Povzetek
Kot ena najzgodnejših utelešenj utelešene inteligence za doseganje praktične industrijske uporabe humanoidni roboti na kolesih združujejo učinkovito mobilnost AGV/AMR s spretnimi zmogljivostmi manipulacije humanoidnih robotskih rok. Ta hibridna arhitektura je posebej primerna za proizvodna in skladiščna logistična okolja, za katera so značilne delno nestrukturirane naloge. Na podlagi tehnološkega razvoja industrije ta članek preučuje kolesne humanoidne robote s povsem tehničnega vidika, zajema njihovo definicijo, evolucijsko pot, tri-plastno tehnično arhitekturo, načela ključnih komponent, modele nadzora gibanja in praktične vidike uvajanja. Zagotavlja podrobno analizo tehničnih mehanizmov in smeri prihodnjega razvoja za strokovnjake, ki se ukvarjajo z raziskavami in razvojem, sistemsko integracijo in industrijskimi operacijami.
1. Tehnična opredelitev in strukturna arhitektura humanoidnih robotov na kolesih
1.1 Standardna tehnična definicija
Humanoidni robot na kolesih je sestavljeni robotski sistem, ki združuje humanoidno-strukturo za manipulacijo zgornjega dela telesa in mobilno podvozje na kolesih. V bistvu predstavlja globoko mehatronsko integracijo platforme mobilnega robota in humanoidnega manipulativnega sistema. Njegov glavni cilj zasnove je doseči integrirano mobilnost in manipulacijo ob ohranjanju visoke učinkovitosti gibanja in operativne stabilnosti.
Glede na trenutne inženirske konfiguracije lahko glavne izdelke razdelimo v dve kategoriji:
Šasija s kolesi in humanoidno strukturo zgornjega-karoserije: zgornji del karoserije je togo pritrjen na šasijo brez dvižnega mehanizma, zaradi česar je težišče fiksno. Ta konfiguracija je primerna za skladišča z ravnim-tlom in scenarije-proizvodne linije za ravnanje z materialom.
Podvozje na kolesih s strukturo dvižne ploščadi: Integrirani linearni dvižni modul omogoča nastavljive delovne višine, zaradi česar je primeren za več{0}}nivojske skladiščne police in proizvodne linije, ki zahtevajo interakcijo med različnimi višinami delovnih postaj.
1.2 Glavne prednosti z inženirskega vidika
V primerjavi z dvonožnimi humanoidnimi roboti, običajnimi AGV in stacionarnimi robotskimi rokami ponujajo humanoidni roboti na kolesih tri glavne inženirske prednosti v proizvodnem in logističnem okolju.
Dinamična stabilnost
Kolesni humanoidni roboti izkoriščajo prednosti statične podporne strukture sistemov šasije na kolesih in ne potrebujejo zapletenih algoritmov za dinamično uravnoteženje. Posledica tega so nižje-napake v ustaljenem stanju in večja primernost za neprekinjeno industrijsko delovanje.
Energijska učinkovitost in vzdržljivost
Gibanje-na podlagi koles se v prvi vrsti opira na kotalno trenje. V pogojih enakovredne obremenitve se lahko poraba energije zmanjša za več kot 50 % v primerjavi s sistemi za dvonožno hojo, kar omogoča daljše neprekinjene cikle delovanja.
Preprostost strojne opreme
Odprava visoko{0}}obremenjenih nožnih sklepov in povezanih hidravličnih ali servo pogonskih sistemov znatno zmanjša celotno mehansko kompleksnost. Skupno število stopenj svobode gibanja se običajno zmanjša za približno 40 %, kar vodi do nižjih stopenj napak in nižjih stroškov strojne opreme.
1.3 Razvojna pot tehnologije
Z vidika razvoja industrijske robotike sledijo kolesni humanoidni roboti progresivni evolucijski poti od izoliranega delovanja do popolnoma integrirane mobilnosti in manipulacije.
Oder fiksne robotske roke
Na voljo so samo-zmožnosti manipulacije s fiksno točko, pri čemer je operativni doseg omejen z delovno ovojnico robotske roke.
AGV/AMR avtonomna stopnja mobilnosti
Dosežene so zmožnosti avtonomne navigacije in transporta materiala, vendar brez funkcij aktivne manipulacije.
Sestavljeni robotski oder
Mobilne platforme in robotske roke so integrirane, vendar mobilnost in manipulacija ostajata neodvisno nadzorovana, kar ima za posledico omejeno koordinacijo.
Oder humanoidnega robota na kolesih
Mehanski sistemi, algoritmi in tehnologije zaznavanja so globoko integrirani, kar omogoča robotom, da med premikanjem izvajajo prijemanje, razvrščanje, pregledovanje in druge naloge.
Trenutno so humanoidni roboti na kolesih v fazi rasti tehnološkega razvoja. Vodilni proizvajalci so že dosegli proizvodne količine, ki presegajo tisoče enot, medtem ko se bodoče tehnološke ponovitve osredotočajo predvsem na več-robotsko sodelovanje, dinamično krmiljenje sile in manjšo težo modela.
2. Splošni tehnični sistem: zgradba možganov, malih možganov in telesa
Celotno tehnično arhitekturo humanoidnega robota na kolesih lahko primerjamo z biološkim organizmom in razdelimo na tri med seboj povezane plasti: zaznavanje okolja in inteligentno-odločanje (možgani), nadzor in koordinacija gibanja (mali možgani) ter osnovne komponente in aktuatorji (telo). Delovanje celotnega sistema je odvisno od tesne povezave med temi tremi plastmi.
2.1 Možgani: zaznavanje okolja in inteligentno-odločanje
Sistem zaznavanja in{0}}odločanja služi kot računalniško in logično središče robota, ki je odgovoren za modeliranje okolja, interpretacijo navodil in načrtovanje nalog. Je glavni nosilec utelešene inteligence.
2.1.1 Tehnološki sklad multimodalnega temeljnega modela
Glavna tehnična pot trenutno uporablja arhitekturo dvojnega-modela, ki jo sestavljata Vision-Language Model (VLM) in Vision-Language-Action Model (VLA).
VLM omogoča dvosmerno preslikavo med vizualnimi informacijami in naravnim jezikom, podpira prepoznavanje objektov, razumevanje scene in interpretacijo navodil. V aplikacijah za logistično razvrščanje lahko natančno razume ukaze, kot je "razvrsti pokvarjene zabojnike" ali "poberi zabojnik na levi strani," in tako doseže natančnost prepoznave, ki presega 95 %.
VLA vzpostavi-do-končni zaznavni-odločitveni-cevovod dejanj, neposredno pretvarja vizualne in jezikovne vnose v izvršljiva zaporedja dejanj. Industrijske aplikacije na splošno zahtevajo zakasnitev sklepanja pod 50 ms na okvir.
Prihodnje razvojne smeri vključujejo stiskanje modela za uvajanje na robu, učenje med-domenskim prenosom in globljo integracijo med okviri VLM in VLA za odpravo vmesnih stopenj tolmačenja.
2.1.2 Tehnologija SLAM
SLAM predstavlja temelj avtonomne navigacije za humanoidne robote na kolesih. Trenutni sistemi so se razvili iz eno-senzorskih laserskih SLAM v več-senzorske fuzijske arhitekture SLAM.
Njegova glavna funkcija je oceniti položaj robota v neznanih okoljih, hkrati pa izdelati okoljske zemljevide v realnem času.
Tipične konfiguracije senzorjev vključujejo:
2D/3D LiDAR
Globinske kamere
Inercialne merske enote (IMU)
Industrijske skladiščne aplikacije običajno zahtevajo absolutno natančnost pozicioniranja znotraj ±1 cm in frekvence posodabljanja zemljevidov, ki presegajo 10 Hz v dinamičnih okoljih.
Nastajajoči trend je integracija tehnologij digitalnih dvojčkov s sistemi SLAM, ki omogočajo načrtovanje poti in napovedovanje ovir v virtualnih okoljih pred uvedbo.
2.1.3 3D Vidno zaznavanje in semantično prepoznavanje
Z uporabo globinskih kamer za ustvarjanje tri{0}}dimenzionalnih oblakov točk in segmentacijskih algoritmov-na osnovi umetne inteligence lahko humanoidni roboti na kolesih razvrstijo ovire in ocenijo operativna tveganja.
Zmogljivosti vključujejo:
Razlikovanje plovnih območij od statičnih in dinamičnih ovir
Identifikacija osebja, vsebnikov za shranjevanje, kablov, stojal in opreme
Dodeljevanje ravni tveganja in izvajanje diferenciranih strategij izogibanja
Ključni tehnični izzivi ostajajo robustnost pri močni svetlobi, odsevne površine in delno zaprta industrijska okolja.
2.2 Mali možgani: sistem za nadzor gibanja in koordinacijo
Sistem za nadzor gibanja upravlja mobilnost ohišja, gibanje robotske roke in splošno koordinacijo--težišča. Je kritičen podsistem za zagotavljanje operativne natančnosti in stabilnosti.
Podjetja za nadzor gibanja, kot je Yikong Intelligent, so razvila zrele rešitve na področju več{0}}osne koordinacije, dinamičnega nadzora sile in umerjanja sistema, kar znatno skrajša prehod od raziskav in razvoja do industrijske uvedbe.
2.2.1 Modeli za krmiljenje gibanja šasij na kolesih
Glavne arhitekture pogona šasije vključujejo sisteme diferencialnega pogona in vsesmernega pogona (Mecanum wheel).
Diferencialni pogon
Ta konfiguracija ima preprosto zgradbo in veliko nosilnost, zaradi česar je primerna za težke-skladiščne aplikacije. Kinematični izračuni temeljijo na razlikah med hitrostmi koles in geometrijskih parametrih šasije.
Vsesmerni pogon
Z uporabo koles Mecanum lahko robot izvede stransko gibanje in rotacijo brez-polmera. Izračuni gibanja temeljijo na matričnih transformacijah med hitrostmi koles in hitrostmi šasije.
Trenutne prednostne naloge optimizacije vključujejo:
Odzivni čas pod 100 ms za ukaze korakov
Tlam{0}}prilagodljivo krmiljenje za talne spoje in rahle naklone
Koordiniran nadzor med hkratnim gibanjem in manipulacijo
2.2.2 Nadzor-manipuliranja zgornjega dela telesa
Krmiljenje več-stopenj--prostosti robotskih rok in končnih efektorjev običajno združuje krmiljenje položaja s-hibridno krmiljenjem položaja sile.
Načrtovanje poti na splošno uporablja polinomsko interpolacijo-petega reda, da se zagotovi nemoteno pospeševanje in upočasnjevanje ob čim manjšem mehanskem vplivu.
Hibridni nadzor-pozicije hkrati omejuje položaj končnega-efektorja in kontaktno silo, zaradi česar je primeren za lomljive izdelke in naloge natančnega sestavljanja.
Ko pride do velikih-premikov rok, usklajena rotacija trupa pomaga ohranjati stabilnost sistema s prilagajanjem težišča robota.
2.2.3 Glavne nadzorne arhitekture
Večina industrijskih sistemov uporablja hibridna nadzorna ogrodja, ki združujejo-nadzor, ki temelji na modelu, in učenje z okrepitvijo.
Nadzor-, ki temelji na modelu, zagotavlja natančnost in ponovljivost poti, medtem ko krepitveno učenje povečuje prilagodljivost spreminjajočim se okoljem. Skupaj zagotavljata natančnost in prilagodljivost.
2.3 Karoserija: osnovne komponente in sistemi za aktiviranje
Glavne komponente in aktuatorji določajo nosilnost, natančnost, življenjsko dobo in zaščito okolja.
2.3.1 Komponente pogona in prenosa
Servo motorji
Sistemi podvozja običajno uporabljajo nizko{0}}napetostne servo motorje ali motorje v pestu, ki zahtevajo visok izhodni navor, močno preobremenitveno sposobnost in stopnjo zaščite nad IP54.
Spoji-zgornjega dela telesa pogosto uporabljajo motorje brez jedra ali momentne motorje brez okvirja za doseganje visoke gostote moči in lahke konstrukcije.
Reduktorji
Spoji-za težke obremenitve, kot so ramena, pasovi in krmilni mehanizmi podvozja, običajno uporabljajo reduktorje planetnih ali polžastih reduktorjev.
Natančni sklepi, vključno z zapestji in spretnimi rokami, na splošno uporabljajo harmonične reduktorje z minimalno zračnostjo in učinkovitostjo prenosa, ki presega 85 %.
2.3.2 Končni efektorji
Pogoste konfiguracije kon-efektorjev v logističnih aplikacijah vključujejo:
Togi prijemi za standardizirane posode
Prilagodljiva prijemala in spretne robotske roke za nepravilne ali lomljive predmete
Vakuumski sesalni sistemi za kartone in listne materiale
2.3.3 Senzorski in energetski sistemi
Kompleti senzorjev običajno vključujejo:
2D/3D kamere
LiDAR senzorji
Še-osni senzorji sile
Senzorji navora
IMU
Energetski sistemi so na splošno sestavljeni iz paketov litijevih baterij in sistemov za upravljanje baterij (BMS), pri čemer industrijske zahteve vključujejo:
Najmanjša 8-urna delovna vzdržljivost na izmeno
Več kot 1500 ciklov polnjenja-praznjenja
Splošni trend razvoja je v smeri večje integracije, modularizacije in domačih proizvodnih zmogljivosti.
3. Analiza ključnih tehnoloških segmentov v celotni industrijski verigi
3.1 Navzgor: tehnološke ovire osrednje komponente
Osrednje komponente predstavljajo več kot 60 % vseh stroškov robotov in predstavljajo tehnično najzahtevnejši segment industrije.
Robni računalniški čipi z umetno inteligenco izvajajo vizualno obdelavo in sklepanje o modelu temeljev, medtem ko krmilniki gibanja upravljajo servo nadzor-zanke. Yikong Intelligent je uvedel lastniške krmilnike gibanja in več-robotske rešitve za načrtovanje, ki omogočajo učinkovito zamenjavo uvoženih izdelkov v nizko- in srednje-hitrostnih industrijskih aplikacijah.
Domači proizvajalci so prav tako dosegli pomemben napredek pri harmoničnih reduktorjih, visoko-natančnih servo motorjih, šest-osnih senzorjih sile in visoko-zmogljivih sistemih 3D LiDAR.
3.2 Srednji tok: integracija in proizvodnja robotov
Srednji segment se osredotoča na načrtovanje karoserije robota, sistemsko integracijo, sestavljanje in testiranje.
Trenutno so sprejeti trije primarni integracijski pristopi:
Komercialno mobilno podvozje v kombinaciji s -sistemi zgornjega dela karoserije-ki so jih razvili sami
Celoten-nabor-hišnega razvoja
Modularna sestava komponent
Ključni inženirski validacijski testi vključujejo testiranje vibracij, testiranje-cikličnih obremenitev, okoljsko testiranje in-preverjanje dolgoročne zanesljivosti. Običajne zahteve glede MTBF presegajo 2000 delovnih ur.
3.3 Naslednje: tehnične zahteve za proizvodne in logistične aplikacije
3.3.1 Skladiščenje in logistika
Ravnanje z materialom
Nosilnost se običajno giblje od 10 do 100 kg, s hitrostjo potovanja do 1,5 m/s. Nadzor-šasije za težke obremenitve in razporejanje voznega parka sta ključni tehnologiji.
Inteligentno razvrščanje
Hitro 3D-vidno prepoznavanje in prilagodljivi prijemalni sistemi omogočajo natančnost razvrščanja, ki presega 99,5 %, medtem ko dinamični nadzor sile zmanjšuje poškodbe izdelka.
Pregled inventarja
Avtonomna navigacija v kombinaciji s prepoznavanjem črtne kode in RFID lahko doseže natančnost identifikacije nad 99,9 %, medtem ko dvižni mehanizmi zahtevajo natančnost pozicioniranja znotraj ±2 mm.
3.3.2 Industrijska proizvodnja
Strojno nakladanje in razkladanje
Ponavljajoča se natančnost pozicioniranja mora na splošno ostati znotraj ±0,5 mm.
Pregled opreme
Več-senzorske fuzijske tehnologije podpirajo odkrivanje napak, odčitavanje instrumentov in predvideno vzdrževanje.
Nevarne operacije
Industrijski roboti, nameščeni na nevarnih območjih, zahtevajo zasnove, odporne na prah, olje-in-eksplozijo, običajno z zaščitnimi ocenami nad IP54.
4. Prihodnji razvojni trendi in smeri inženirske optimizacije\\
4.1 Trendi razvoja algoritmov
Globoka lahka optimizacija modelov temeljev za lokalno sklepanje robov
Digitalno dvojno-navidezno-resnično hibridno usposabljanje za zmanjšanje stroškov uvajanja
Napredni multi{0}}robotski algoritmi za razporejanje za dinamično dodeljevanje nalog in izogibanje trkom
4.2 Trendi razvoja strojne opreme
Globlja mehatronska integracija, ki nadomešča tradicionalno ohišje-in-arhitekture rok
Standardizirani modularni vmesniki za hitro vzdrževanje in zamenjavo komponent
Proizvodnja osnovnih-komponent v velikem obsegu za nadaljnje znižanje stroškov sistema
4.3 Navodila za razvoj krmiljenja gibanja
Globoka integracija mobilnosti in manipulacije, ki omogoča delovanje med gibanjem namesto ustavljanja-in-delovnih procesov
Širše sprejemanje tehnologij za-nadzor prilagodljive sile
Napovedna diagnoza napak na podlagi operativnih podatkov za izboljšanje učinkovitosti vzdrževanja in zanesljivosti sistema
5. Zaključek
Humanoidni roboti na kolesih predstavljajo konvergenco tehnologij mobilnosti AGV/AMR in humanoidnih manipulacijskih sistemov. Zaradi svoje tehnološke zrelosti, stroškovnih prednosti in operativne stabilnosti se pojavljajo kot najbolj praktična utelešenje utelešene inteligence za proizvodne in logistične aplikacije.
S tehničnega vidika je njihova konkurenčnost odvisna od integrirane uspešnosti treh medsebojno povezanih plasti: močnih sistemov za{0}}zaznavanja in odločanja, ki jih poganjajo modeli temeljev in tehnologije SLAM; natančni sistemi za nadzor gibanja, zmožni več-stopenj--prostote koordinacije in nadzora sile; in zanesljivi prožilni sistemi, zgrajeni na visoko-zmogljivih osnovnih komponentah in naprednih integracijskih tehnologijah.
Podjetja, kot je Yikong Intelligent, pospešujejo prehod od razvoja prototipov do uvajanja-velikega obsega z nenehnimi inovacijami pri nadzoru gibanja, sodelovanju več-robotov in tehnologijah za umerjanje sistema.
V naslednjih treh do petih letih naj bi se industrijska konkurenca osredotočila na štiri ključna področja: zmanjšanje teže modela, mehatronsko integracijo, sodelovanje voznega parka in optimizacijo stroškov. V proizvodnem in logističnem sektorju so humanoidni roboti na kolesih pripravljeni, da postopoma nadomestijo ročno delo in eno-opremo za avtomatizacijo ter postanejo osrednja tehnologija za omogočanje prilagodljive inteligentne logistike in naslednje-generacije avtomatiziranih proizvodnih sistemov.
