自從工業(yè)革命以來(lái)，機器開(kāi)始工作前，都需要人先動(dòng)手。在整個(gè)20世紀50年代和60年代，工程師們嘗試用機器人作為工業(yè)發(fā)展的一種手段。1969年開(kāi)發(fā)成功的Stanford Arm是一個(gè)六軸機器人，它可以連續模式重復移動(dòng)和組裝零部件。這個(gè)發(fā)明讓機器人開(kāi)始在裝配線(xiàn)上實(shí)際應用，并隨之發(fā)展成了我們今天看到的機器人技術(shù)。

工業(yè)機器人是在制造業(yè)中使用的可編程自動(dòng)化系統，通常能夠在兩個(gè)或多個(gè)軸上移動(dòng)。這類(lèi)機器人大多屬于機械臂，并具有一定程度的自主性，這意味著(zhù)不需要人的控制，他們就能執行某些任務(wù)，例如焊接、噴涂、提升、包裝以及檢測等。

工業(yè)機器人在汽車(chē)制造中最為常見(jiàn)。在汽車(chē)行業(yè)中，機器人通常承擔一些精細控制的工作，比如提升重物、噴涂和焊接。而人手則完成一些更復雜的工作，比如微小零部件或引導布線(xiàn)。這些機械臂通常很大，因此很難在工廠(chǎng)里四處移動(dòng)。然而，現在的機器人較之以前更靈巧，他們可以挑戰人類(lèi)才能完成的更復雜工作。比如丹麥Universal Robots公司生產(chǎn)的協(xié)作機器人，目前正在法國克里昂的雷諾工廠(chǎng)里給發(fā)動(dòng)機擰螺絲，以前這項精細的任務(wù)只能由人工來(lái)完成。此外，在雷諾使用的機器人重約30公斤，很容易在工作場(chǎng)所周?chē)苿?dòng)。這樣，制造商就可以不用花費大量的時(shí)間和金錢(qián)重新配置工廠(chǎng)，縮短定制產(chǎn)品的制造時(shí)間。


協(xié)作機器人

對于傳統工業(yè)機器人而言，由于其運行時(shí)的危險性，通常需要安裝防護圍欄，跟工人隔離。而協(xié)作機器人則完全不同，通過(guò)設計，它們可與工人在同一工作站中安全協(xié)同工作。這是因為他們具備以下特性：

•特別的設計讓他們可以在工人旁邊安全工作，一是限制力量大小避免人類(lèi)受傷，二是通過(guò)傳感器避免機器人跟工人相接觸。

•輕量化設計，允許機器人根據需要可以從這邊移動(dòng)到那邊。

•不需要太多的專(zhuān)業(yè)知識，讓大部分工人可以通過(guò)平板電腦或智能手機對機器人進(jìn)行控制。

川崎機器人最近發(fā)布了他們第一款協(xié)作機器人duAro，它采用低功率電機、柔軟的外表、低速度以及共享工作區監控，讓他們可以跟人類(lèi)并肩協(xié)作。如果不幸發(fā)生碰撞，碰撞檢測功能會(huì )讓機器人馬上停下來(lái)?？梢酝ㄟ^(guò)人手引導機械臂進(jìn)行示教，2公斤負載的機械臂可以完成諸如物料搬運、組裝、機器調整和分配等任務(wù)。duAro的安裝很簡(jiǎn)單，基座上帶有輪子，一個(gè)工人就能輕松地將機器人移動(dòng)到任何需要的地方。

人工智能

人工智能是機器人領(lǐng)域中發(fā)展最快的研究領(lǐng)域之一。AI允許通過(guò)學(xué)習來(lái)完成需要靈巧性和特殊意識的任務(wù)，這意味著(zhù)機器人可以被引入新的場(chǎng)景并且無(wú)需預編程就能做出正確地反應。加州大學(xué)伯克利分校的研究人員已經(jīng)開(kāi)發(fā)出算法，“使機器人能通過(guò)試驗以及犯錯等更接近人類(lèi)的學(xué)習方式來(lái)新的任務(wù)，這是人工智能領(lǐng)域的一個(gè)重要里程碑。”這項技術(shù)已經(jīng)成功應用于多種場(chǎng)合，例如組裝玩具飛機，將瓶蓋擰在水瓶上，把衣架掛在架子上，這些任務(wù)往往都無(wú)法進(jìn)行預編程。

深度學(xué)習是人工智能的另一個(gè)新分支，它的另一個(gè)名字叫人工神經(jīng)網(wǎng)絡(luò )（ANNs），人工神經(jīng)網(wǎng)絡(luò )是一種受生物神經(jīng)網(wǎng)絡(luò )啟發(fā)的控制模式，用于估計取決于多個(gè)輸入的未知函數。人工神經(jīng)網(wǎng)絡(luò )通常被設計成能互相交換信息的“神經(jīng)元”連接組成的系統。這種連接有不同的數字權重，可以根據經(jīng)驗進(jìn)行調整，使神經(jīng)網(wǎng)絡(luò )能夠適應輸入，從而能夠學(xué)習。“深度學(xué)習”之所以成為深度，是因為人工神經(jīng)網(wǎng)絡(luò )的結構，神經(jīng)元的層互相堆疊在一起。最底層收集一些原始數據，例如圖像、文本和聲音，每個(gè)神經(jīng)元都存儲他們遇到的相關(guān)信息。層中的每個(gè)神經(jīng)元將信息發(fā)送到下一層神經(jīng)元，并學(xué)習比低一層神經(jīng)元更抽象的信息。

此技術(shù)已經(jīng)成功應用在蘋(píng)果Siri和谷歌Street View進(jìn)行語(yǔ)音和視覺(jué)識別。此外，這些應用還可以利用標記方向去解決更多問(wèn)題，比如利用現有語(yǔ)音存儲數據。在非結構化3D環(huán)境中移動(dòng)沒(méi)有這些方向，因此是更大的挑戰。目前在UC Berkley的實(shí)驗中使用的機器人采用具有獎勵函數的算法，該算法基于機器人做設置任務(wù)的程度提供得分。攝像機追蹤機器人手臂和腿的位置并分析周?chē)h(huán)境，將實(shí)時(shí)得分反饋給機器人以便進(jìn)行相應的動(dòng)作。相對于目標的最佳移動(dòng)可以通過(guò)自己重復學(xué)習，然而，它目前只能計算大約92000個(gè)參數的“好”值，其優(yōu)化時(shí)間受數據處理硬件的限制。目前，沒(méi)有關(guān)于對象位置的先前數據，學(xué)習過(guò)程需要花費大約3小時(shí)。這種技術(shù)在生產(chǎn)線(xiàn)上商用之前，還有很長(cháng)的路要走，但是該技術(shù)在未來(lái)的革命性效果將使得機器人能夠從頭開(kāi)始學(xué)習復雜的任務(wù)。

本文來(lái)源于機器人網(wǎng)。



推薦閱讀：


驅動(dòng)單元設計中出現了電磁兼容問(wèn)題怎么辦？
適用于USB3.0的電路保護方案
逆變電源中的三種保護電路講解
無(wú)人機技術(shù)突破大盤(pán)點(diǎn) 2017年將走出新高度
多旋翼無(wú)人機成最熱產(chǎn)品，各種方案比較和發(fā)展趨勢