6月22日，機器人行業(yè)高端智庫立德智庫攜手全球柔性智能機器人領(lǐng)跑者節(jié)卡機器人聯(lián)合發(fā)布《2022年中國協(xié)作機器人技術(shù)發(fā)展報告》（以下簡稱“報告”），圍繞協(xié)作機器人前沿技術(shù)展開分析，論述了協(xié)作機器人智能感知、自主認知、人機交互、碰撞檢測等技術(shù)發(fā)展趨勢。
來自上海交通大學(xué)、北京理工大學(xué)、上海機器人產(chǎn)業(yè)技術(shù)研究院、立德機器人研究院及節(jié)卡機器人的多位行業(yè)專家出席線上發(fā)布會，共同探索協(xié)作機器人關(guān)鍵技術(shù)和創(chuàng)新應(yīng)用。
前沿發(fā)展趨勢一：智能感知——多學(xué)科交叉融合
感知是協(xié)作機器人與人、協(xié)作機器人與環(huán)境、以及協(xié)作機器人之間進行交互的基礎(chǔ)。就感知技術(shù)而言，除了多傳感信息融合之外，協(xié)作機器人越發(fā)呈現(xiàn)出與腦神經(jīng)科學(xué)、生物技術(shù)、人工智能、認知科學(xué)、網(wǎng)絡(luò)大數(shù)據(jù)技術(shù)等深度交叉融合的態(tài)勢。
未來的研究方向為主動感知與自然交互理論及方法，更多傳感器的加入，使協(xié)作機器人能夠理解人類指令（通過聲音、手勢、圖形）。基于對復(fù)雜動態(tài)環(huán)境下知識的主動獲取、學(xué)習(xí)與推理方法、視覺認知與基于動態(tài)環(huán)境的主動行為意圖理解與預(yù)測理論、協(xié)作機器人的自主學(xué)習(xí)與機器人知識增殖方法、以及多模態(tài)人機協(xié)作的態(tài)勢感知與自然交互方法的研究，實現(xiàn)協(xié)作機器人與人之間相互的意圖理解、信息交流，以及自然和諧的情感交互。
前沿發(fā)展趨勢二：自主認知——復(fù)雜環(huán)境靈巧作業(yè)
高度智能是對新一代協(xié)作機器人的重大共性技術(shù)需求。當前協(xié)作機器人應(yīng)用面越來越廣，在復(fù)雜作業(yè)能力、自適應(yīng)可重構(gòu)的裝配能力、對非結(jié)構(gòu)化環(huán)境的感知能力，以及與人協(xié)作能力方面需要更加智能化。
協(xié)作機器人應(yīng)用于在商業(yè)服務(wù)市場，主要挑戰(zhàn)包括自然交互、人機安全、環(huán)境適應(yīng)、復(fù)雜靈巧作業(yè)等方面，智能化是應(yīng)對挑戰(zhàn)的可行技術(shù)途徑。
協(xié)作機器人工作于復(fù)雜、嚴苛的工業(yè)環(huán)境，需要更為智能化的環(huán)境感知和適應(yīng)能力、人機協(xié)同作業(yè)能力和異常處理能力。先進的認知算法是實現(xiàn)協(xié)作機器人高度智能的主要手段。
未來的研究方向為復(fù)雜環(huán)境的自主認知。深入研究面向復(fù)雜環(huán)境與復(fù)雜任務(wù)的自主控制，辨識協(xié)作機器人的動力學(xué)行為和智能操控與環(huán)境之間的關(guān)系和影響規(guī)律，實現(xiàn)協(xié)作機器人靈巧作業(yè)與自主控制。
前沿發(fā)展趨勢三：人機交互——機器人操作智能化
隨著人機交互技術(shù)的快速發(fā)展和人機工程學(xué)、用戶體驗等領(lǐng)域的研究逐步深入，現(xiàn)有的一些人機交互系統(tǒng)不再是僅限于鼠標與鍵盤等簡單的設(shè)備輸入或示教操作，有些可通過語音識別、指紋識別甚至是虹膜識別，來完成工作程序的輸入。
人們對協(xié)作機器人可用性與易用性的要求越來越高，手勢理解用于人機交互已成為人機交互技術(shù)重要的研究內(nèi)容。通過連續(xù)的手勢識別操作協(xié)作機器人是人機交互技術(shù)的熱門研究方向之一，擁有很廣泛的應(yīng)用領(lǐng)域。
手勢識別是基于人的手部動作完成的，工業(yè)生產(chǎn)中，通過手勢控制機器人運動，可簡化機器人的示教過程與操作流程，具有很大的應(yīng)用價值。現(xiàn)今，在手勢識別領(lǐng)域最為突出的研究方法包括基于手套進行識別以及使用視覺信息進行識別。使用手套的識別方法主要是使用光纖等獲取手掌、手指的關(guān)節(jié)位置以及彎曲程度并建模。基于視覺的識別方法是指從相機獲取手勢視覺圖像進行一系列算法處理，進行識別獲取結(jié)果。
前沿發(fā)展趨勢四：碰撞檢測——自適應(yīng)柔順控制
碰撞檢測一般有基于傳感器的碰撞檢測和基于無傳感器的碰撞檢測。
基于傳感器的碰撞檢測有基于電子皮膚的檢測方式，基于關(guān)節(jié)扭矩傳感器或基于底座、末端六維傳感器的方式檢測碰撞。除了這類碰撞檢測方法，其他的碰撞檢測大多需要構(gòu)建協(xié)作機器人的動力學(xué)模型，估計外力或構(gòu)建觀測器。當外力檢測到或當觀測器測到干擾時則表示碰撞發(fā)生。
基于無傳感器的碰撞檢測，首先，通過人與協(xié)作機器人接觸時單關(guān)節(jié)電機電流的檢測，來判定協(xié)作機器人與人是軟接觸或是碰撞接觸。其次，根據(jù)當前的電機反饋得到的電流實際值與動力學(xué)模型計算中的理想值來設(shè)計融合算法，產(chǎn)生時變的電力碰撞檢測閾值，辨識事故碰撞或人有意識的軟接觸，解決人與協(xié)作機器人接觸后的安全性碰撞問題。
發(fā)布會嘉賓核心觀點
在本次發(fā)布會上，立德機器人服務(wù)平臺CEO潘月博士、節(jié)卡機器人CTO許雄博士分別進行致辭。北京理工大學(xué)智能機器人研究所，立德機器人研究院院長段星光教授、上海交通大學(xué)機動學(xué)院吳建華副研究員、上海機器人產(chǎn)業(yè)技術(shù)研究院黃慧潔院長、節(jié)卡機器人（深圳）有限公司劉博峰總經(jīng)理分別進行了主題演講。
北京理工大學(xué)智能機器人研究所，立德機器人研究院院長段星光教授針對《2022年中國協(xié)作機器人技術(shù)發(fā)展報告》做了全面解析，重點闡述近兩年國內(nèi)協(xié)作機器人市場銷量保持高速增長態(tài)勢，其中2021年銷量達15300臺，同比增長45.7%，實現(xiàn)銷售額突破15億元。隨著機器人技術(shù)的進步和智能化生產(chǎn)的需求，協(xié)作機器人將會在多個領(lǐng)域中承擔更多的工作職責，成為人類重要的助手和工具。未來協(xié)作機器人技術(shù)將呈現(xiàn)操作方式靈巧化、感知方式多樣化、決策方式智能化、控制方式更安全、系統(tǒng)架構(gòu)云端化和產(chǎn)業(yè)體系生態(tài)化的發(fā)展趨勢。
上海交通大學(xué)機動學(xué)院吳建華副研究員發(fā)表《協(xié)作機器人技術(shù)發(fā)展趨勢思考》主題演講。他指出，在協(xié)作機器人安全性方面，視覺避碰規(guī)劃、電子皮膚可直接觀測機器人安全情況，其它技術(shù)需要精確的動力學(xué)模型才能實現(xiàn)，而輕量化技術(shù)可降低機器人運動動能，本質(zhì)上確保安全性。在協(xié)作機器人易用性方面，便捷編程技術(shù)、人機交互技術(shù)、智能控制技術(shù)、人機合作技術(shù)等將促進協(xié)作機器人更加智能、易用。
上海機器人產(chǎn)業(yè)技術(shù)研究院黃慧潔院長在《協(xié)作機器人可靠性技術(shù)研究應(yīng)用》重點指出，在評價“質(zhì)量”時，產(chǎn)品研制方通過構(gòu)建責任矩陣，用于研發(fā)可靠性管理與提升，產(chǎn)品使用方應(yīng)認知產(chǎn)品屬性，用于使用可靠性管理與提升。工業(yè)機器人整機MTBF行業(yè)水平為平均無故障時間不低于50000小時，目前國內(nèi)僅節(jié)卡機器人實現(xiàn)MTBF50000小時認證。
節(jié)卡機器人（深圳）有限公司劉博峰總經(jīng)理發(fā)表《節(jié)卡機器人在柔性制造領(lǐng)域的技術(shù)革新》主題演講，重點介紹節(jié)卡機器人產(chǎn)品已實現(xiàn)多個高門檻柔性工藝的切入，在半導(dǎo)體封測應(yīng)用中，節(jié)卡機器人產(chǎn)品能夠快速部署、倒裝不占地，適合柔性生產(chǎn)且精度高，能夠完美替代人工且投資回報快。在機床上下料應(yīng)用中，節(jié)卡機器人產(chǎn)品可以實現(xiàn)柔性生產(chǎn)，快速調(diào)試，且防水等級達到IP68級。
【免責聲明】所刊原創(chuàng)內(nèi)容之本文僅代表作者本人觀點，與新戰(zhàn)略機器人網(wǎng)無關(guān)。新戰(zhàn)略機器人網(wǎng)站對文中陳述、觀點判斷保持中立。本網(wǎng)轉(zhuǎn)載自其它媒體的信息，轉(zhuǎn)載目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點和對其真實性負責。
【版權(quán)聲明】凡本網(wǎng)注明“來源：xzl機器人”的所有作品，著作權(quán)屬于新戰(zhàn)略機器人網(wǎng)站所有，未經(jīng)本站之同意或授權(quán)，任何人不得以任何形式重制、轉(zhuǎn)載、散布、引用、變更、播送或出版該內(nèi)容之全部或局部，亦不得有其他任何違反本站著作權(quán)之行為。違反上述聲明者，本網(wǎng)將追究其相關(guān)法律責任。轉(zhuǎn)載、散布、引用須注明原文來源。
