存,并根据宇宙星空设计了在地球上更新换代的机制,比如设定黄道十二宫为参照系,地球人类每一宫周期为 2160 年,换一种体格适应模式而继续生存下去。 现在, 21 世纪正是从双鱼宫变为宝瓶宫的转换期。 人类该怎么转变呢? FT 中文网报道: FT 社评:以后给你修车的将是软件工程师 更新于 2021 年 10 月 9 日 16:49 英国《金融时报》 社评 随着汽车变得越来越像带轮子的电脑,除了配件生产商,修理厂和维修工也处在改变的十字路口上。应该让工人们为新世界做好准备。 是啊,这不就是转变吗?实体人工人要为新世界的转变做好思想准备以适应实 —— 虚 —— 实的转换过程。 软件工程师由实体人逐步变到虚拟人,进而到机器人。人类正处于进入水瓶宫为期 2160 年的机器人文明时代。 呵呵,到那时智人称之为机器人的新人类或许叫自己是超智人。 减人,旧的去。增人,新的来。同时进行,换人之道。 2021年10月10日 FT中文网报道: 我们需要谈谈《鱿鱼游戏》 这部热门韩剧有望成为Netflix最受欢迎的电视剧,但它揭露了一些关于人类行为的残酷事实。 为什么会是“最受欢迎”?这是在传递减人的意识啊!其道何解?
相关资源