账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
机器人运动控制的智慧化挑战
如何善用感测器与数位技术

【作者: 季平】2021年09月07日 星期二

浏览人次:【6604】

机械设备自动化与智慧化的关键技术是运动控制,想让运动控制更智慧化,有赖同步运动控制技术、I/O平台整合、控制器等各环节相互配合。从机械手臂及智慧机器人的发展最容易看出运动控制智慧化的具体成果。


从工业1.0蒸汽动力驱动机器取代人力,工业2.0以电力驱动机器取代蒸汽动力,到工业3.0 PLC和PC自动化操控机器取代人力,机器开始变聪明,再到工业4.0、AI智慧大数据、物联网快速崛起,机械设备自动化与智慧化需求更胜以往,而机械设备自动化与智慧化的关键技术是运动控制,想让运动控制更智慧化,有赖同步运动控制技术、I/O平台整合、控制器等各环节相互配合。从机械手臂及智慧机器人的发展最容易看出运动控制智慧化的具体成果。


跨接整合 多功能、更弹性

据统计,2018年全球机器人市场规模约128亿美元,2023年市场规模逾150亿美元。从产业应用面来看,工业机器人操作较为重复、单调及具备参考规范的作业相当成熟,透过重复编程及自动控制,工业机器人可以结合制造主机或生产线,组成单机或多机自动化系统,在无人参与下完成搬运、焊接、装配、涂料、加工、切割、上下料等作业。随着全球市场与消费型态的改变,少量多样化取代大量生产制造,对于产线上变异量较大的组装/加工作业等,机器人必须提高灵活度及对应能力,才能发挥更好的效用,这也是目前机器人智慧控制的发展重点。


工研院机械所智慧机器人组组长黄苏指出,机器人与机器最大的不同在于多轴控制,比方将感测、驱动、马达放在机器人的关节内,使用者可以根据不同数目组合关节,客制化机械手臂,如3、4轴模组化关节或双臂手臂,越多轴控制难度就越高,「二三十年前的机器人用来大量制造,程式写完后机器人终其一生都在做同一件事,工业4.0少量多样需求导致传统机器人不敷使用,可以应付少量多样生产的智慧机器人成为研发重点。」



图1 : 工研院机械所智慧机器人组组长黄苏。(source:工研院机械所)
图1 : 工研院机械所智慧机器人组组长黄苏。(source:工研院机械所)

当然,越智慧越复杂,以路径规划(path planning)、避障(object avoidance)、目标搜索(goal seeking)、轨迹追踪(trajectory tracking)四大机器人自主行为来说,在自由度少的情况下,技术容易发展,但是当多台机械手臂协同控制时,计算复杂度更高。以多手臂运动控制技术发展为例,想让多台机器人稳定安全地在产线加工,关键技术在path planning及object avoidance,若无效路径过多或是路径错误,小则影响加工效率,大则可能发生撞机风险。


机器手臂搭配视觉已是相当普遍的应用方式,机器人视觉主要用来做物体辨识及瑕疵检测。想让机器人更聪明灵活,符合少量多样等自动化需求,有赖机器人控制系统控制机器人的工作位置、姿态、轨迹、操作顺序及动作时间。机器导入智慧化控制技术已经可以做到跨接与整合不同手臂、产线设备(如CNC加工机台、外部轴)及各类型感测装置(如视觉、振动等),降低机器人导入产线的门槛,藉由感测设备与软体的辅助,能够针对应用需求扩大使用范畴,提升控制性能,让机器人多工化,有更大的使用弹性。


多轴同步控制在自动化机台、机器人、CNC等已是常见的技术应用,而多轴伺服驱动器不可或缺的关键组件则是伺服马达,目前国际及台湾多轴伺服驱动器逐渐朝更节省空间的技术发展,有助减少控制机构中运动控制所需要的体积,还要具备足够的模组化机制,才能提高组装及应用弹性。


善用软体及加工感测装置提高机器人智商

以工研院开发的Smart joint智慧型关节模组来说,能整合复杂的机器人多轴运动控制,更具备模组化、云端服务等其他智慧化附加价值,可以让用户自订机器人臂长及关节数,如此便能克服自由度及工作空间限制,提高产线上的弹性应用,搭配工研院智慧型机器人控制器规划最佳路径、避障策略,就能完成多机器人协作或人机协作,在同一个技术架构下因应不同产业需求,自动化产线配置更灵活。在导入工厂端前,只要透过智慧型数位双生系统(Robotsmith)进行云端数据整合,即可事先进行规划与模拟验证,透过机器人与感测器融合,让机器人具有智慧行为。



图2 : smart joint模组化手臂。(source:工研院机械所)
图2 : smart joint模组化手臂。(source:工研院机械所)

「目前市面上常见的机器人控制多为封闭式系统,在导入产线时只能与同品牌设备串接,产线设备或功能扩充受限。」黄苏指出,国产控制器的高阶运动控制技术与欧、日等竞争对手相比,仍有相当的技术差距,使用者若要利用机器手臂做到高阶运用,还是需要找到原厂协助,过程费时,「建议开发国产跨平台开放式控制系统及智慧化功能模组,运用软体与视觉感测装置以强化机器人控制功能。」以工研院开发的机器人控制器为例,可在Windows/Linux平台上运作,增加ROS节点可串联ROS,支援跨平台与ROS的优点更能满足机器人开发者的高阶应用。


黄苏指出,工业乙太网路协定所开发的EtherCAT高速网路通讯优点是韧体驱动层级更容易实现机械手臂上的多轴同动控制,也很容易串联I/O控制模组,「尤其在机械手臂协作与高阶应用的发展更为关键,能将驱动器微小化,并以系统整合方式将所有零组件(如马达、HD、驱动器等)整合在一个关节模组中,这是以往运动轴卡没办法做到的。」


工研院开发的eMio感测器采用EtherCAT高速网路控制,支援EtherCAT网路国际化通讯标准协定,也具备工业4.0联网及自我诊断功能,全数位即时网路串联有助弹性化电控配线。此外,工研院还开发了机器人制造次系统控制器RCC(Robot cell controller),可跨接国内外不同品牌手臂进行多轴控制,结合感测装置开发高精度加工模组,目前已尝试将此技术应用在钻孔、绕切等高精度加工应用。


除了开放式平台架构,eMIO控制器还搭配基础的机器人运动函式库,内建无感测器即时碰撞侦测,顺应教导与沉浸式力量控制等进阶运动控制技术,除了能跨接整合视觉辨识模组,用于工件与设备定位、取放模拟、路径校正等技术外,更能应用于未来人机协作上,强化人机共工时的安全防护,在医疗手术时,利用沉浸式力量控制可以协助医师从手臂端获得精准的力量反扩,掌握手术状态。智慧扩增模组有助增加各种机器人应用,如手眼协调模组可以增加AI视觉识别的应用,安全触觉感知模组可以增加人机协作的安全碰撞防护应用,远端控制模组可以增加人机协作的控制应用方式。


机器视觉市场规模2025年上看130亿美元

MarketsadMarkets报告指出,2020年全球机器视觉市场规模为96亿美元,2025年将成长至130亿美元,复合年增率达6.1%。过去,全球智慧视觉在AOI应用上最广泛,受疫情影响,劳力密集的工厂缺工严重,加速工厂导入机器视觉,也就是机器人与视觉整合,让机器人拥有真人般的手眼工作能力。


机器视觉与机器人整合控制技术的发展上,以人工智慧视觉应用最广泛,其中,AI影像辨识相关技术大致可分三类型:影像分类(Image Classification)、物件辨识(Object Detection)及物件分割(Instance Segmentation)。传统上,视觉系统需要工程师客制化开发物件辨识演算法,如今AI人工智慧可以进行大量资料标注及学习方式,在稳定环境下达到高辨识成功率。


不过,智慧视觉及智慧机器人控制技术在发展过程中仍面临许多挑战,黄苏指出,所谓的「智慧」是使机器人具备自主性行为,如学习与决策,人工智慧(AI)在此发挥很大的作用,透过学习新的工厂工件,可以降低过去倚靠视觉工程师客制化开发的必要性,「许多人认为得AI者得天下,其实获取数据才是关键。」人工智慧AI的学习需要喂养多样性、有效且大量的资料数据,告诉机器人如何判断、执行,这些技术无法直接套用网路软体。


技术痛点:资料库建置难

比方训练机器人识别小狗可能要提供100万张狗照片才能实际应用,其他如螺丝、公司产品等物件须历经同样的前期工作,但厂商可能生不出五万或十万张照片让机器人辨识。换言之,每让机器人聪明地执行超过一个指令动作,机器人需要「学习」的功课更多,难度更高,这也是迄今人工智慧发展多年后,智慧机器人在实际工厂中发挥仍有限的原因之一。


为了克服这些问题,工研院开发FOVision人工智慧视觉系统,除了具备智慧3D视觉导引机器人上下料或搬运,更具备人工智慧的自动化工具,可以根据客户工件自动化生成多样性资料,自动进行人工智慧的训练。相较于人工每小时搜集资料25笔,FOVision系统每小时可搜集10,000笔资讯,是人工的400倍!这套系统可以模拟各式各样的状态照片,如不同光源、角度,产出大量照片供机器人辨识,建立资料库。目前该系统已导入台湾马达电机大厂、鞋业、金属加工与热处理产业,协助客户一天内快速换线,调整不同工件,同时符合少量多样化的生产需求。



图3 : FOVision_AI工具架构图。(source:工研院机械所)
图3 : FOVision_AI工具架构图。(source:工研院机械所)

图4 : 人工与FOVision_AI工具时间效益比较。 (source:工研院机械所)
图4 : 人工与FOVision_AI工具时间效益比较。 (source:工研院机械所)

优化升级:模拟与虚实校正

不过,要让智慧机器人具备如真人般的工作能力,除了控制与感测技术,事前规划与分析也是关键,好比人的大脑在执行动作前会先构思执行方案与步骤,机器人大脑可透过数位双生系统(即模拟器),将产线数据进行优化分析,透过模拟器验证测试,之后将可行方案传达给机器人,比方将优化后的加工路径导入机器人进行后续执行工作。


「技术上,模拟器可以让使用者事先进行优化分析,但模拟与实际间仍会有些误差。」黄苏说,为克服这个问题,工研院开发RobotSmith,除数位双生模拟功能外,更强化虚实校正技术,缩小虚实差异,成功建立高拟真模拟环境,「这个系统能让使用者在模拟环境中完成工厂产线与加工作业等调校与优化作业,再导入实际产线,工作流程一次到位。」目前该系统已成功导入台湾的五金、手工具产业。



图5 : miniCube;RobotSmith_数位双生效益比较。(source:工研院机械所)
图5 : miniCube;RobotSmith_数位双生效益比较。(source:工研院机械所)

机器人运动控制的智慧化挑战

黄苏认为,机器人运动控制智慧化仍有四个问题有待克服,第一是运用在实际产线时仍需要专业程式编辑者操控、调整机器人,测试完后机器人才能上线,便利性不足;第二是机器人多为泛用型,需要重新设计及编译才能做其他事情,专用机不可能做其他事,负责切割就无法抛光,多样性不足,使用者也会因为功能单一而不想花钱投资;第三是最佳化,机器人要能自我学习精进,甚至自己看加工路径或轨迹就能自我调整,这才是真智慧,否则只是自动化;第四是安全性,除了速度,机器人在执行工作时要注意安全,比方快碰到人时要能紧急停止,避免碰撞及危险发生。


8月份特斯拉宣布2022年将推出用来协助人类执行不安全、重复或无聊工作的Tesla Bot无疑将运动控制智慧化带向另一个高峰。目前全球工业机器人市场集中在四大家族:Fanuc、ABB、Yaskawa、KUKA之手,掌控全球逾半市场,虽然台湾有达明机器人,在机器人领域竞争力仍相对薄弱,黄苏认为,台湾业者可以善用工研院各项平台,让机械手臂或机器人产出其他价值,「台湾也许没办法成为机器人生产大国,但可以成为最会用机器人的国家。」


相关文章
人工智慧和自动化:中小企业转型良方
智慧节点的远端运动控制实现可靠的自动化
制造业导入ChatGPT应用最隹路径 工研院机械所指引7大方向
运用SWM-G运动控制软体 实现高精度即时控制
2023年机器人发展重要驱动力预测
comments powered by Disqus
相关讨论
  相关新闻
» 帆宣与隹世达合组「达宣智慧」公司 启动智慧医疗引擎
» 台湾三丰携手SAP 转型上云 巩固量测仪器市场优势
» 经济部提供融资协助工具机拓展海外市场
» 海大与法国浜海大学合作推升智慧永续海洋
» 国研杯智慧机械竞赛成绩揭晓 联合大学机器人挑战高尔夫夺冠


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83J68ZY7ASTACUKK
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw