CN114248270A - 基于人工智能的工业机器人精度补偿方法 - Google Patents
基于人工智能的工业机器人精度补偿方法 Download PDFInfo
- Publication number
- CN114248270A CN114248270A CN202111627520.1A CN202111627520A CN114248270A CN 114248270 A CN114248270 A CN 114248270A CN 202111627520 A CN202111627520 A CN 202111627520A CN 114248270 A CN114248270 A CN 114248270A
- Authority
- CN
- China
- Prior art keywords
- industrial robot
- sampling points
- artificial intelligence
- compensation method
- laser tracker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 55
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000010200 validation analysis Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0081—Programme-controlled manipulators with master teach-in means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于人工智能的工业机器人精度补偿方法,该方法包含:确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系;在工业机器人的工作空间中选择多个采样点;通过激光跟踪仪对选取的多个采样点进行跟踪测量以计算所选取的多个采样点所对应的点位误差;通过多个采样点所对应的点位误差对人工智能模型进行训练;工业机器人根据训练好的人工智能模型实时计算目标点的点位误差,并根据计算出的目标点的点位误差实现精度的补偿。本发明的基于人工智能的工业机器人精度补偿方法,可以在避免复杂的非几何误差建模的情况下,对工业机器人的非几何误差进行补偿,实现精度的提升。
Description
技术领域
本发明涉及一种基于人工智能的工业机器人精度补偿方法。
背景技术
工业机器人具有重复性精度高、可靠性强、适应高危环境等优点,已经在汽车装配、零部件加工、焊接、上下料、喷涂、码垛等行业实现了广泛的应用,是支撑智能制造发展的关键装备。目前,对于出厂或者使用环境发生重大变化的机器人一般使用国标《GB/T12642-2013工业机器人性能规范与试验方法》进行性能测量。该性能规范规定了判定工业机器人性能等级的14项参数指标及其对应的试验方法,比如位姿准确度和位姿重复性、距离准确度和距离重复性、轨迹准确度和轨迹重复性等。机器人精度补偿方面,主要是运用运动学参数辨识模型对其结构参数误差进行修正,从而提升其运动性能。
根据国际机器人组织(IFR)的2019年的产业调查报告,苛刻、灵活性强、负载大的生产环境对工业机器人的精度提出了更加严格的要求。然而,尤其针对重载工业机器人,由于关节和杆件柔性问题,其通过运动学参数辨识模型只能补偿几何机构误差,而不能补偿非几何误差,因此不能完全满足工业机器人的精度要求。与几何误差不同,残差涉及的误差源众多,且随着机器人的运动状况不同实时发生变化,具有复杂性以及不可确定性,不能建立一个类似几何误差补偿的精确模型对所有的残差源进行描述。因此,非几何误差补偿通常是被忽略的。然而,未进行残差补偿的工业机器人,在诸如工件打磨、喷涂等应用中,运动精度不足,需要结合视觉、力觉传感器等末端工具进行在线修正,影响了工业机器人在高端行业的应用水平。
发明内容
本发明提供了一种基于人工智能的工业机器人精度补偿方法解决上述提到的技术问题,具体采用如下的技术方案:
一种基于人工智能的工业机器人精度补偿方法,其特征在于,包含以下步骤:
确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系;
在工业机器人的工作空间中选择多个采样点;
通过激光跟踪仪对选取的多个采样点进行跟踪测量以计算所选取的多个采样点所对应的点位误差;
通过多个采样点所对应的点位误差对人工智能模型进行训练;
工业机器人根据训练好的人工智能模型实时计算目标点的点位误差,并根据计算出的目标点的点位误差实现精度的补偿。
进一步地,确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系的具体方法为:
通过示教器控制工业机器人在空间中任意移动多个示教点;
从示教器上获取工业机器人在多个示教点所对应的末端位置数据;
通过激光跟踪仪测量这几个示教点的空间数据;
根据坐标系转换关系对构建方程组,求解两坐标系之间的转换矩阵。
进一步地,在工业机器人的工作空间中选择多个采样点的具体方法为:
在工业机器人的工作空间中选择500至2000个采样点。
进一步地,选择的多个采样点均匀分布在整个工作空间;
任意两个采样点之间的最大距离不超过两倍的最小距离。
进一步地,通过激光跟踪仪对选取的多个采样点进行跟踪测量以计算所选取的多个采样点所对应的点位误差的具体方法为:
通过激光跟踪仪测量所选取的多个采样点的空间数据;
从示教器上读取工业机器人在多个采样点所对应的末端位置数据;
根据多个采样点的空间数据及对应的末端位置数据计算每一个采样点对应的点位误差。
进一步地,通过激光跟踪仪跟踪测量工业机器人的空间数据的具体方法为:
在工业机器人末端安装夹具;
通过夹具夹持靶球;
激光跟踪仪检测靶球来确定工业机器人的空间数据。
进一步地,通过多个采样点所对应的点位误差对人工智能模型进行训练的具体方法为:
将采样点的点位数据和其对应的点位误差作为训练数据和标签,分别存入data和label中;
按一定比例生成测试集和验证集;
通过测试集和验证集对人工智能模型进行训练。
进一步地,测试集和验证集的比例为小于2:8。
进一步地,人工智能模型为SA-BP神经网络模型。
进一步地,训练SA-BP神经网络模型的参数设置为:学习率为0.5,迭代次数为500,目标loss为0.06。
本发明的有益之处在于所提供的基于人工智能的工业机器人精度补偿方法,可以在避免复杂的非几何误差建模的情况下,对工业机器人的非几何误差进行补偿,实现精度的提升。
附图说明
图1是本发明的基于人工智能的工业机器人精度补偿装置的示意图;
图2是本发明的一种基于人工智能的工业机器人精度补偿方法的示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示为本发明方法的精度补偿装置图。工业机器人通过底座安装在水平工作台上,工业机器人本体具有基坐标系。在安装工业机器人的过程中,尽量保证其底座的水平。工业机器人本体和机器人控制柜相连,可以通过示教器进行离线示教。激光跟踪仪作为测量设备测量工业机器人的点位误差。激光跟踪仪通过RS45网线与计算机进行局域网组网通信。在测量过程开始之前,在工业机器人末端安装能够放置靶球的夹具,激光跟踪仪通过跟踪靶球来动态测量空间点位信息。
为了实现工业机器人精度的补偿,研究基于人工智能的精度补偿模块。该模块由AI芯片和输入输出端口组成,负责人工智能模型的训练,输入为工业机器人关节角数据,输出为在关节角位型下的定位误差。为了保证进度补偿的实时性,基于人工智能的精度补偿模块通过Ether Cat总线与工业机器人控制柜通信。
如图2所示为本申请的一种基于人工智能的工业机器人精度补偿方法,包含以下步骤:S1:确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系。S2:在工业机器人的工作空间中选择多个采样点。S3:通过激光跟踪仪对选取的多个采样点进行跟踪测量以计算所选取的多个采样点所对应的点位误差。S4:通过多个采样点所对应的点位误差对人工智能模型进行训练。S5:工业机器人根据训练好的人工智能模型实时计算目标点的点位误差,并根据计算出的目标点的点位误差实现精度的补偿。本申请通过上述步骤,根据训练好的人工智能模型,自动对工业机器人进行精度补偿,避免了复杂的非几何误差建模。以下具体介绍上述步骤。
对于步骤S1:确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系。
确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系的具体方法为:
通过示教器控制工业机器人在空间中任意移动多个示教点。在本申请中,选择10个示教点。可以理解的是,示教点的数量可以根据需要进行调整。
从示教器上获取工业机器人在多个示教点所对应的末端位置数据。
通过激光跟踪仪测量这几个示教点的空间数据。
根据坐标系转换关系对构建方程组,求解两坐标系之间的转换矩阵。
对于步骤S2:在工业机器人的工作空间中选择多个采样点。
优选的,在工业机器人的工作空间中选择500至2000个采样点。在本申请中,采样点的数量为2000。为了保证采样数据能够实际反映工业机器人的定位误差,选择的多个采样点均匀分布在整个工作空间。同时,为了确保这2000个采样点分布均匀,在选取采样点时,任意两个采样点之间的最大距离不超过两倍的最小距离。
对于步骤S3:通过激光跟踪仪对选取的多个采样点进行跟踪测量以计算所选取的多个采样点所对应的点位误差。
具体而言,通过激光跟踪仪测量所选取的多个采样点的空间数据。优选的,通过激光跟踪仪跟踪测量工业机器人的空间数据的具体方法为:在工业机器人末端安装夹具。通过夹具夹持靶球。激光跟踪仪检测靶球来确定工业机器人的空间数据。
从示教器上读取工业机器人在多个采样点所对应的末端位置数据。
根据多个采样点的空间数据及对应的末端位置数据计算每一个采样点对应的点位误差。具体的,依据国标进行点位误差计算。
对于步骤S4:通过多个采样点所对应的点位误差对人工智能模型进行训练。
作为一种优选的实施方式,通过多个采样点所对应的点位误差对人工智能模型进行训练的具体方法为:
将采样点的点位数据和其对应的点位误差作为训练数据和标签,分别存入data和label中。
按一定比例生成测试集和验证集。测试集和验证集的比例为小于2:8。在本申请中,测试集和验证集的比例设为1:9。
通过测试集和验证集对人工智能模型进行训练。具体而言,人工智能模型为SA-BP神经网络模型。训练SA-BP神经网络模型的参数设置为:学习率为0.5,迭代次数为500,目标loss为0.06。即当loss小于0.06退出训练。
对于步骤S5:工业机器人根据训练好的人工智能模型实时计算目标点的点位误差,并根据计算出的目标点的点位误差实现精度的补偿。
为了保证精度补偿的实时性,基于人工智能的精度补偿模块通过Ether Cat总线与控制柜进行通信。在工业机器人的控制器执行轨迹规划的过程中,将工业机器人的关节或者点位数据通过Ether Cat传输至精度补偿模块。精度补偿模块通过训练好的人工智能模型计算工业机器人机器人在该点位下的误差,并进行精度补偿。工业机器人控制器接收到修正后的点位数据驱动各关节移动到指定的位置,从而实现工业机器人末端位置精度的补偿。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (10)
1.一种基于人工智能的工业机器人精度补偿方法,其特征在于,包含以下步骤:
确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系;
在所述工业机器人的工作空间中选择多个采样点;
通过所述激光跟踪仪对选取的多个所述采样点进行跟踪测量以计算所选取的多个所述采样点所对应的点位误差;
通过多个所述采样点所对应的点位误差对人工智能模型进行训练;
所述工业机器人根据训练好的所述人工智能模型实时计算目标点的点位误差,并根据计算出的目标点的点位误差实现精度的补偿。
2.根据权利要求1所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
所述确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系的具体方法为:
通过示教器控制所述工业机器人在空间中任意移动多个示教点;
从所述示教器上获取所述工业机器人在多个所述示教点所对应的末端位置数据;
通过所述激光跟踪仪测量这几个所述示教点的空间数据;
根据坐标系转换关系对构建方程组,求解两坐标系之间的转换矩阵。
3.根据权利要求1所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
所述在所述工业机器人的工作空间中选择多个采样点的具体方法为:
在所述工业机器人的工作空间中选择500至2000个所述采样点。
4.根据权利要求3所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
选择的多个所述采样点均匀分布在整个工作空间;
任意两个所述采样点之间的最大距离不超过两倍的最小距离。
5.根据权利要求1所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
所述通过所述激光跟踪仪对选取的多个所述采样点进行跟踪测量以计算所选取的多个所述采样点所对应的点位误差的具体方法为:
通过所述激光跟踪仪测量所选取的多个所述采样点的空间数据;
从所述示教器上读取所述工业机器人在多个所述采样点所对应的末端位置数据;
根据多个所述采样点的空间数据及对应的末端位置数据计算每一个所述采样点对应的所述点位误差。
6.根据权利要求2或5任一所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
通过所述激光跟踪仪跟踪测量工业机器人的空间数据的具体方法为:
在所述工业机器人末端安装夹具;
通过所述夹具夹持靶球;
所述激光跟踪仪检测所述靶球来确定所述工业机器人的空间数据。
7.根据权利要求1所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
通过多个所述采样点所对应的点位误差对人工智能模型进行训练的具体方法为:
将所述采样点的点位数据和其对应的点位误差作为训练数据和标签,分别存入data和label中;
按一定比例生成测试集和验证集;
通过所述测试集和所述验证集对所述人工智能模型进行训练。
8.根据权利要求7所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
所述测试集和所述验证集的比例为小于2:8。
9.根据权利要求7所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
所述人工智能模型为SA-BP神经网络模型。
10.根据权利要求9所述的基于人工智能的工业机器人精度补偿方法,其特征在于,
训练所述SA-BP神经网络模型的参数设置为:学习率为0.5,迭代次数为500,目标loss为0.06。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111627520.1A CN114248270A (zh) | 2021-12-28 | 2021-12-28 | 基于人工智能的工业机器人精度补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111627520.1A CN114248270A (zh) | 2021-12-28 | 2021-12-28 | 基于人工智能的工业机器人精度补偿方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114248270A true CN114248270A (zh) | 2022-03-29 |
Family
ID=80798487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111627520.1A Pending CN114248270A (zh) | 2021-12-28 | 2021-12-28 | 基于人工智能的工业机器人精度补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114248270A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114523478A (zh) * | 2022-04-24 | 2022-05-24 | 季华实验室 | 机械臂结构参数的补偿模型获取方法和补偿方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0963816A2 (de) * | 1998-06-12 | 1999-12-15 | AMATEC GmbH | Verfahren zum Erfassen und Kompensieren von kinematischen Veränderungen eines Roboters |
CN106289378A (zh) * | 2016-08-12 | 2017-01-04 | 杭州亿恒科技有限公司 | 基于激光跟踪仪的工业机器人性能测量方法 |
CN107421442A (zh) * | 2017-05-22 | 2017-12-01 | 天津大学 | 一种外部测量辅助的机器人定位误差在线补偿方法 |
CN109813225A (zh) * | 2019-03-20 | 2019-05-28 | 安徽工业大学 | 一种柔性臂坐标测量机空间误差补偿方法 |
CN110370314A (zh) * | 2019-06-11 | 2019-10-25 | 杭州亿恒科技有限公司 | 基于多激光跟踪仪的双臂机器人性能测量方法 |
CN110385720A (zh) * | 2019-07-26 | 2019-10-29 | 南京航空航天大学 | 一种基于深度神经网络的机器人定位误差补偿方法 |
US20210146551A1 (en) * | 2019-11-19 | 2021-05-20 | Institute For Information Industry | Measurement system and method for positioning accuracy of a robotic arm |
-
2021
- 2021-12-28 CN CN202111627520.1A patent/CN114248270A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0963816A2 (de) * | 1998-06-12 | 1999-12-15 | AMATEC GmbH | Verfahren zum Erfassen und Kompensieren von kinematischen Veränderungen eines Roboters |
CN106289378A (zh) * | 2016-08-12 | 2017-01-04 | 杭州亿恒科技有限公司 | 基于激光跟踪仪的工业机器人性能测量方法 |
CN107421442A (zh) * | 2017-05-22 | 2017-12-01 | 天津大学 | 一种外部测量辅助的机器人定位误差在线补偿方法 |
CN109813225A (zh) * | 2019-03-20 | 2019-05-28 | 安徽工业大学 | 一种柔性臂坐标测量机空间误差补偿方法 |
CN110370314A (zh) * | 2019-06-11 | 2019-10-25 | 杭州亿恒科技有限公司 | 基于多激光跟踪仪的双臂机器人性能测量方法 |
CN110385720A (zh) * | 2019-07-26 | 2019-10-29 | 南京航空航天大学 | 一种基于深度神经网络的机器人定位误差补偿方法 |
US20210146551A1 (en) * | 2019-11-19 | 2021-05-20 | Institute For Information Industry | Measurement system and method for positioning accuracy of a robotic arm |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114523478A (zh) * | 2022-04-24 | 2022-05-24 | 季华实验室 | 机械臂结构参数的补偿模型获取方法和补偿方法 |
CN114523478B (zh) * | 2022-04-24 | 2022-06-28 | 季华实验室 | 机械臂结构参数的补偿模型获取方法和补偿方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109623656B (zh) | 基于厚度在线检测的移动式双机器人协同打磨装置及方法 | |
CN111660295B (zh) | 工业机器人绝对精度标定系统及标定方法 | |
CN108748159B (zh) | 一种机械臂工具坐标系自标定方法 | |
US9333654B2 (en) | Robot parts assembly on a workpiece moving on an assembly line | |
CN110370314B (zh) | 基于多激光跟踪仪的双臂机器人性能测量方法 | |
CN110193829B (zh) | 一种耦合运动学与刚度参数辨识的机器人精度控制方法 | |
CN109304730B (zh) | 一种基于激光测距仪的机器人运动学参数标定方法 | |
CN107796276B (zh) | 一种估算工业机器人绝对定位精度的装置及方法 | |
EP0301527A2 (en) | Device and method for correction of robot inaccuracy | |
US9452533B2 (en) | Robot modeling and positioning | |
WO2010143837A2 (ko) | 로봇 캘리브레이션 장치 및 그 방법 | |
CN108789404A (zh) | 一种基于视觉的串联机器人运动学参数标定方法 | |
CN112318498B (zh) | 一种考虑参数耦合的工业机器人标定方法 | |
CN110715769A (zh) | 多点法质心测量设备的称重传感器受力点位置标定方法 | |
CN113146613B (zh) | 一种工业机器人d-h参数三维自标定校准装置及方法 | |
CN107053216A (zh) | 机器人和末端执行器的自动标定方法及系统 | |
CN112109084A (zh) | 基于机器人关节角度补偿的末端位置补偿方法及其应用 | |
CN110174074B (zh) | 一种用于工业机器人热形变误差补偿的测量装置及方法 | |
CN114523475A (zh) | 一种机器人装配系统误差自动标定与补偿装置及方法 | |
CN114248270A (zh) | 基于人工智能的工业机器人精度补偿方法 | |
CN111515928A (zh) | 机械臂运动控制系统 | |
CN114505865A (zh) | 一种基于位姿跟踪的机械臂路径生成方法及系统 | |
CN111604904A (zh) | 机器人的定位校准方法及装置、电子设备 | |
CN113246146B (zh) | 一种并联机器人误差校正的方法、装置以及系统 | |
CN113878586B (zh) | 机器人运动学标定装置、方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |