核心零部件是機器人產業(yè)的核心競爭力,是機器人價值量最大的部分。
1 芯片。芯片主要負責機器人作業(yè)的數(shù)據(jù)計算和指令下達,市面常見的機器人
芯片包括通用芯片和專用芯片兩類。通用芯片面對機器人龐大的深度神經網
絡計算量有些吃力,但是其可移植性和延展性較好;專用芯片是專為AI計算
設計的芯片,功率高,性能強大,但是整體處于研發(fā)早期階段。
2 控制器。控制器主要負責發(fā)布和傳遞動作指令,控制機器人在工作中的運動
位置、運動姿態(tài)、運動軌跡、操作順序和動作時間等。
3 伺服舵機。伺服舵機主要用于驅動機器人的關節(jié),從而控制速度和轉矩,實
現(xiàn)機器人精確、快速、穩(wěn)定的位置移動。伺服舵機技術壁壘較高,外資品牌
占據(jù)了國內伺服系統(tǒng)市場的大部分份額,國產廠商正在發(fā)力追趕中。
4 傳感器。傳感器主要為機器人提供視、力、觸、聽、距等多種感知能力,使
機器人能夠精準感知、敏捷運動、自主決策。
5 減速器。減速器主要安裝在機器人關節(jié)處,用來精確控制機器人動作,傳輸
更大力矩。減速器主要分為RV減速器和諧波減速器兩種,RV減速器通常應
用于負載較大的關節(jié),諧波減速器主要配置于負載較小的關節(jié)。減速器技術
壁壘高,目前行業(yè)處于高度壟斷狀態(tài)。
SLAM是即時定位與地圖構建,主要用于解決機器人在 實際環(huán)境中的定位與運動導航問題;云平臺為機器人提供更大的信息存儲空間和 超強的計算能力
一種用于機械臂的末端連桿裝置,包括末端連桿主體,末端連桿主體設置在機械臂的輸出端;至少一個握持部,握持部能夠被握持,與末端連桿主體一體地形成
人形機器人的機械構造復雜程度都遠高于現(xiàn)有的機器人,根據(jù)各部位運動需求構建執(zhí)行精度高的驅動系統(tǒng)開發(fā)具有高度穩(wěn)定性和適應性的控制系統(tǒng)
諧波減速器是一種靠波發(fā)生器使柔輪產生可控的彈性變形波,器具有單級傳動比大,體積小,質量小,運動精度高等特征;RV減速器是是旋轉矢量(Rotary Vector)減速器的簡稱
與RV及其他精密減速器相 比,諧波減速器使用的材料,體積及 重量大幅度下降;精度往往不及諧波減速器,一般應用于多關節(jié)機器人中機座
中國機器視覺技術在工業(yè)領域應用較多,產業(yè)分布與中國制 造業(yè)發(fā)達地區(qū)的地理位置聯(lián)系較緊密,在廣東省、江浙滬等 地區(qū)較集中,誕生了多個中國機器視覺產業(yè)鏈上中游龍頭企業(yè)
傳感器是機器人具有類人知覺與反應能力的基礎,可分為用于測量智能機器人自身狀態(tài)的內部傳感器和用于測量與機器人作業(yè)相關的外部因素的外部傳感器
可使用半導體器件或將符合歐姆定律的電阻性元件封裝在半導體器件管殼內制成的發(fā)熱元件作為熱源,避免半導體器件的導通角對功率計算的影響
1政策扶持:機器人產業(yè)營業(yè)收入年均增速超過20%;2社會因素:勞動供給減少,人口老齡化和人工成本走高;3經濟發(fā)展:第三產業(yè)有望拉動對服務機器人的需求量
CyberOne(小米動力)身高177體重52自由度21最大負荷1.5成本70萬人民幣;Optimus身高172體重73自由度50最大負荷9成本2萬美元
電機驅動上擎天柱擁有 2.3KWH,52V 電壓的電池組;28個定制關節(jié)驅動器,6種關節(jié)驅動;采用仿生思維將機器人膝關節(jié)構造成四連推桿結構
特斯拉人形機器人采用智能駕駛攝像頭與Autopilot 算法,內置 FSD 芯片,能夠識別周 圍物理環(huán)境的高頻特征并進行立體渲染,良好的空間感知能力
哈工大HIT-III機器人能完成上,下斜坡等動作;THBIP-II身高 0.75m,具有 24 個自由度;Walker機器人能完成上,下臺階等動作;鐵大CyberOne 13 個關節(jié)和21個自由度
送餐機器人推廣過程中也出現(xiàn)了一些技術瓶頸,在送餐過程中循跡路徑偏差,人機交互功能不夠智能化等問題,循跡過程中路徑穩(wěn)定性和障礙物識別可靠性
機器人心靈感應和類似技術將使機器人在更廣泛的環(huán)境中進行教學,使用我們的機器人遙動系統(tǒng)收集大規(guī)模數(shù)據(jù),以教機器人在現(xiàn)實世界中自主行動和適應
1高性能減速器;2高性能伺服驅動系統(tǒng);3智能控制器;4智能一體化關節(jié);5新型傳感器;6智能末端執(zhí)行器
新加坡國立大學(NUS)的研究人員利用英特爾的神經形態(tài)芯片Loihi,開發(fā)出了一種人造皮膚,使機器人能夠以比人類感覺神經系統(tǒng)快1000倍的速度檢測觸覺
新型智能抓取機器人,結合深度學習方法,賦予機器人主動探索感知的能力,解決了Affordance Map缺陷,提高了機器人在復雜環(huán)境下的抓取成功率