CN117140485A - 一种基于数字孪生的协作机器人示教装配方法与系统 - Google Patents
一种基于数字孪生的协作机器人示教装配方法与系统 Download PDFInfo
- Publication number
- CN117140485A CN117140485A CN202311224373.2A CN202311224373A CN117140485A CN 117140485 A CN117140485 A CN 117140485A CN 202311224373 A CN202311224373 A CN 202311224373A CN 117140485 A CN117140485 A CN 117140485A
- Authority
- CN
- China
- Prior art keywords
- teaching
- assembly
- data
- module
- model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000033001 locomotion Effects 0.000 claims abstract description 61
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 abstract description 4
- 230000003287 optical effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
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
- B25J9/0081—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
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本申请实施例提供了一种基于数字孪生的协作机器人示教装配方法与系统，该方法包括：获取示教数据，对示教数据进行处理，得到机械臂各点对应的路径，对示教路径进行模型训练，生成相应的轨迹模型；通过轨迹模型进行逆运动学解算，生成机械臂末端的轨迹与各关节的位置信息；在采用轨迹补偿算法对应的数字孪生体中，建立运动仿真模型，对装配点位进行搜索定位，根据受力分析，建立接触面运动模型，通过接触面运动模型进行末端位置的调整，生成装配零件的运动参数，根据装配零件的运动参数进行装配；通过现实场景示教，机器人获取平滑的运动路径与装配时所需要的数据，数据上传映射数字孪生体，通过机器学习，得到模拟场景下合适的路径及装配方式。
Description
技术领域
本申请涉及机器人技术领域，具体而言，涉及一种基于数字孪生的协作机器人示教装配方法与系统。
背景技术
示教学习是一种对人友好的机器人编程方式，它可以降低机器人学习策略的复杂度，并在一定程度上提高了机器人操作技能的学习效率。即使是非专业人士也能轻易地教机器人学会新的技能从而来完成各种任务。
在机器人完成装配任务的过程中，由于各零件的相对位置，装配角度不同，所需要的相关参数程序不一致。同时，机器人可能处于不同的工作场景下，需要重新规划路径及装配方式，针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于数字孪生的协作机器人示教装配方法与系统，可以通过现实场景示教，机器人获取平滑的运动路径与装配时所需要的数据，数据上传映射数字孪生体，通过机器学习，得到模拟场景下合适的路径及装配方式。
本申请实施例还提供了一种基于数字孪生的协作机器人示教装配方法，包括：
获取示教数据，对示教数据进行处理，得到机械臂各点对应的路径，对示教路径进行模型训练，生成相应的轨迹模型；
通过轨迹模型进行逆运动学解算，生成机械臂末端的轨迹与各关节的位置信息；
在采用轨迹补偿算法对应的数字孪生体中，建立运动仿真模型，
采用规定动作序列方式，对装配点位进行搜索定位，根据受力分析，建立接触面运动模型，通过接触面运动模型进行末端位置的调整，生成装配零件的运动参数，根据装配零件的运动参数进行装配。
可选地，在本申请实施例所述的基于数字孪生的协作机器人示教装配方法中，获取示教数据，对示教数据进行处理，得到机械臂各点对应的路径，对示教路径进行模型训练，生成相应的轨迹模型，具体为：
将示教数据分类为训练集与测试集；
将训练集输入轨迹模型进行迭代计算，并生成训练结果；
判断训练结果是否收敛；
若收敛，则输出示教路径；
若不收敛，则将测试集输入轨迹模型进行模型参数的测试，并生成调整信息，根据调整信息对模型参数进行修正调整。
可选地，在本申请实施例所述的基于数字孪生的协作机器人示教装配方法中，通过运动仿真模型设置机械臂起始点与目标点的参数，通过使用局部加权回归获得的非线性强迫函数的权重，形成与示教轨迹相同的运动轨迹，获得数据集并优化轨迹。
可选地，在本申请实施例所述的基于数字孪生的协作机器人示教装配方法中，获取机械臂末端实际接触力；
将实际接触力与设置期望力对比，得到接触力差值；
接触面运动模型根据接触力差值对末端位置进行调整。
可选地，在本申请实施例所述的基于数字孪生的协作机器人示教装配方法中，当需要新的装配工作场景时，建立数据孪生体，通过示教学习与规定动作序列相结合进行泛化。
一种基于数字孪生的协作机器人示教装配系统，用于基于数字孪生的协作机器人示教装配方法，该系统包括：实体场景装配模块、虚拟场景搭建模块、虚拟场景运动模块与数据示教模块；
所述实体场景装配模块用于搭建协作机器人装配生产线平台；所述实体场景装配模块电性连接有虚拟场景搭建模块，所述虚拟场景搭建模块根据协作机器人装配生产线建立数字孪生模型；
所述虚拟场景搭建模块电性连接有虚拟场景运动模块，所述虚拟场景运动模块根据建立的数字孪生体，在运动仿真平台运行，模拟协作机器人的运动状态；
所述虚拟场景运动模块根据建立的数字孪生体，模拟协作机器人的运动状态；
所述虚拟场景运动模块电性连接有数据示教模块，所述数据示教模块将映射在数字孪生体的相关数据形成数据集并进行模型构建与训练。
可选地，在本申请实施例所述的基于数字孪生的协作机器人示教装配系统中，所述虚拟场景搭建模块根据协作机器人装配生产线平台1:1建立数字孪生模型。
可选地，在本申请实施例所述的基于数字孪生的协作机器人示教装配系统中，所述虚拟场景运动模块与数据示教模块之间设置有数据采集传输模块，所述数据采集传输模块用于实现数据的传输。
可选地，在本申请实施例所述的基于数字孪生的协作机器人示教装配系统中，所述数据采集传输模块通过各类传感器采集协作机器人实时转角、电压、电流、温度、速度生成动态数据，采用基于5G网络的云、边、端模式远程获取数据。
由上可知，本申请实施例提供的一种基于数字孪生的协作机器人示教装配方法与系统，通过获取示教数据，对示教数据进行处理，得到机械臂各点对应的路径，对示教路径进行模型训练，生成相应的轨迹模型；通过轨迹模型进行逆运动学解算，生成机械臂末端的轨迹与各关节的位置信息；在采用轨迹补偿算法对应的数字孪生体中，建立运动仿真模型，对装配点位进行搜索定位，根据受力分析，建立接触面运动模型，通过接触面运动模型进行末端位置的调整，生成装配零件的运动参数，根据装配零件的运动参数进行装配；通过现实场景示教，机器人获取平滑的运动路径与装配时所需要的数据，数据上传映射数字孪生体，通过机器学习，得到模拟场景下合适的路径及装配方式。
本申请的其他特征和优点将在随后的说明书阐述，本申请的目的和优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于数字孪生的协作机器人示教装配方法的流程图；
图2为本申请实施例提供的基于数字孪生的协作机器人示教装配系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1-2,本发明公开了一种基于数字孪生的协作机器人示教装配方法，该基于数字孪生的协作机器人示教装配方法，包括以下步骤：
S1，基于拖动示教，使机械臂及末端工具到达装配位置上方；
S2，获取示教数据进行处理，得到机械臂各点对应的路径，对示教路径进行模型训练，生成相应的轨迹模型，进行逆运动学解算，形成机械臂末端的轨迹与各关节的位置。
需要说明的是，获取示教数据，对示教数据进行处理，得到机械臂各点对应的路径，对示教路径进行模型训练，生成相应的轨迹模型，具体为：
将示教数据分类为训练集与测试集；
将训练集输入轨迹模型进行迭代计算，并生成训练结果；
判断训练结果是否收敛；
若收敛，则输出示教路径；
若不收敛，则将测试集输入轨迹模型进行模型参数的测试，并生成调整信息，根据调整信息对模型参数进行修正调整。
S3，在采用轨迹补偿算法对应的数字孪生体中，建立运动仿真模型，提高虚拟环境下仿真的精度，在数字孪生体中，设置机械臂起始点与目标点的参数，通过使用局部加权回归获得的非线性强迫函数的权重，形成与示教轨迹相似的运动轨迹，获得数据集并优化轨迹。
S4，对零件的装配工作，采用规定动作序列方式。在装配位置的上方，对装配点位进行搜索定位，根据受力分析，建立接触面运动模型，获取机械臂末端实际接触力；将实际接触力与设置期望力对比，得到接触力差值；接触面运动模型根据接触力差值对末端位置进行调整，根据装配零件的参数，进行全局规划，进行装配。
根据本发明实施例，当需要新的装配工作场景时，建立数据孪生体，通过示教学习与规定动作序列相结合进行泛化。
本发明第二方面提供了一种基于数字孪生的协作机器人示教装配系统，用于基于数字孪生的协作机器人示教装配方法，该系统包括：实体场景装配模块、虚拟场景搭建模块、虚拟场景运动模块与数据示教模块；
所述实体场景装配模块用于搭建协作机器人装配生产线平台；所述实体场景装配模块电性连接有虚拟场景搭建模块，所述虚拟场景搭建模块根据协作机器人装配生产线建立数字孪生模型；
所述虚拟场景搭建模块电性连接有虚拟场景运动模块，所述虚拟场景运动模块根据建立的数字孪生体，在运动仿真平台运行，模拟协作机器人的运动状态；
所述虚拟场景运动模块根据建立的数字孪生体，模拟协作机器人的运动状态；
所述虚拟场景运动模块电性连接有数据示教模块，所述数据示教模块将映射在数字孪生体的相关数据形成数据集并进行模型构建与训练。
根据本发明实施例，所述虚拟场景搭建模块根据协作机器人装配生产线平台1:1建立数字孪生模型。
根据本发明实施例，所述虚拟场景运动模块与数据示教模块之间设置有数据采集传输模块，所述数据采集传输模块用于实现数据的传输。
根据本发明实施例，所述数据采集传输模块通过各类传感器采集协作机器人实时转角、电压、电流、温度、速度生成动态数据，采用基于5G网络的云、边、端模式远程获取数据，充分利用5G网络的低延时与带宽特性，进行物理场景与虚拟孪生场景之间的数据交换。
本发明公开的一种基于数字孪生的协作机器人示教装配方法与系统，通过现实场景示教，机器人获取平滑的运动路径与装配时所需要的数据；数据上传映射数字孪生体，通过机器学习，得到模拟场景下合适的路径及装配方式。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (6)
1.一种基于数字孪生的协作机器人示教装配方法，其特征在于，包括：
获取示教数据，对示教数据进行处理，得到机械臂各点对应的路径，对示教路径进行模型训练，生成相应的轨迹模型；
通过轨迹模型进行逆运动学解算，生成机械臂末端的轨迹与各关节的位置信息；
在采用轨迹补偿算法对应的数字孪生体中，建立运动仿真模型，
采用规定动作序列方式，对装配点位进行搜索定位，根据受力分析，建立接触面运动模型，通过接触面运动模型进行末端位置的调整，生成装配零件的运动参数，根据装配零件的运动参数进行装配；
获取示教数据，对示教数据进行处理，得到机械臂各点对应的路径，对示教路径进行模型训练，生成相应的轨迹模型，具体为：
将示教数据分类为训练集与测试集；
将训练集输入轨迹模型进行迭代计算，并生成训练结果；
判断训练结果是否收敛；
若收敛，则输出示教路径；
若不收敛，则将测试集输入轨迹模型进行模型参数的测试，并生成调整信息，根据调整信息对模型参数进行修正调整；
通过运动仿真模型设置机械臂起始点与目标点的参数，通过使用局部加权回归获得的非线性强迫函数的权重，形成与示教轨迹相同的运动轨迹，获得数据集并优化轨迹；
获取机械臂末端实际接触力；
将实际接触力与设置期望力对比，得到接触力差值；
接触面运动模型根据接触力差值对末端位置进行调整。
2.根据权利要求1所述的基于数字孪生的协作机器人示教装配方法，其特征在于，当需要新的装配工作场景时，建立数据孪生体，通过示教学习与规定动作序列相结合进行泛化。
3.一种基于数字孪生的协作机器人示教装配系统，用于权利要求1-2中任一权利要求所述的基于数字孪生的协作机器人示教装配方法，其特征在于，该系统包括：实体场景装配模块、虚拟场景搭建模块、虚拟场景运动模块与数据示教模块；
所述实体场景装配模块用于搭建协作机器人装配生产线平台；所述实体场景装配模块电性连接有虚拟场景搭建模块，所述虚拟场景搭建模块根据协作机器人装配生产线建立数字孪生模型；
所述虚拟场景搭建模块电性连接有虚拟场景运动模块，所述虚拟场景运动模块根据建立的数字孪生体，在运动仿真平台运行，模拟协作机器人的运动状态；
所述虚拟场景运动模块根据建立的数字孪生体，模拟协作机器人的运动状态；
所述虚拟场景运动模块电性连接有数据示教模块，所述数据示教模块将映射在数字孪生体的相关数据形成数据集并进行模型构建与训练。
4.根据权利要求3所述的基于数字孪生的协作机器人示教装配系统，其特征在于，所述虚拟场景搭建模块根据协作机器人装配生产线平台1:1建立数字孪生模型。
5.根据权利要求4所述的基于数字孪生的协作机器人示教装配系统，其特征在于，所述虚拟场景运动模块与数据示教模块之间设置有数据采集传输模块，所述数据采集传输模块用于实现数据的传输。
6.根据权利要求5所述的基于数字孪生的协作机器人示教装配系统，其特征在于，所述数据采集传输模块通过各类传感器采集协作机器人实时转角、电压、电流、温度、速度生成动态数据，采用基于5G网络的云、边、端模式远程获取数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311224373.2A CN117140485B (zh) | 2023-09-21 | 2023-09-21 | 一种基于数字孪生的协作机器人示教装配方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311224373.2A CN117140485B (zh) | 2023-09-21 | 2023-09-21 | 一种基于数字孪生的协作机器人示教装配方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117140485A true CN117140485A (zh) | 2023-12-01 |
| CN117140485B CN117140485B (zh) | 2024-05-28 |
Family
ID=88900797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311224373.2A Active CN117140485B (zh) | 2023-09-21 | 2023-09-21 | 一种基于数字孪生的协作机器人示教装配方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117140485B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118060856A (zh) * | 2024-04-16 | 2024-05-24 | 成都智芯雷通微系统技术有限公司 | 一种相控阵雷达模块制造方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108161934A (zh) * | 2017-12-25 | 2018-06-15 | 清华大学 | 一种利用深度强化学习实现机器人多轴孔装配的方法 |
| CN108388146A (zh) * | 2018-02-01 | 2018-08-10 | 东南大学 | 一种基于信息物理融合的三维装配工艺设计系统及运行方法 |
| CN109445305A (zh) * | 2018-10-26 | 2019-03-08 | 中国电子科技集团公司第三十八研究所 | 一种基于数字孪生的装配精度仿真分析方法与系统 |
| EP3613545A1 (en) * | 2018-08-24 | 2020-02-26 | Siemens Aktiengesellschaft | Simulation assisted planning of motions to lift heavy objects |
| CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
| CN116652481A (zh) * | 2023-05-12 | 2023-08-29 | 苏州诺克汽车工程装备有限公司 | 一种工业机器人柔性焊接工装 |
-
2023
- 2023-09-21 CN CN202311224373.2A patent/CN117140485B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108161934A (zh) * | 2017-12-25 | 2018-06-15 | 清华大学 | 一种利用深度强化学习实现机器人多轴孔装配的方法 |
| CN108388146A (zh) * | 2018-02-01 | 2018-08-10 | 东南大学 | 一种基于信息物理融合的三维装配工艺设计系统及运行方法 |
| EP3613545A1 (en) * | 2018-08-24 | 2020-02-26 | Siemens Aktiengesellschaft | Simulation assisted planning of motions to lift heavy objects |
| CN109445305A (zh) * | 2018-10-26 | 2019-03-08 | 中国电子科技集团公司第三十八研究所 | 一种基于数字孪生的装配精度仿真分析方法与系统 |
| CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
| CN116652481A (zh) * | 2023-05-12 | 2023-08-29 | 苏州诺克汽车工程装备有限公司 | 一种工业机器人柔性焊接工装 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118060856A (zh) * | 2024-04-16 | 2024-05-24 | 成都智芯雷通微系统技术有限公司 | 一种相控阵雷达模块制造方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117140485B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220193914A1 (en) | Method and device for collaborative servo control of motion vision of robot in uncalibrated agricultural scene | |
| CN111590581A (zh) | 机器人的定位补偿方法及装置 | |
| CN108284436B (zh) | 具有模仿学习机制的远程机械双臂系统及方法 | |
| CN110154024B (zh) | 一种基于长短期记忆神经网络增量模型的装配控制方法 | |
| CN111260649B (zh) | 一种近距离机械臂感知与校准方法 | |
| CN109807887B (zh) | 基于深度神经网络的柔性臂智能感知与控制方法和系统 | |
| CN105259786A (zh) | 待辨识目标的惯性参数辨识方法和装置 | |
| CN107553496A (zh) | 机械臂逆运动学求解方法误差的确定及校正方法和装置 | |
| CN115351780A (zh) | 用于控制机器人设备的方法 | |
| CN110039537B (zh) | 一种基于神经网络的在线自学习多关节运动规划方法 | |
| US11904472B2 (en) | Humanoid robot control method, humanoid robot using the same, and computer readable storage medium | |
| CN117140485B (zh) | 一种基于数字孪生的协作机器人示教装配方法与系统 | |
| WO2017190213A1 (en) | Dynamic motion simulation methods and systems | |
| Neves et al. | An environment to support structural testing of autonomous vehicles | |
| Metzner et al. | Virtual training and commissioning of industrial bin picking systems using synthetic sensor data and simulation | |
| CN116415933A (zh) | 算力网络设备维护方法、装置、电子设备及存储介质 | |
| CN116038697A (zh) | 一种基于人工示教的牛仔裤自动喷涂方法和系统 | |
| CN114571460A (zh) | 机器人控制方法、装置及存储介质 | |
| Weitnauer et al. | Evaluating a physics engine as an ingredient for physical reasoning | |
| Lämmle et al. | Process simulation using physical joining models for learning robot-based assembly tasks | |
| Berger et al. | Towards a simulator for imitation learning with kinesthetic bootstrapping | |
| Gordón et al. | Human rescue based on autonomous robot KUKA youbot with deep learning approach | |
| Gonzalez et al. | A robotic arm simulator software tool for use in introductory robotics courses | |
| Stölzle et al. | Modelling handed shearing auxetics: Selective piecewise constant strain kinematics and dynamic simulation | |
| Sicard et al. | Learning the velocity kinematics of iCub for model-based control: XCSF versus LWPR |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: No. 1288 Pengqing Road, Huaqiao Town, Kunshan City, Suzhou City, Jiangsu Province, 215332 Applicant after: Suzhou Nok Intelligent Equipment Co.,Ltd. Address before: No. 1288 Pengqing Road, Huaqiao Town, Kunshan City, Suzhou City, Jiangsu Province, 215332 Applicant before: SUZHOU NOKE AUTOMOTIVE ENGINEERING MACHINERY Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |