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

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

工業(yè)機(jī)器人在汽車制造中最為常見。在汽車行業(yè)中，機(jī)器人通常承擔(dān)一些精細(xì)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(fù)雜的工作，比如微小零部件或引導(dǎo)布線。這些機(jī)械臂通常很大，因此很難在工廠里四處移動(dòng)。然而，現(xiàn)在的機(jī)器人較之以前更靈巧，他們可以挑戰(zhàn)人類才能完成的更復(fù)雜工作。比如丹麥Universal Robots公司生產(chǎn)的協(xié)作機(jī)器人，目前正在法國(guó)克里昂的雷諾工廠里給發(fā)動(dòng)機(jī)擰螺絲，以前這項(xiàng)精細(xì)的任務(wù)只能由人工來完成。此外，在雷諾使用的機(jī)器人重約30公斤，很容易在工作場(chǎng)所周圍移動(dòng)。這樣，制造商就可以不用花費(fèi)大量的時(shí)間和金錢重新配置工廠，縮短定制產(chǎn)品的制造時(shí)間。


協(xié)作機(jī)器人

對(duì)于傳統(tǒng)工業(yè)機(jī)器人而言，由于其運(yùn)行時(shí)的危險(xiǎn)性，通常需要安裝防護(hù)圍欄，跟工人隔離。而協(xié)作機(jī)器人則完全不同，通過設(shè)計(jì)，它們可與工人在同一工作站中安全協(xié)同工作。這是因?yàn)樗麄兙邆湟韵绿匦裕?br />
•特別的設(shè)計(jì)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受傷，二是通過傳感器避免機(jī)器人跟工人相接觸。

•輕量化設(shè)計(jì)，允許機(jī)器人根據(jù)需要可以從這邊移動(dòng)到那邊。

•不需要太多的專業(yè)知識(shí)，讓大部分工人可以通過平板電腦或智能手機(jī)對(duì)機(jī)器人進(jìn)行控制。

川崎機(jī)器人最近發(fā)布了他們第一款協(xié)作機(jī)器人duAro，它采用低功率電機(jī)、柔軟的外表、低速度以及共享工作區(qū)監(jiān)控，讓他們可以跟人類并肩協(xié)作。如果不幸發(fā)生碰撞，碰撞檢測(cè)功能會(huì)讓機(jī)器人馬上停下來?？梢酝ㄟ^人手引導(dǎo)機(jī)械臂進(jìn)行示教，2公斤負(fù)載的機(jī)械臂可以完成諸如物料搬運(yùn)、組裝、機(jī)器調(diào)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(jī)器人移動(dòng)到任何需要的地方。

人工智能

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

深度學(xué)習(xí)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(jì)取決于多個(gè)輸入的未知函數(shù)。人工神經(jīng)網(wǎng)絡(luò)通常被設(shè)計(jì)成能互相交換信息的“神經(jīng)元”連接組成的系統(tǒng)。這種連接有不同的數(shù)字權(quán)重，可以根據(jù)經(jīng)驗(yàn)進(jìn)行調(diào)整，使神經(jīng)網(wǎng)絡(luò)能夠適應(yīng)輸入，從而能夠?qū)W習(xí)。“深度學(xué)習(xí)”之所以成為深度，是因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，神經(jīng)元的層互相堆疊在一起。最底層收集一些原始數(shù)據(jù)，例如圖像、文本和聲音，每個(gè)神經(jīng)元都存儲(chǔ)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(xí)比低一層神經(jīng)元更抽象的信息。

此技術(shù)已經(jīng)成功應(yīng)用在蘋果Siri和谷歌Street View進(jìn)行語音和視覺識(shí)別。此外，這些應(yīng)用還可以利用標(biāo)記方向去解決更多問題，比如利用現(xiàn)有語音存儲(chǔ)數(shù)據(jù)。在非結(jié)構(gòu)化3D環(huán)境中移動(dòng)沒有這些方向，因此是更大的挑戰(zhàn)。目前在UC Berkley的實(shí)驗(yàn)中使用的機(jī)器人采用具有獎(jiǎng)勵(lì)函數(shù)的算法，該算法基于機(jī)器人做設(shè)置任務(wù)的程度提供得分。攝像機(jī)追蹤機(jī)器人手臂和腿的位置并分析周圍環(huán)境，將實(shí)時(shí)得分反饋給機(jī)器人以便進(jìn)行相應(yīng)的動(dòng)作。相對(duì)于目標(biāo)的最佳移動(dòng)可以通過自己重復(fù)學(xué)習(xí)，然而，它目前只能計(jì)算大約92000個(gè)參數(shù)的“好”值，其優(yōu)化時(shí)間受數(shù)據(jù)處理硬件的限制。目前，沒有關(guān)于對(duì)象位置的先前數(shù)據(jù)，學(xué)習(xí)過程需要花費(fèi)大約3小時(shí)。這種技術(shù)在生產(chǎn)線上商用之前，還有很長(zhǎng)的路要走，但是該技術(shù)在未來的革命性效果將使得機(jī)器人能夠從頭開始學(xué)習(xí)復(fù)雜的任務(wù)。

本文來源于機(jī)器人網(wǎng)。



推薦閱讀：


驅(qū)動(dòng)單元設(shè)計(jì)中出現(xiàn)了電磁兼容問題怎么辦？
適用于USB3.0的電路保護(hù)方案
逆變電源中的三種保護(hù)電路講解
無人機(jī)技術(shù)突破大盤點(diǎn) 2017年將走出新高度
多旋翼無人機(jī)成最熱產(chǎn)品，各種方案比較和發(fā)展趨勢(shì)