Real-Time Adaptive Industrial Robots: Improving Safety And Comfort In Human-Robot Collaboration
University of St. Gallen(圣加仑大学)
本研究提出一种具备用户感知能力的实时自适应工业机器人系统,通过非侵入式监测生理信号动态调整机器人运动,可显著降低操作人员认知负荷,提升协作舒适度与安全感,为人机交互提供了新范式。
2024-09-14 cs.RO
On-line collision avoidance for collaborative robot manipulators by adjusting off-line generated paths: An industrial use case
University of Coimbra(科英布拉大学);Arts et Métiers(法国国立高等工程技术学院)
人机碰撞避免是协作机器人和工业4.0框架中的关键。它对于实现安全标准,同时使人类和机器在非结构化和时变环境中并肩工作起着重要作用。本研究将机械手的在线碰撞避免引入到一个实际的工业应用中,该应用实现了典型的传感器和常用的协作工业机械手KUKA iiwa。在所提出的方法中,人类的同事和机器人表示的几何图元(胶囊)。当人/障碍物在附近时,使用假设的排斥和吸引向量的概念,计算它们之间的最小距离和相对速度。通过耦合这一概念与机器人的运动学的数学表示,实现了具有碰撞避免能力的任务级控制。因此,离线生成的工业任务的标称路径在运行中被修改,使得机器人能够安全地避免与同事碰撞,同时能够完成工业操作。为了保证在不同任务之间切换时的运动连续性,引入了排斥向量整形的概念。在汽车工业装配机器人单元上的试验表明,通过调整离线生成的标称路径,机器人运动平稳,成功避免了碰撞。
2019-09-11 cs.RO
Using industrial robot to manipulate the measured object in CMM
University of Zenica(泽尼察大学)
坐标测量机(CMM)广泛用于检查制造零件的尺寸,特别是在汽车工业中。这些测量自动化的主要障碍是夹具和夹紧组件,这是为了在CMM中定位被测对象所必需的。本文介绍了如何使用工业机器人在三坐标测量机的工作空间内操纵被测物体,以实现复杂几何形状测量的自动化。
2014-04-14 cs.RO
Task Adaptation in Industrial Human-Robot Interaction: Leveraging Riemannian Motion Policies
ETH Zurich(苏黎世联邦理工学院)
针对工业人机交互需求,提出基于黎曼运动策略的模块化运动控制框架,实现免手动控制、复杂任务组合及意图识别与运动规划无缝集成,并在受现实工业场景启发的实验中验证了其有效性。
2024-06-25 cs.RO
Synthetic Dataset Generation and Learning From Demonstration Applied to Industrial Manipulation
University of Luxembourg(卢森堡大学)
本文研究面向工业装配的自动化操作流水线,提出合成数据集生成方法并结合示教学习替代人工编程,使非机器人专家也能通过示教引入新操作任务。
2024-03-30 cs.RO
Research on the mobile robots intelligent path planning based on ant colony algorithm application in manufacturing logistics
Ningbo University of Technology(宁波工程学院)
随着机器人技术和人工智能领域的发展不断深入,路径规划作为机器人计算的一个重要领域得到了广泛的关注。本文分析了机器人和路径规划算法的发展现状,重点分析了传统智能路径规划和路径规划的优缺点。利用蚁群算法对移动机器人路径规划问题进行了研究,并给出了一些求解方法。
2014-01-07 cs.RO
A New Calibration Method for Industrial Robot Based on Step-Size Levenberg-Marquardt Algorithm
Chongqing University of Posts and Telecommunications(重庆邮电大学);Swansea University(斯旺西大学);Southwest University(西南大学)
工业机器人在自动化生产中起着至关重要的作用,在搬运、焊接等工业生产活动中得到了广泛的应用。然而,由于机器人存在加工误差和装配误差,其绝对定位精度较低,无法满足高精度制造的要求。针对这一热点问题,提出了一种基于无迹卡尔曼滤波器和变步长Levenberg-Marquardt算法的标定方法。这项工作有三个想法:a)提出了一种新的变步长Levenberg-Marquardt算法,以解决Levenberg-Marquardt算法中的局部最优问题; b)采用无迹卡尔曼滤波器来减小测量噪声的影响;以及c)开发了一种将无迹卡尔曼滤波器与变步长Levenberg-Marquardt算法结合的新的校准方法。此外,我们在ABB IRB 120工业机器人上进行了足够的实验。从实验结果来看,该方法实现了更高的校准精度比一些国家的最先进的校准方法。因此,这项工作是机器人标定领域的一个重要里程碑。
2022-08-01 cs.RO
Embodied intelligent industrial robotics: Framework and techniques
Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Guangzhou Fuwei Intelligent Technology Co., Ltd(广州富唯智能科技有限公司);Tsinghua University(清华大学)
本文提出了一种新的基于知识的具身智能工业机器人框架,旨在提升工业机器人在复杂环境中的智能水平和应用潜力。
2026-08-12 cs.RO
Industrial Robot Trajectory Tracking Using Multi-Layer Neural Networks Trained by Iterative Learning Control
Rensselaer Polytechnic Institute(伦斯勒理工学院)
在某些应用中需要快速和精确的机器人运动,例如电子制造,增材制造和装配。大多数工业机器人运动控制器允许外部命令的运动轮廓,但轨迹跟踪性能受到机器人动力学和关节伺服控制器的影响,用户没有直接存取和很少的信息。在将外部命令作为设定点传输到内部控制回路时的时间延迟进一步损害了性能。提出了一种结合神经网络和迭代学习控制来提高多轴关节型工业机器人轨迹跟踪性能的方法。对于一个给定的期望轨迹,外部命令是迭代细化使用高保真度动态仿真器,以补偿机器人内环动态。这些期望的轨迹和相应的细化输入轨迹,然后用于训练多层神经网络,以仿真的非线性内循环动力学的动态逆。我们证明了,有了足够丰富的训练集,训练好的神经网络可以很好地推广到训练集之外的轨迹。在将训练好的神经网络应用于物理机器人时,跟踪性能仍然得到改善,但不如在模拟器中那么多。我们表明,迁移学习可以有效地弥合仿真和物理机器人之间的差距。最后,我们在其他机器人模型上对训练好的神经网络进行了仿真测试,证明了通用网络的可能性。该方法的开发和评估基于ABB IRB 6640 -180工业机器人和ABB RobotStudio软件包。
2019-03-04 cs.RO
Evaluating Robot Program Performance with Power Consumption Driven Metrics in Lightweight Industrial Robots
Maersk Mc-Kinney Moller Institute, University of Southern Denmark(马士基麦金尼·莫勒研究所,丹麦南部大学)
本研究提出一种基于电力功耗指标的具身视角框架,用于评估轻量级工业机器人程序性能,通过实验比较四种策略,揭示优缺点,以提升能效和可靠性,支持可持续制造。
2025-08-08 cs.RO
On Model Predictive Path Following and Trajectory Tracking for Industrial Robots
Norwegian University of Science and Technology(挪威科技大学);SINTEF DIGITAL(SINTEF数字研究所)
在这篇文章中,我们将展示如何模型预测路径跟踪控制器允许机器人机械手停止在障碍物的方式,模型预测轨迹跟踪控制器不能。我们提出了这两个控制器应用于机器人机械手,模拟两连杆机械手使用内点求解器,考虑离散化的最优控制问题,使用配置或龙格库塔,并讨论我们的实施模型预测路径跟踪控制器的实时可行性。
2017-03-07 cs.RO
Towards Safe Multi-Level Human-Robot Interaction in Industrial Tasks
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Foxconn Interconnect Technology(富士康互联科技);Zhejiang University(浙江大学)
本文提出三个独立安全模块(视觉监控、接触监控、分层意图跟踪),实现工业协作机器人在多层级人机交互中的安全保障,并探讨了基于人类行为建模的未来研究方向。
2023-08-06 cs.RO
ROS2SmolVLA: Enabling Small Vision-Language-Action Models for Integration into Industrial-Grade Lightweight Robots
University of Augsburg(奥格斯堡大学)
本研究将SmolVLA适配于Universal Robots轻量机器人,发布ROS2SmolVLA开源接口,通过UR10e取放任务验证其功能,为工业级轻量机器人提供了本地可计算的小型VLA模型方案。
2026-08-25 cs.RO
Multi-Agent Motion Planning on Industrial Magnetic Levitation Platforms: A Hybrid ADMM-HOCBF approach
MECO Research Team, Dept. of Mechanical Engineering, KU Leuven and Flanders Make(MECO研究团队,机械工程系,KU莱顿和弗拉芒制造)
本文提出了一种新颖的混合运动规划方法,用于具有holonomic特性的多智能体系统。通过结合去中心化的交替方向乘子法(ADMM)与集中式的高阶控制屏障函数(HOCBF)架构,解决了传统集中式MPC在智能体数量增加时的可计算性问题,并提供安全性保障。
2026-03-20 cs.RO
Identification of geometrical and elastostatic parameters of heavy industrial robots
Centre National de la Recherche Scientifique(法国国家科学研究中心);University of Nantes(南特大学)
研究了带重力补偿器的重型工业机器人的刚度建模问题。主要的注意力是支付的几何和弹性静力参数的识别和校准精度。为了减少测量误差的影响,一组的机械手配置校准实验进行了优化,相对于所提出的性能措施有关的末端执行器的位置精度。实验结果表明,所开发的技术的优点。
2013-11-26 cs.RO
Real-World Deployment of a 5G-Connected Edge-Controlled Aerial Robot in Industrial Subterranean Mines
Robotics and AI Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology(机器人与人工智能小组,计算机、电气与空间工程系,吕勒奥技术大学)
本文首次在实际工业地下矿井中部署了由边缘卸载控制器控制的5G连接自主飞行空中机器人,采用模型预测控制器(MPC)生成平滑无碰撞路径,展示了边缘控制机器人系统在时间关键、安全高效未来部署中的潜力。
2026-06-03 cs.RO
Actively Mapping Industrial Structures with Information Gain-Based Planning on a Quadruped Robot
Oxford Robotics Institute, University of Oxford(牛津大学牛津机器人研究所)
在本文中,我们开发了一个在线主动测绘系统,使四足机器人自主调查大型物理结构。我们描述的感知,规划和控制模块需要扫描和重建感兴趣的对象,而不需要事先的模型。系统构建对象的体素表示,并根据重建本身和避免与环境的碰撞来迭代地确定下一个最佳视图(NBV)以扩展表示。通过计算在所感测的地形图上采样的一组候选扫描位置的预期信息增益以及到达这些候选者的成本,机器人决定用于进一步探索的NBV。机器人规划朝向NBV的最佳路径,避开障碍物和不可穿越的地形。在模拟和真实环境下的实验结果表明,我们的系统的能力和效率。最后,我们提出了一个完整的系统演示的真实机器人,ANYbotics ANYmal,自主重建建筑立面和工业结构。
2020-02-22 cs.RO
SERoCS: Safe and Efficient Robot Collaborative Systems for Next Generation Intelligent Industrial Co-Robots
University of California at Berkeley(加州大学伯克利分校)
人机协作已被认为是未来工厂的重要组成部分。正确设计这些协作机器人的行为仍然具有挑战性。这些机器人工作在动态不确定环境中,计算能力有限。设计目标是在保证安全的同时最大限度地提高任务效率。本文讨论了一套设计原则的安全和有效的机器人协作系统(SERoCS)的下一代合作机器人,它包括强大的认知算法的环境监测,有效的任务规划算法的参考代,安全的运动规划和控制算法的安全人机交互。拟议的SERoCS将解决设计挑战,并显着扩展协作机器人的技能,使它们能够安全有效地与人类同行一起工作。SERoCS的开发将为各行业采用协作机器人带来重大进步。实验验证了SERoCS的有效性。
2018-09-21 cs.RO
Scalable and low-cost remote lab platforms: Teaching industrial robotics using open-source tools and understanding its social implications
Indian Institute of Technology Bombay(印度理工学院孟买分校)
本文提出两个基于ROS和ROS 2开源工具的低成本远程实验室平台,通过部署UR5机械臂和移动漫游车构建AAHS与AWMS系统,在7个月内经1400余名学生测试验证了其教学有效性。
2024-12-19 cs.RO
Capability-based Frameworks for Industrial Robot Skills: a Survey
Siemens Technology(西门子技术);Institute of Robotics and Mechatronics, German Aerospace Center (DLR)(德国航空航天中心机器人与机电一体化研究所);Chair of Human-centered Assistive Robotics, Technical University of Munich (TUM)(慕尼黑工业大学以人为中心的辅助机器人学教席);Autonomous Systems, Technische Universität Wien (TU Wien)(维也纳工业大学自主系统研究所)
本文综述了工业机器人技能框架,分析210篇论文发现研究界普遍认同基于task、skill和primitive的分类法,并指出工业应用多关注固定参数的简单能力与安全性,呼吁未来研究采用该分类法并探索参数化能力。
2024-08-26 cs.RO
Fast-dRRT*: Efficient Multi-Robot Motion Planning for Automated Industrial Manufacturing
Realtime Robotics Inc.(实时机器人公司);KTH Stockholm(瑞典皇家理工学院);TU Berlin(柏林工业大学)
Fast-dRRT* 通过预计算扫掠体、死锁避免和简化重连策略扩展 dRRT*,在工业多机器人场景中显著提升实时求解成功率并降低计算时间。
2023-09-19 cs.RO
Waiting Tables as a Robot Planning Problem
Carnegie Mellon University(卡内基梅隆大学)
我们提出了我们如何正式的等待表在餐厅的任务作为一个机器人规划问题。这种形式化被用来测试我们最近开发的算法,这些算法允许实现多个独立任务的最佳规划,这些任务是部分可观察的,并随着时间的推移而演变[1],[2]。
2021-05-21 cs.RO
Motion Priority Optimization Framework towards Automated and Teleoperated Robot Cooperation in Industrial Recovery Scenarios
Industrial Cyber-Physical Systems Research Center at National Institute of Advanced Industrial Science and Technology (AIST)(日本国家先进工业科学技术研究院工业闭环系统研究中心)
本研究提出运动优先级优化框架,通过协作式远程恢复和动态优先级分配,在可配置风险限制内实现制造与恢复机器人避碰,减少生产损失。
2024-01-24 cs.RO
Informed Guided Rapidly-Exploring Random Trees*-Connect for Path Planning of Walking Robots
Poznan University of Technology(波兹南理工大学)
在本文中,我们处理步行机器人的全身路径规划问题。在多维空间中定义了步行机器人的状态。路径规划需要定义脚和机器人身体的路径。此外,规划者应该检查多个约束,如静态稳定性,自碰撞,与地形的碰撞,以及腿的工作空间。结果,检查潜在路径的可行性是耗时的并且影响规划方法的性能。在本文中,我们验证了基于采样的规划器在步行机器人的路径规划任务的可行性。我们确定了现有规划者的长处和短处。最后,我们提出了一种新的规划方法,提高了足式机器人的路径规划性能。
2023-03-06 cs.RO
An optimal fuzzy-PI force/motion controller to increase industrial robot autonomy
University of Coimbra(科英布拉大学)
通过对机器人末端执行器与周围环境接触的分析,提出了一种机器人自识别和自适应的方法。通常,在离线机器人编程中,理想化的机器人环境(虚拟环境)不能准确地反映真实环境。在这种情况下,我们处于部分未知环境(PUE)中。因此,机器人系统必须具有一定程度的自主性来克服这种情况,特别是当接触存在时。所提出的力/运动控制系统具有基于施加在机器人末端执行器上的力和扭矩的外部控制回路和基于机器人运动的内部控制回路。外部控制回路进行了测试与最佳比例积分(PI)和模糊PI控制器。该系统的性能进行了验证与现实世界的实验,涉及接触PUE。
2013-09-09 cs.RO
Hierarchical Intention Tracking for Robust Human-Robot Collaboration in Industrial Assembly Tasks
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Pennsylvania State University(宾夕法尼亚州立大学);Michigan Technological University(密歇根理工大学)
本文提出层级意图追踪方法,使协作机器人同时估计高层交互模式与低层任务信息,并在UR5e上验证了工业装配中稳健、无缝且符合人体工程学的人机协作。
2023-08-06 cs.RO
Integration of 4D BIM and Robot Task Planning: Creation and Flow of Construction-Related Information for Action-Level Simulation of Indoor Wall Frame Installation
University of Nebraska-Lincoln(内布拉斯加大学林肯分校)
本研究提出集成4D BIM与机器人任务规划的框架,通过施工机器人知识库增强模型并转换为模拟世界,实现上下文感知的室内墙体框架安装任务规划与模拟。
2024-02-06 cs.RO
Mobile Robot Path Planning in Dynamic Environments: A Survey
Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳));The Chinese University of Hong Kong(香港中文大学);The University of British Columbia(不列颠哥伦比亚大学)
在人口密集的动态环境中,机器人导航面临许多挑战。本文综述了密集环境下机器人导航的路径规划方法。特别地,移动机器人导航框架中的路径规划从规划范围和可执行性两个方面考虑,分为全局路径规划和局部路径规划。在此框架内,路径规划方法的最新进展,在文件中,同时检查他们的优点和缺点。值得注意的是,最近开发的速度障碍法及其变种,作为当地的规划者进行了全面的分析。此外,作为当前机器人应用中广泛使用的无模型方法,本文详细介绍了基于强化学习的路径规划算法。
2021-03-22 cs.RO
Efficient Trajectory Optimization for Robot Motion Planning
University of California at Berkeley(加州大学伯克利分校)
多关节机器人的运动规划具有挑战性。由于问题的复杂性,大多数现有的工作分解运动规划作为更容易的子问题。然而,由于不一致的性能指标,只有次优的解决方案可以找到基于分解的方法。本文提出了一种基于最优控制的方法来同时解决路径规划和轨迹规划子问题。针对涉及复杂机器人动力学的运动规划问题,提出了一种有效的轨迹优化数值方法。数值计算结果表明了该方法的有效性。实验结果表明了该规划算法的可行性。
2018-10-09 cs.RO
Robot Planning with Mathematical Models of Human State and Action
University of California, Berkeley(加州大学伯克利分校)
机器人与物理世界的互动计划与物理模型。我们主张机器人与人的互动需要用认知模型来规划。这篇文章总结了我们在将人的计算认知模型集成到机器人规划和控制中所获得的见解。它从一般的博弈论制定的互动,并分析了不同的近似结果在不同的有用的协调行为的机器人在与人的互动。
2017-07-04 cs.RO
Stochastic Decision-Making Framework for Human-Robot Collaboration in Industrial Applications
Department of Control and Instrumentation Engineering, King Fahd University of Petroleum and Minerals (KFUPM)(控制与仪器工程系,国王法赫德石油与矿物大学);Interdisciplinary Research Center for Intelligent Manufacturing & Robotics, King Fahd University of Petroleum and Minerals (KFUPM)(智能制造与机器人交叉研究中心,国王法赫德石油与矿物大学)
本文提出了一种随机建模方法,用于工业应用中人机协作的决策框架,以提高协作的安全性和效率。
2026-01-21 cs.RO
Learning and Using Abstractions for Robot Planning
Arizona State University(亚利桑那州立大学)
机器人运动规划涉及计算一系列有效的机器人配置,使机器人从其初始状态到目标状态。解决运动规划问题最佳使用分析方法被证明是PSPACE困难。基于采样的方法试图有效地近似最优解。通常,基于采样的规划器使用统一的采样器来覆盖整个状态空间。在本文中,我们提出了一个基于深度学习的框架,该框架可以识别环境中对解决给定运动规划问题至关重要的机器人配置。这些状态用于偏置采样分布,以减少规划时间。我们的方法适用于一个统一的网络,并根据环境和机器人生成域相关的网络参数。我们评估我们的方法与学习和链接规划器在三个不同的设置。结果表明,显着改善运动规划时间相比,目前的采样为基础的运动规划。
2021-07-22 cs.RO
Agentic Neuro-Symbolic Planning and Commissioning for Human-in-the-Loop Industrial Robotics with Digital Twins
Royal Institute of Technology (KTH)(皇家理工学院(KTH))
提出一种结合LLM语言理解与确定性验证执行的神经符号框架,采用SDI架构和两级恢复机制,在数字孪生中验证后执行,显著提升任务成功率。
2026-06-06 cs.RO
Industrial Robot Grasping with Deep Learning using a Programmable Logic Controller (PLC)
Siemens(西门子);University of California, Berkeley(加州大学伯克利分校);Ambidextrous Laboratories, Inc(Ambidextrous Laboratories公司)
从堆中普遍抓取各种以前看不见的物体是电子商务订单履行,制造和家庭服务机器人的巨大挑战。最近,基于深度学习的抓取方法已经证明了结果,使它们对工业部署越来越感兴趣。本文从自动化系统的角度探讨了这个问题。我们使用Dex-Net开发了一个机器人抓取系统,该系统在控制器级别完全集成。两个神经网络部署在一个靠近PLC的新型工业AI硬件加速模块上,整个系统的功率占用小于10 W。软件与硬件紧密集成,可实现快速高效的数据处理和实时通信。如果物体和接收箱非常接近,则从箱中抓取物体的成功率高达95%,每小时拾取超过350次。该系统在2019年汉诺威工业博览会(世界上最大的工业贸易博览会)和其他活动上展出,每次活动的抓取次数超过5,000次。
2020-04-21 cs.RO
Scalable Multi-robot Motion Planning via Hierarchical Subproblem Expansion and Workspace Decomposition Refinement
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Instituto Tecnológico Autónomo de México(墨西哥自治理工学院)
本文提出了一种多机器人运动规划方法,通过工作空间分解的离散搜索提高规划效率,核心方法是分层子问题扩展和工作空间分解细化,主要贡献是通过迭代优化工作空间表示来搜索更小的解耦配置空间。
2026-05-19 cs.RO
Experience-based Subproblem Planning for Multi-Robot Motion Planning
Texas A&M University(德克萨斯农工大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Instituto Tecnológico Autónomo de México (ITAM)(墨西哥自治技术学院)
提出基于经验的子问题规划方法,通过构建低维子问题解的数据库并应用于大规模场景,解决了多机器人运动规划在复杂任务中的可扩展性与效率问题。
2024-11-13 cs.RO
To Lead or to Follow? Adaptive Robot Task Planning in Human-Robot Collaboration
University of Waterloo(滑铁卢大学)
本文提出一种兼顾人类引领/跟随偏好与表现的自适应机器人任务规划框架,通过用户研究验证其能提升团队表现并改善人类对协作的感知。
2025-07-20 cs.RO
Trust-based Multi-Robot Symbolic Motion Planning with a Human-in-the-Loop
Clemson University(克莱姆森大学);Air Force Research Laboratory(美国空军研究实验室)
机器人符号运动规划是在离散空间中指定和规划机器人任务,然后在连续空间中以保持离散级任务规范的方式执行它们的过程。尽管在符号运动规划方面取得了进展,但仍存在许多挑战,包括解决多机器人系统的可扩展性以及通过结合人类智能来改进解决方案。在本文中,分布式符号运动规划的多机器人系统的发展,以解决可扩展性。更具体地说,组合推理方法的发展,以分解的全局规划问题,原子命题的观察,通信和控制提出了解决机器人之间的碰撞避免。为了提高解决方案的质量和适应性,一个动态的,定量的,和概率的人对机器人的信任模型的开发,以帮助这种分解。此外,提出了一种基于信任的实时切换框架,用于在自主和手动运动规划之间切换,以在任务安全性和效率之间进行权衡。无死锁和无活锁算法的设计是为了保证目标的可达性。一组非平凡的多机器人仿真与直接的人的输入和信任评估,证明了成功实施的信任为基础的多机器人符号运动规划方法。
2018-08-15 cs.RO
Automated Behavior Planning for Fruit Tree Pruning via Redundant Robot Manipulators: Addressing the Behavior Planning Challenge
Brubotics;Vrije Universiteit Brussel(自由大学布鲁塞尔);imec
针对果树修剪中机器人操作的行为规划难题,提出集成感知、建模与整体规划的综合工作流程,利用系统冗余性提升性能,并在真实机器人上验证。研究填补了操作复杂性研究的空白,推动修剪应用规划发展。
2025-10-14 cs.RO
Updating Industrial Robots for Emerging Technologies
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Karlsruhe University of Applied Sciences(卡尔斯鲁厄应用科学大学)
工业武器需要超越其标准形态,以拥抱新的和新兴的技术。在本文中,我们将首先执行四个流行的,但不同的现代工业机器人手臂的分析。通过看到共同的趋势,我们将尝试推断和扩展这些趋势的未来。在这里,特别关注的是通过盔装显示器(HMD)以及智能手机基于增强现实(AR)的交互。还将考虑长期的人机交互和所述交互的个性化。在人机交互中使用AR已被证明可以增强通信和信息交换。工业手臂设计的一个基本补充是在机器人上集成QR标记,用于访问信息和添加跟踪功能,以更容易地显示AR叠加。在最近的一个信息访问的例子中,梅赛德斯-奔驰在他们的汽车上添加了QR标记,以帮助救援人员在车祸后估计切割和疏散人员的最佳位置。人们还必须在一个越来越注重协作的环境中处理安全问题。因此,QR标记可以与欧盟项目SafeLog中开发的基于RF的测距模块相结合,该模块既可以用于安全,也可以用于在与工业臂进行近距离交互时跟踪人类位置。未来的工业武器也应该是直观的编程和交互。这将通过AR和盔装显示器以及已经提到的基于RF的人员跟踪来实现。最后,机器人和人类之间更个性化的互动可以通过终身学习的人工智能和无实体的个性化代理来实现。我们提出了一种设计,不仅存在于物理世界中,而且部分存在于混合现实的数字世界。
2023-03-28 cs.RO
An Industrial Perspective on Multi-Agent Decision Making for Interoperable Robot Navigation following the VDA5050 Standard
Robert Bosch GmbH(罗伯特·博世有限公司)
本文从工业视角分析了混合环境下自主移动机器人多智能体决策栈的挑战,探讨了VDA5050标准、OpenRMF框架及ROS2对系统的影响,并提出了提升导航鲁棒性与性能的方法及研究机会。
2023-11-24 cs.RO
Applications of UWB Networks and Positioning to Autonomous Robots and Industrial Systems
University of Turku(图尔库大学)
超宽带(UWB)技术是一种成熟的技术,在物联网出现时与其他无线技术竞争,但没有达到同样的广泛采用水平。然而,近年来,凭借其作为无线测距和定位解决方案的潜力,它重新获得了动力。在机器人领域内,UWB定位系统正越来越多地被用于定位自主地面或空中机器人。在工业物联网(IIoT)领域,其ad-hoc网络和同步定位的潜力也在探索中。这项调查概述了国家的最先进的超宽带网络和机器人和自主系统的定位。我们还涵盖了新的技术,重点是更具可扩展性的系统,协作的本地化方法,特设网络和解决方案,涉及机器学习,以提高准确性。据我们所知,这是第一次将机器人技术和IIoT观点结合在一起,并强调新颖的测距和定位模式。我们完成了对当前趋势和开放的研究问题的讨论调查。
2021-03-28 cs.RO
Bioinspired composite learning control under discontinuous friction for industrial robots
Sun Yat-sen University(中山大学);Shandong University(山东大学);University of Shanghai for Science and Technology(上海理工大学);University of Lorraine(洛林大学)
针对不连续摩擦下工业机器人参数不确定导致自适应控制性能难提升的问题,提出受人类运动学习启发、利用数据记忆的复合误差学习自适应控制方法,并在DENSO机器人实验中验证其更优跟踪性能。
2022-06-24 cs.RO
Energy Optimized Robot Arm Path Planning using Differential Evolution in Dynamic Environment
Jadavpur University(贾达沃普尔大学)
机器人由于其高效率和高精度的性能而广泛应用于工业中。在生产线的制造阶段,最有趣的问题之一是最大限度地减少这些机器人操作器消耗的能量的显着高的百分比。机器人的能量最优控制是一个复杂的问题,因为它需要深入了解机器人的运动学和动力学行为。提出了一种基于差分进化算法的工业机器人手臂在多障碍物工作空间中能量有效路径规划的新方法。路径规划问题被制定为一个优化问题,其目的是确定最短的和能量最优路径的机器人手臂从其给定的初始位置到预定义的目标位置,而不会碰到障碍物。这种进化算法在轨迹规划中的应用是有利的,因为路径规划问题的精确解并不总是预先可用的,并且必须动态地确定。实验表明,基于DE的路径规划算法优于其竞争者在一个显着的方式。
2018-06-23 cs.RO
Mobile Robot Path Planning in Static Environments using Particle Swarm Optimization
运动规划是机器人技术中的一个关键环节,它使机器人能够自主导航。粒子群优化算法是一种简单但功能强大的优化技术,已被有效地应用于许多复杂的多维优化问题。提出了一种基于粒子群优化的路径规划算法,用于计算移动机器人在静态凸障碍物环境中的最短无碰撞路径。该算法通过对机器人起始位置和目标位置之间生成的网格线进行随机采样来找到最优路径。所提出的算法的功能说明通过不同的情况下的仿真结果。
2020-08-23 cs.RO
Integrating Visual Foundation Models for Enhanced Robot Manipulation and Motion Planning: A Layered Approach
本文提出一种五层框架,融合视觉基础模型提升机器人操作与运动规划,实现实时调整和持续学习,并通过实验验证其在动态环境中的部署潜力。
2023-09-20 cs.RO
Ray-based Interference Free Workspace Analysis and Path Planning for Cable-Driven Robots
The Chinese University of Hong Kong(香港中文大学)
本文采用基于光线的方法研究了任意缆索驱动机器人在缆索和障碍物作用下的无干涉工作空间。从这一点继续,点到点的路径规划和验证技术,以确保所产生的运动是在工作空间内进行了研究。
2022-09-23 cs.RO
Desiderata for Planning Systems in General-Purpose Service Robots
University of Washington(华盛顿大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
通用服务机器人预计将根据用户的要求承担广泛的任务。知识表示和规划系统是必不可少的灵活的自主机器人,但该领域缺乏一个统一的观点,功能是必不可少的通用服务机器人。对用户、环境和整个机器人系统的不同假设阻碍了通用服务机器人的规划与推理的进展。在这份立场文件中,我们提出了必要的规划与推理系统,以促进通用服务机器人。每个项目都借鉴了我们对办公室和家庭服务机器人的研究经验以及这些环境的需求。我们的需求强调支持自然的人机界面,以及当与人类和环境的交互失败时,强大的回退方法。我们强调为实现这些目标而开展的相关工作。
2019-07-04 cs.RO
Productive Multitasking for Industrial Robots
Technical University of Denmark(丹麦技术大学);RiACT ApS(RiACT ApS公司);Lund University(隆德大学)
将机器人解决方案应用于小批量生产具有挑战性:经济约束往往会大大限制建立新批次的时间。将机器人任务组织成称为技能的模块化软件组件,并允许将多个并发任务分配给单个机器人,这可能会改变游戏规则。然而,由于周期时间的限制,可能需要一个技能来接管而无需等待另一个技能终止,并且现有文献在这种情况下缺乏系统的方法。在本文中,我们通过以下方式填补了这一空白:(a)建立可以部分执行排序的技能规范,(b)提出基于有限状态机和行为树组合的实现,以及(c)通过在ARIAC(敏捷机器人工业自动化竞赛)环境中的广泛试验来展示这些技能的好处。
2021-08-25 cs.RO
Technical Report of Mobile Manipulator Robot for Industrial Environments
Shahid Beheshti University(沙希德·贝赫什提大学)
本文报告一款为 RoboCup 2024 开发的工业移动操作机器人,集成麦克纳姆底盘、五自由度机械臂、Hector SLAM、A* 与 YOLO,以实现自主导航、操作和避障。
2024-10-27 cs.RO
Workspace Registration and Collision Detection for Industrial Robotics Applications
Institute of Robotics(机器人研究所);Johannes Kepler University(约翰·凯撒大学)
本文针对工业机器人运动规划中的环境感知问题,提出利用多种传感器获取点云,通过区域生长分割和VCCS算法识别碰撞物体并近似处理,旨在比较传感器性能并实现机器人与环境间的碰撞检测。
2025-10-27 cs.RO
Decentralized Lifelong Path Planning for Multiple Ackerman Car-Like Robots
Rutgers, the State University of New Jersey(罗格斯,新泽西州立大学)
针对连续域中非完整约束机器人的终身路径规划难题,将离散域SOTA多机器人规划关键思想扩展至多个Ackerman类车机器人,提出高性能集中式与去中心化规划器,实现精确SE(2)目标位姿轨迹规划并经仿真与实验验证。
2024-02-19 cs.RO
Learning to Ground Objects for Robot Task and Motion Planning
SUNY Binghamton(纽约州立大学宾汉姆顿分校)
任务和运动规划(TAMP)算法已经被开发用于帮助机器人规划离散和连续空间中的行为。机器人面临复杂的现实世界场景,其中几乎不可能对所有对象或其物理属性进行建模以用于机器人规划(例如,在厨房或购物中心)。在本文中,我们定义了一个新的以对象为中心的TAMP问题,其中TAMP机器人不知道对象属性(例如,块的大小和重量)。然后,我们介绍了任务运动对象为中心的规划({ \bf TMOC}),一个接地TAMP算法,学习地面对象和它们的物理属性与物理引擎。TMOC对于那些涉及动态复杂机器人多对象交互的任务特别有用,这些任务很难事先建模。我们已经证明和评估TMOC在模拟和使用一个真正的机器人。结果表明,TMOC在累积效用方面优于文献中的竞争基线。
2022-02-15 cs.RO
Optimization of measurement configurations for geometrical calibration of industrial robot
Ecole des Mines de Nantes(南特矿业学院);Institut de Recherche en Communications et Cybernétique de Nantes(南特通信与控制论研究所)
本文主要研究用于精密制造的工业机器人的几何标定问题。为了识别几何参数,提出了一种先进的校准技术,是基于非线性实验设计理论,这是通过这个特定的应用程序。与以往的工作相比,校准实验质量的评估使用的概念,用户定义的测试姿势。在这个概念的框架内,制定相关的优化问题和数值例程的开发,这允许用户生成一组最佳的机械手配置为给定数量的校准实验。几个例子说明了开发的技术的效率。
2012-11-25 cs.RO