大家好，今天小編關(guān)注到一個(gè)比較有意思的話題，就是關(guān)于人機(jī)協(xié)同機(jī)械手設(shè)計(jì)原理的問題，于是小編就整理了4個(gè)相關(guān)介紹人機(jī)協(xié)同機(jī)械手設(shè)計(jì)原理的解答，讓我們一起看看吧。
萬向桿是啥？
萬向桿是一種常用器件，是由多段桿件經(jīng)回轉(zhuǎn)關(guān)節(jié)連接而成的。通過各關(guān)節(jié)轉(zhuǎn)動(dòng)，其末端可以達(dá)到多種不同的位置和方向。末端可配置臺(tái)燈、照相機(jī)、測(cè)量儀表、工具或工件、醫(yī)療器械等，廣泛用于各種需要隨機(jī)定位的場(chǎng)合。
但現(xiàn)有的萬向桿，其各關(guān)節(jié)一般是分別鎖緊，或依靠自身摩擦力保持靜止，操作不便，變位時(shí)間長(zhǎng)，定位不穩(wěn)定。本實(shí)用新型的思路是實(shí)現(xiàn)各關(guān)節(jié)聯(lián)動(dòng)鎖緊，一次操作就可以使萬向桿末端可靠定位。這種萬向桿有望廣泛用于人們的日常生活和人機(jī)協(xié)同機(jī)械手、工藝裝備、醫(yī)療器械、***樣裝置、測(cè)量?jī)x表、光學(xué)器件等。
人機(jī)工時(shí)計(jì)算？
人工時(shí)計(jì)算方法如下：
1、出勤工時(shí)：為實(shí)到人數(shù)與每日標(biāo)準(zhǔn)工作時(shí)間數(shù)（8小時(shí)）之乘積。
2、受援工時(shí)：為接受支援人數(shù)與實(shí)際支援時(shí)間之乘積。
3、加班工時(shí)：為加班人員與加班時(shí)間之乘積。
4、實(shí)勤工時(shí)：出勤工時(shí)+受援工時(shí)+加班工時(shí)。
5、除外工時(shí)：為當(dāng)日非發(fā)生于生產(chǎn)之工時(shí)。
6、生產(chǎn)總工時(shí)：實(shí)勤工時(shí)—除外工時(shí)。
7、異常工時(shí)：為當(dāng)日因各種因素造成生產(chǎn)部無***常生產(chǎn)而耗費(fèi)的人工工時(shí)。
8、總標(biāo)準(zhǔn)工時(shí)：為當(dāng)日生產(chǎn)之各產(chǎn)品入庫總數(shù)與各產(chǎn)品之單一標(biāo)準(zhǔn)工時(shí)之乘積之和。
9、異常工時(shí)：將影響當(dāng)日生產(chǎn)所發(fā)生之狀況分別填寫實(shí)際時(shí)間。
機(jī)器人的手和人類的手一樣靈活嗎？
機(jī)械手機(jī)器人一般都是串聯(lián)結(jié)構(gòu)機(jī)器人的分類主要分為串聯(lián)結(jié)構(gòu)與并聯(lián)結(jié)構(gòu)兩種并聯(lián)結(jié)構(gòu)的機(jī)器人如，蜘蛛機(jī)器人，一般用于包裝或者拾料。機(jī)械手（臂）是一類機(jī)器人，是早期機(jī)器人的主要形態(tài)，在工業(yè)界廣泛應(yīng)用，直至現(xiàn)在機(jī)械臂還在機(jī)器人學(xué)中占很大比重，其包含的主要技術(shù)是驅(qū)動(dòng)和控制。近幾十年來，機(jī)械臂之外已經(jīng)發(fā)展出很多其他形態(tài)的機(jī)器人產(chǎn)品，在傳感器、計(jì)算能力、規(guī)劃和控制、人機(jī)交互、人工智能等方面有了長(zhǎng)足進(jìn)步。
馬斯克支持的實(shí)驗(yàn)室，如何使機(jī)器人像人類一樣靈活地操縱物體？
近日來自O(shè)penAI實(shí)驗(yàn)室的研究人員已經(jīng)教會(huì)機(jī)器人如何和人類一樣靈活地操縱物體。OpenAI實(shí)驗(yàn)室獲得埃隆·馬斯克和彼得·泰爾等億萬富翁的支持。該項(xiàng)目在OpenAI研究論文（題為《學(xué)習(xí)靈活的手動(dòng)操作》）中有詳細(xì)說明，并使用強(qiáng)化學(xué)習(xí)模型幫助機(jī)器人手掌握如何精確地抓住和操縱像正方體這樣的物體。
研究人員稱，機(jī)器人在短時(shí)間內(nèi)積累了相當(dāng)于100年的經(jīng)驗(yàn)。研究人員在論文中寫道：“雖然對(duì)物體的靈活操控是人類的一項(xiàng)基本日常任務(wù)，但對(duì)自主機(jī)器人來說仍然具有挑戰(zhàn)性。現(xiàn)代機(jī)器人通常被設(shè)計(jì)用于受限設(shè)置中的特定任務(wù)，并且很大程度上無法利用復(fù)雜的末端執(zhí)行器。相比之下，人們能夠在多種環(huán)境中執(zhí)行各種靈巧的操作任務(wù)，使人手成為機(jī)器人操縱研究的靈感來源?！?/p>
在幫助計(jì)算機(jī)視覺模型識(shí)別***縱物體的樣子之后，研究人員轉(zhuǎn)而進(jìn)行了艱苦的工作，即使用384臺(tái)機(jī)器來訓(xùn)練模型，以使用模擬的攝像機(jī)圖像來預(yù)測(cè)物體的方向。為了加快學(xué)習(xí)速度，研究人員將項(xiàng)目的許多方面隨機(jī)化，如重力和正方體表面的紋理等。所有這些都有助于讓AI更好地了解在現(xiàn)實(shí)生活中操縱像這個(gè)正方體這樣的東西會(huì)是什么樣的 - 以及足夠的變量來幫助AI學(xué)習(xí)如何處理任何模式。
卡內(nèi)基梅隆大學(xué)機(jī)器人研究所的Smruti Amarjyoti告訴The Verge，這項(xiàng)研究本身并未預(yù)示機(jī)器人操縱方面的任何突破。但他表示，所產(chǎn)生的機(jī)器人手部動(dòng)作是“優(yōu)雅的”，他沒有意識(shí)到可以通過人工智能實(shí)現(xiàn)。其他研究人員指出，該項(xiàng)目仍存在許多局限性，例如任務(wù)僅限于手掌朝上的機(jī)器人和機(jī)器人使用不是特別大的正方體。
“手動(dòng)操作”對(duì)于人類來說輕而易舉，因?yàn)槲覀兡軌蛟诓?**思索的情況下自如地適應(yīng)并協(xié)調(diào)自己的手指，運(yùn)用手掌皮膚的摩擦力與重力特性，單手完成諸多工作。但對(duì)于機(jī)器人而言，這卻非常困難。
人類從嬰兒時(shí)期開始，就經(jīng)歷了多年的學(xué)習(xí)與演練才慢慢掌握這種強(qiáng)大的手動(dòng)操作能力; 相比之下，機(jī)器人顯然沒有那么多時(shí)間。其中的挑戰(zhàn)在于，我們必須找到一種速度更快且效率更高的學(xué)習(xí)方法，不僅能夠讓機(jī)器人以手動(dòng)方式實(shí)現(xiàn)反復(fù)操作，同時(shí)意識(shí)到哪些動(dòng)作有效、哪些動(dòng)作無效。
為此，OpenAI的研究人員正在利用強(qiáng)化學(xué)習(xí)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，從而控制一支擁有五根手指的Shadow手臂進(jìn)行物體操控，而這整個(gè)學(xué)習(xí)過程只有短短50個(gè)小時(shí)。通過在模擬當(dāng)中進(jìn)行操作學(xué)習(xí)，加上經(jīng)過精心設(shè)計(jì)的隨機(jī)化模擬方法，更好地匹配現(xiàn)實(shí)世界中的場(chǎng)景需求。如此一來，即使從未接觸過任何真實(shí)物體，Shadow手臂仍然能夠順利學(xué)會(huì)手動(dòng)操作的精髓所在。
在理想情況下，只要有足夠的計(jì)算能力，所有機(jī)器人都可以接受模擬訓(xùn)練。但問題在于，現(xiàn)實(shí)世界無法被完全精確地模擬出來，特別是在涉及摩擦、順應(yīng)性以及物體間相互作用等細(xì)小因素時(shí)，精確模擬將變得更為困難。因此，在可接受的狀態(tài)內(nèi)進(jìn)行模擬雖然效果不錯(cuò)，但模擬成功與現(xiàn)實(shí)世界成功之間始終還存在著巨大的鴻溝。這會(huì)在某種程度上降低模擬訓(xùn)練的價(jià)值。
為了解決這類問題，很多研究人員會(huì)選擇盡可能提升模擬場(chǎng)景的準(zhǔn)確性，以便從中提取出一些有用的成果。但OpenAI卻反其道而行之，選擇了以可變性為主、準(zhǔn)確性為輔，為仿真模擬提供一系列略有不同的參數(shù)調(diào)整方案，從而確保通過訓(xùn)練形成的行為方式足以在模擬場(chǎng)景之外起效。該項(xiàng)目名為“Dactyl”。
需要重申的是，OpenAI非常清楚其所使用的模擬場(chǎng)景并不足以精確反映各項(xiàng)重要指標(biāo)——例如摩擦系數(shù)以及機(jī)器人手指隨時(shí)間推移而表現(xiàn)出的運(yùn)動(dòng)方式等。為了讓機(jī)器人準(zhǔn)確概括其當(dāng)前學(xué)習(xí)的內(nèi)容，OpenAI盡可能引入更多模擬方面，從而覆蓋一切無法良好建模的可變性因素。其中包括物體的質(zhì)量與尺寸、物體表面與機(jī)器人指尖的摩擦力、機(jī)器人關(guān)節(jié)的阻尼水平、執(zhí)行器力度、關(guān)節(jié)限制、電機(jī)間隙以及噪音大小等。這些因素會(huì)對(duì)物體施加較小的隨機(jī)力以獲得額外的未建模動(dòng)態(tài)參數(shù)。當(dāng)然，這一切僅僅是在操作層面——在物體姿態(tài)估計(jì)當(dāng)中，OpenAI也以多種變化方式訓(xùn)練RGB相機(jī)，從而降低可視化的實(shí)現(xiàn)門檻。
OpenAI將此稱為“域隨機(jī)化”。在談到手動(dòng)操作時(shí)，OpenAI方面表示：“我們希望了解，經(jīng)過擴(kuò)展的域隨機(jī)化方案能否解決遠(yuǎn)超現(xiàn)有機(jī)器人技術(shù)實(shí)現(xiàn)方法的任務(wù)。”在這方面，OpenAI構(gòu)建了兩套獨(dú)立的神經(jīng)訓(xùn)練網(wǎng)絡(luò)，其中一個(gè)負(fù)責(zé)視覺，另一個(gè)負(fù)責(zé)操作，通過相互配合觀察方塊物體的姿態(tài)并以多種方式對(duì)其進(jìn)行操控，如下圖：
這些方塊的操作（系列至少需要連續(xù)成功執(zhí)行50次操控）源自6144個(gè)CPU核心與8個(gè)GPU在50小時(shí)內(nèi)收集到的長(zhǎng)達(dá)100年的機(jī)器人模擬實(shí)驗(yàn)結(jié)果。系統(tǒng)得到的惟一反饋（模擬與IRL）就是方塊的位置以及手臂指尖的位置。在這項(xiàng)實(shí)驗(yàn)中，系統(tǒng)最初并不具備任何方塊抓取概念或者操縱方法認(rèn)知。因此，必須從零開始總結(jié)經(jīng)驗(yàn)，包括手指旋轉(zhuǎn)、多指協(xié)調(diào)、配合重力條件的力量控制與調(diào)整等。該系統(tǒng)整合了人類在進(jìn)行手動(dòng)操作時(shí)使用的所有技術(shù)，并對(duì)其做出了一系列細(xì)小且有趣的修改，比如：
到此，以上就是小編對(duì)于人機(jī)協(xié)同機(jī)械手設(shè)計(jì)原理的問題就介紹到這了，希望介紹關(guān)于人機(jī)協(xié)同機(jī)械手設(shè)計(jì)原理的4點(diǎn)解答對(duì)大家有用。
