自從工業(yè)革命以來，機器開始工作前，都需要人先動手。在整個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年開發(fā)成功的Stanford Arm是一個六軸機器人，它可以連續(xù)模式重復(fù)移動和組裝零部件。這個發(fā)明讓機器人開始在裝配線上實際應(yīng)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化系統(tǒng)，通常能夠在兩個或多個軸上移動。這類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、包裝以及檢測等。

工業(yè)機器人在汽車制造中最為常見。在汽車行業(yè)中，機器人通常承擔(dān)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(fù)雜的工作，比如微小零部件或引導(dǎo)布線。這些機械臂通常很大，因此很難在工廠里四處移動。然而，現(xiàn)在的機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)作機器人，目前正在法國克里昂的雷諾工廠里給發(fā)動機擰螺絲，以前這項精細的任務(wù)只能由人工來完成。此外，在雷諾使用的機器人重約30公斤，很容易在工作場所周圍移動。這樣，制造商就可以不用花費大量的時間和金錢重新配置工廠，縮短定制產(chǎn)品的制造時間。


協(xié)作機器人

對于傳統(tǒng)工業(yè)機器人而言，由于其運行時的危險性，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，通過設(shè)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(shè)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受傷，二是通過傳感器避免機器人跟工人相接觸。

•輕量化設(shè)計，允許機器人根據(jù)需要可以從這邊移動到那邊。

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

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(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，碰撞檢測功能會讓機器人馬上停下來?？梢酝ㄟ^人手引導(dǎo)機械臂進行示教，2公斤負載的機械臂可以完成諸如物料搬運、組裝、機器調(diào)整和分配等任務(wù)。duAro的安裝很簡單，基座上帶有輪子，一個工人就能輕松地將機器人移動到任何需要的地方。

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允許通過學(xué)習(xí)來完成需要靈巧性和特殊意識的任務(wù)，這意味著機器人可以被引入新的場景并且無需預(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，“使機器人能通過試驗以及犯錯等更接近人類的學(xué)習(xí)方式來新的任務(wù)，這是人工智能領(lǐng)域的一個重要里程碑。”這項技術(shù)已經(jīng)成功應(yīng)用于多種場合，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)往往都無法進行預(yù)編程。

深度學(xué)習(xí)是人工智能的另一個新分支，它的另一個名字叫人工神經(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輸入的未知函數(shù)。人工神經(jīng)網(wǎng)絡(luò)通常被設(shè)計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)驗進行調(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，是因為人工神經(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，每個神經(jīng)元都存儲他們遇到的相關(guān)信息。層中的每個神經(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進行語音和視覺識別。此外，這些應(yīng)用還可以利用標記方向去解決更多問題，比如利用現(xiàn)有語音存儲數(shù)據(jù)。在非結(jié)構(gòu)化3D環(huán)境中移動沒有這些方向，因此是更大的挑戰(zhàn)。目前在UC Berkley的實驗中使用的機器人采用具有獎勵函數(shù)的算法，該算法基于機器人做設(shè)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圍環(huán)境，將實時得分反饋給機器人以便進行相應(yīng)的動作。相對于目標的最佳移動可以通過自己重復(fù)學(xué)習(xí)，然而，它目前只能計算大約92000個參數(shù)的“好”值，其優(yōu)化時間受數(shù)據(jù)處理硬件的限制。目前，沒有關(guān)于對象位置的先前數(shù)據(jù)，學(xué)習(xí)過程需要花費大約3小時。這種技術(shù)在生產(chǎn)線上商用之前，還有很長的路要走，但是該技術(shù)在未來的革命性效果將使得機器人能夠從頭開始學(xué)習(xí)復(fù)雜的任務(wù)。

本文來源于機器人網(wǎng)。



推薦閱讀：


驅(qū)動單元設(shè)計中出現(xiàn)了電磁兼容問題怎么辦？
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
無人機技術(shù)突破大盤點 2017年將走出新高度
多旋翼無人機成最熱產(chǎn)品，各種方案比較和發(fā)展趨勢