美迪新闻中心 版权所有,是国内最具有亲和力的网站之一 [ 给我写信 ] [ 百度空间 ] [ 腾讯微博 ] [ 新浪微博 ]

当前位置   主页 > 体育 >

香港大学席宁:新时期跨越机器人的“三座大山”

发表于:2019-07-17 10:53 作者:新闻小编 来源:新闻小编

席宁

  香港大学机器人与自动化讲席教授、IEEE RAS候任主任

  众所周知,工业机器人最大的应用是在生产制造系统里面,它对工业的发展起到了很大的作用,同时也影响着国民经济的健康发展。现在,我国在工业机器人领域加快产业结构调整,这催生出了很多新的机遇,同时也面临着很多新的挑战。

  新时期的三座大山

  过去,由于我国在工业领域起步较晚,面临着三座大山电机、减速器和控制器,但这些技术在在国际上已经得到基本的解决。这些年,我国也制定了很多的策略,研究怎么赶上国际水平。但是,除了要越过这三座大山,我们应该将目光投向远方,思考工业机器人领域有什么新的机遇,面临着什么新的挑战,如何突破这种挑战赢得未来。

  现在,人们认为工业机器人应该智能化,那我们需要知道智能化的目的是什么,为什么要智能化。我认为,智能化无非就是让工业机器人得到更方便的应用,那么,怎么使工业机器人得到更方便的应用呢,通过研究我们找到了制约工业机器人实现智能化的问题所在。

  第一,为机器人编程特别耗时。机器人要实现智能化首先得给它编程,也就是为机器人编写机器语言,这类方法的缺点就是特别的耗费时间。比如传统的汽车行业,人们设计一辆汽车需要三到五年的时间,而生产汽车的机器人编程周期也差不多就是三到五年。但是,现在我们要把机器人应用到像手机制造这样的新兴领域,手机一年就换一代,照旧的方法,就需要为机器人一年编写一次全新的程序,这样编程和使用的成本就大大提高了。所以,我们需要开发新的编程手段,让机器人更容易被应用。

  第二,机器人下游企业无法建立起机器人与环境的交互。企业在为机器人编程的同时,还要重新设计新的产品以应对迅速变化的市场,有时要重新对生产线进行组织调整,而机器人不是往工位上一安装就可以实现生产,对于整条生产线来说,机器人要建立与周围环境的交互是一个很复杂的过程。例如,要校正机器人,机器人有自己的坐标要与工厂的坐标建立起来联系,这个过程相当复杂,机器人产业的下游企业无法实现这个过程,这需要机器人的制造厂商来提供这种服务,这样一来,无论从成本还是使用性的角度来讲,对机器人应用企业的发展都是一种很大的制约。

  第三,机器人和传感器结合度不高。目前,机器人还只是进行简单的工业生产,不能一机多用,而我们的追求是使机器人精度更高、更加的智能化,可以高效率的实现多品种的个性化生产。要达到这个愿景,机器人和传感器的结合是一个关键。现在人们都讲人工智能,人工智能首先是建立在传感器的基础之上,因为感触是人工智能发展的第一步,这足以见得在机器人上应用传感器的重要性。

  因此,我把这三大问题归纳为解决下一代工业机器人面临的新挑战,只要完美的解决了这三大问题,工业机器人的智能化发展就会向前更进一步。

  让编程变的更简单

  首先,讲机器人编程方面。现在大家都知道,传统的机器人编程方法使用起来特别的费时,所以,能不能开发一些更直观、更方便的编程方法,在短时间内高效率的为工业机器人编程呢?因此,我们开发了一个基于CAD模型的编程方法。怎么理解呢?也就是说,我们用机器人生产制造产品,首先得有这个产品的CAD设计模型和图纸,那么如果机器人可以直接理解这个CAD模型,这样的话就可以减少很多编程的过程,把原来的人工编程变成了机器人自主的编程。

  为大家举个3D打印的例子,在3D打印的过程中,机器人握着一个喷枪,把玻璃纤维喷射成一个汽车的车厢。在喷射的过程中,机器人的轨迹非常的重要,因为它的移动速度和位置决定了有多少的纤维喷射到这个车厢上。由于车厢设计的不同,有的地方比较厚,有的地方相对比较薄,所以这个编程的过程非常的复杂。要是采用人工编程,可能这一个零件就需要花费一两个礼拜的时间,还要经过不断的测试,但是把这个CAD模型直接导入到程序里面的,计算机就可以自动产生机器人的运动轨迹,两三个小时就可以把整个程序编好。

  目前,这个基于CAD模型的编程方法已经在汽车公司得到了应用。同时,它也可以应用到更复杂的生产过程当中去。例如用3D打印冲模。打印汽车零件可能只需考虑控制材料的分布状况,而打印冲模的过程是一个喷射高温熔化金属的过程,不光要考虑金属材料的分布,还要考虑温度的分布,如果一旦出现偏差,就会影响这个产品的机械性能。所以,在规划机器人轨迹的时候把这些因素都要考虑进去,这是一个非常复杂的过程,人工编程几乎是实现不了的,而基于CAD模型的编程方法就可以实现这个过程。

  同时,这个方法不仅可以基于设计,还可以基于传感器进行编程。我们加工一个零件要对它进行测量,基于这个测量结果可以产生机器人的轨迹,对这个零件进行加工,比如打磨。我们知道机器人的打磨被应用到很多的方面,而且编程很复杂,并且最终的程序都需要测试打磨几百个零件,而使用自带检测传感器的机器人之后,就会简单许多。机器人可以通过传感器来检测零件需要打磨的部位,随后计算机自动生成一个打磨的轨迹,并且在打磨完成后对打磨的部位重新进行检测和校正。所以,我们把原来的一个开环的过程变成了一个闭环的过程,不仅降低了编程的时间,而且也提高了产品的质量。

  当然,机器人的应用还有很多方面,比如服务机器人。服务机器人的编程里没有CAD模型,它可以和人直接进行交互。人和人之间的交流是用语言,所以要让机器人能够理解人的语言,用人的语言直接进行编程,这对于未来的服务机器人特别的重要。然而,自从人工智能出现以来,如何使机器人理解人的自然语言一直就是个难题,那怎么来解决这个难题呢?其实,我们有一个很大的优势,那就是机器人里面的传感器。这些传感器可以把简单的语言理解变成一种互惠反馈的过程,把原来简单的底层反馈控制拓展到高层,拓展到自然语言的处理过程当中,这样一来,机器人的语言理解就变得相对的准确,编程的过程也变的相对容易了。

  从传统的视角来看,机器人编程变成了一个更直观的编程,人类把自己的设计思想通过语言告诉机器人。

  机器人应该自力更生

  然后,谈谈如何让机器人更加容易的和环境建立起来,更加容易的自我校正。许多人简单的认为,买了机器人之后就可以代替人来进行工作,但是,真正将机器人买来之后却很失望,因为要使机器人能够真正的代替人来工作是件很麻烦的事情。机器人有自己的控制坐标,用户根本不理解如何将机器人的坐标和工厂的坐标建立起联系。所以机器人被安装好后,怎么让它能认识环境,能与环境交互,在同一个坐标里进行工作,这对用户来说是非常重要的。迅速的了解环境是机器人很重要的一方面,这也是机器人智能化的标志。因此,我们在这方面做了一些工作。

  过去,机器人的校正有两种。一种是校正机器人和环境的关系,就是将机器人的坐标和环境的坐标概念性的结合,另一种是校正机器人本身的坐标,这些因素都是需要通过校正来确认的,并且非常的复杂。用户很难做机器人的校正,这都需要机器人的厂商来做,这对于机器人的用户而言,成本和时间就大大增加了。

  那么,用户为什么很难做机器人的校正呢?过去,校正机器人的方法是基于点,我们把机器人在空间运动的轨迹通过记录点的方式保存下来,通过这些点再把转换坐标计算出来。这种方法相当的复杂,因为我们需要记录很多的点才能计算出来这个坐标。现在,我们开发了一种Linebased Calibration的方法,这种方法直接记录已知线,线所承载的数据量比点要多的多,这样在校正机器人的过程中就会方便许多。因此,我们做了一个相应的装置安装在机器人上面,机器人可以进行重复精度的校正,这在很大程度上解决了用户们的难题。

  解放质检员不是梦

  最后,我们谈谈怎么让机器人和传感器进行结合,提高机器人的智能化。

  在生产过程中,有时我们要测量双坐标的尺寸,传统的方法是利用三坐标测量机一个点一个点的进行测量,这样一来,成本居高不下。假如我们在机器人上嵌入传感器,传感器可以对一片面积进行拍照测量,这样就可以把高密度的三维点云呈现出来,而且成本低、效率高。

  以检查高铁为例,铁路公司要在夜里派很多的车辆检查人员来检查列车的安全性,特别的费时费力。所以,我们在想可不可以直接通过机器人搭载着传感器进行检测,然后通过和列车CAD模型进行比对来找出列车可能存在的问题。因此,我们专门开发了一款检测列车的机器人,它可以灵活的伸到车厢的底部,通过搭载的传感器拍摄大面积的照片来和CAD模型进行对比,快速的对整个车厢进行安全检测,不光效率高,而且精度高。

  再以汽车座椅的生产举例。过去,汽车座椅的软硬舒适程度需要质检员一个一个的进行触摸检测,再通过质检员感性的主观判断打一个分数,判断这个座椅是否合格。众所周知,汽车的配件都是由汽车服务商来进行生产,那么大批量的座椅生产一定有一个量化的生产标准,那么质检员自身做出的判断存在很大的误差。我们就通过机器人搭载传感器的方式对座椅的软硬和光滑程度等十几项指标进行检测,减少了误差,也提高了效率。目前,我们的这种检测方式已经在墨西哥的汽车工厂进行使用,并且数据可以传回美国,也就说,还可以实现远程检测。同时,这样的检测方式还可以实现客户的个性化需求。比如,客户可以通过自己的要求量身定制一款适合自己的座椅。

  通过这三个方面的具体案例讲解,我想传递给大家一种思想,那就是在工业机器人领域,我们应该从之前的三大技术挑战里面跳出来,看看将来还有什么新的技术挑战,如何去解决这些挑战,使得目前的机器人真正的成为我们理想中的智能化机器人,来帮助人类去探索未知的世界。

本文链接地址: http://www.desayele.net/tiyu/2418.html

栏目:体育      围观:

相关阅读

本月热点