CN117697760B - 一种机器人安全运动控制方法及系统 - Google Patents
一种机器人安全运动控制方法及系统 Download PDFInfo
- Publication number
- CN117697760B CN117697760B CN202410007611.2A CN202410007611A CN117697760B CN 117697760 B CN117697760 B CN 117697760B CN 202410007611 A CN202410007611 A CN 202410007611A CN 117697760 B CN117697760 B CN 117697760B
- Authority
- CN
- China
- Prior art keywords
- robot
- safety
- trust relationship
- motion control
- active
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000007246 mechanism Effects 0.000 claims abstract description 24
- 230000006978 adaptation Effects 0.000 claims abstract description 5
- 230000008447 perception Effects 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 4
- 239000012636 effector Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 2
- 239000007787 solid Substances 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training 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
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- 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
- B25J19/06—Safety devices
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明涉及机器人运动控制技术领域，且公开了一种机器人安全运动控制方法，该方法包括以下步骤：S1：针对机器人安全运动控制任务的快速适配需求，建立通用的机器人系统主‑被动防护机制；S2：判断机器人的运动是否安全，首先要建立安全等级模型，再根据安全级别的高低采取不同的安全策略。该一种机器人安全运动控制方法及系统，解决了结构化环境下通过增加安全机构或传感器避障的不足，为提升机器人跨场景的安全操作性能奠定坚实的研究基础。
Description
技术领域
本发明涉及机器人运动控制技术领域，具体为一种机器人安全运动控制方法及系统。
背景技术
随着机器人技术的快速发展，机器人的安全操作越来越重要，包括其主动安全和被动安全。因为安全是保障机器人在作业过程中避免产生碰撞或伤害人的前提。目前常见的机器人安全保障方法是在机器人的机械本体中嵌入安全保障机构，比如安全关节。这种通过增加安全机构的方法可以保障机器人的机械安全，避免发展碰撞，但是这种方法使得机器人的体形相对比较笨重。另一类方法是通过传感器感知机器人与周围环境的位置，通过控制系统的安全模块进行避障。尽管通过传感器能够实时监测机器人的运动状态是否安全，有助于精准预知危险状况。但是面向复杂的工业、农业场景，尤其是非结构化的作业场景，机器人周围的环境实时变化，机器人需要跨场景进行作业，此时，结构化环境下提出的避障方法就不适用了。
针对机器人安全运动控制跨场景作业任务的快速适配需求，建立高稳定性的安全运动控制方法显得十分必要。因此，针对现有的机器人控制系统无法适应多场景的难题，提出一种机器人安全运动控制方法显得尤为重要。
面向工业、农业等多变的复杂场景，要实现机器人的智能安全移动与作业，构建主-被动安全防护机制，建立安全等级模型，从人机交互安全模式、约束安全模式和移动作业安全模式出发，设计一种基于多模态信息融合跨场景智能感知的学习型安全运动控制算法是关键技术之一。因此，构建通用的机器人基于智能感知的学习型安全控制方法是亟待解决的技术。
为此，我们提出一种机器人安全运动控制方法及系统。
发明内容
为了弥补现有技术的不足，本发明提供如下技术方案：一种机器人安全运动控制方法，该方法包括以下步骤：
S1：针对机器人安全运动控制任务的快速适配需求，建立通用的机器人系统主-被动防护机制；
S2：判断机器人的运动是否安全，首先要建立安全等级模型，再根据安全级别的高低采取不同的安全策略。
优选的，所述步骤S1中的主-被动防护机制包括机器人系统的主动安全防护措施和被动安全防护措施，所述主动安全防护措施基于机器人系统通过微型相控阵雷达系统监视周围环境的变化。
优选的，所述被动安全防护措施包括声控急停开关、视觉识别急停开关和机械式急停开关并联组合而成的复合急停开关模组。
优选的，所述步骤S2中安全等级模型包括安全状态模型和安全信任模型，所述安全状态模型主要是分析机器人潜在的安全威胁以及应对措施，主要针对约束安全模式下的信任关系。
优选的，所述安全信任模型主要是针对人机交互模式下的信任关系和移动作业模式下的主从信任关系。
优选的，当机器人处于所述约束安全模式时，机器人的安全状态模型主要根据安全威胁程度进行构建，如果有安全威胁，机器人启动主被动防护机制进行自我保护，如果没有安全威胁，机器人在约束状态下进行作业。
优选的，当机器人处于所述人机交互模式时，信任关系主要包括接触力的大小是否在机器人的安全阈值内、人是否处于机器人工作空间变成障碍物，接触力在安全阈值内，人在工作空间外，则信任关系建立，否则，信任关系解除，只有信任关系建立时，机器人才能够正常启动开展工作，信任关系解除，S1中的主-被动防护机制会通过控制系统停止机器人的启动。
优选的，当机器人处于所述移动作业安全模式时，其信任关系主要包括机器人之间的距离是否在安全范围内、行走路径上是否存在障碍物等，如果距离在安全范围内，行走路径上没有障碍物，则信任关系建立，否则，信任关系解除，只有信任关系建立时，机器人才能够正常启动开展工作，信任关系解除，S1中的主-被动防护机制会通过控制系统停止机器人的启动。
一种机器人安全运动控制系统，基于以上所述主被动防护机制和安全等级模型设计，包括安全工作空间、跨场景智能感知-控制算法库、云-边-端一体的高效序列化数据接口标准以及融合感知/控制等算法的二次开发环境，所述安全工作空间基于多模态信息融合感知实现自适应动态柔性力控，利用深度强化学习方法实现机器人在线动态补偿，实现安全工作空间的实时调整。
优选的，所述安全工作空间通过深度视觉传感器确定末端执行器的空间位姿，根据末端位姿进行关节夹角逆解，综合考虑机器人的工作环境和运动约束条件构建机器人的安全工作空间。
有益效果
与现有技术相比，本发明提供了一种机器人安全运动控制方法及系统，具备以下有益效果：
该一种机器人安全运动控制方法及系统，提出的方法不需要额外添加安全关节，使得机器人系统更加轻便。
该一种机器人安全运动控制方法及系统，相比单纯增加传感器进行单一感知避障缺乏跨场景能力的问题，本发明提出的视觉-力觉-触觉融合感知及自适应动态柔性力控方法，有效提升感知算法对多应用场景的适应能力。
该一种机器人安全运动控制方法及系统，具备信息融合与智能感知的能力，基于主被动安全机制和安全等级模型的安全运动控制方法突破了跨场景的限制，能够为构建高动态、高智能与高适配性的机器人系统提供关键理论与技术支撑。
附图说明
图1为本发明的一种机器人安全运动控制方法的技术路线图；
图2为本发明的主副急停开关并联路线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1至图2，一种机器人安全运动控制方法，该方法包括以下步骤：
S1：针对机器人安全运动控制任务的快速适配需求，建立通用的机器人系统主-被动防护机制；
S2：判断机器人的运动是否安全，首先要建立安全等级模型，再根据安全级别的高低采取不同的安全策略。
作为本发明的一种实施方式，步骤S1中的主-被动防护机制包括机器人系统的主动安全防护措施和被动安全防护措施，主动安全防护措施基于机器人系统通过微型相控阵雷达系统监视周围环境的变化，微型相控阵雷达系统反应迅速，能够检测障碍物与机器人的距离S；机器人系统通过测速反馈雷达系统检测障碍物的移动速度的大小和方向，速度大小为V，障碍物的速度方向与机器人的夹角为θ，设置人手臂长度为L，预判时间为T，机器人的工作空间最大直径为R，T＝（S-R-L）/（V*cosθ）,当T小于等于0时，则控制系统自动停止机器人的运动；直到T大于0时，机器人才会继续启动。
作为本发明的一种实施方式，被动安全防护措施包括声控急停开关、视觉识别急停开关和机械式急停开关并联组合而成的复合急停开关模组，当声控紧急开关的声控模组检测到人类的惊叫声超过80分贝或检测到“紧急停止”、“停止”、“关机”的话语时，则启动声控急停开关；视觉识别急停开关的视觉传感器模组检测到人类作出双手打叉的姿势或者检测人脸出现抽搐或痛苦样貌时，则启动视觉识别急停开关。只有声控急停开关、视觉识别急停开关和机械式急停开关中的任一个启动，则复合急停开关模组启动，当发生突发事故时，机器人能够快速停止运行，避免安全事故的发生。该紧急开关区别与传统的单接触开关，而是具有联动作用的主副急停同步开关，复合急停开关模组作为主开关,主开关安装在机器人系统上，另外还有一个机械式急停开关作为副开关安装在作业场景的控制室中。当发生突发情况时，只要有工作人员按下开关，不管启动的是主开关还是副开关，都能让机器人及时停止运行。
作为本发明的一种实施方式，步骤S2中安全等级模型包括安全状态模型和安全信任模型，安全状态模型主要是分析机器人潜在的安全威胁以及应对措施，主要针对约束安全模式下的信任关系。
作为本发明的一种实施方式，安全信任模型主要是针对人机交互模式下的信任关系和移动作业模式下的主从信任关系，以机器人为中心，机器人在旋转过程中由于机器人本身结构的限制需要最小的旋转半径为R1，机器人的的机械臂达到最大的距离为R2，R2大于R1；以机器人为原点，以R1为半径构建圆C1，以R2为半径构建圆C2。当人位于圆C1内时，机器人处于安全状态模型；当人位于圆C1和圆C2之间时，机器人处于人机交互模式；当人位于圆C2外时，机器人处于移动作业安全模式。人与机器人的距离是通过超声波测距和红外测距来确定的，超声波测量人与机器人的距离为L1，红外线测量人与机器人的距离为L2，则最终确定人与机器人的距离为L，
L=（L1+L2）/ 2
两种手段同时测量，可提高测量的准确性。
作为本发明的一种实施方式，当机器人处于约束安全模式时，机器人的安全状态模型主要根据安全威胁程度进行构建，如果有安全威胁，机器人启动主被动防护机制进行自我保护，如果没有安全威胁，机器人在约束状态下进行作业。
作为本发明的一种实施方式，当机器人处于人机交互模式时，信任关系主要包括接触力的大小是否在机器人的安全阈值内、人是否处于机器人工作空间变成障碍物，接触力在安全阈值内，人在工作空间外，则信任关系建立，否则，信任关系解除，只有信任关系建立时，机器人才能够正常启动开展工作，信任关系解除，S1中的主-被动防护机制会通过控制系统停止机器人的启动。
作为本发明的一种实施方式，当机器人处于移动作业安全模式时，其信任关系主要包括机器人之间的距离是否在安全范围内、行走路径上是否存在障碍物等，如果距离在安全范围内，行走路径上没有障碍物，则信任关系建立，否则，信任关系解除，只有信任关系建立时，机器人才能够正常启动开展工作，信任关系解除，S1中的主-被动防护机制会通过控制系统停止机器人的启动。
一种机器人安全运动控制系统，基于以上所述主被动防护机制和安全等级模型设计，该系统算法能够适用于跨场景、多构型的机器人；是一种能够快速适配传统工业机械臂、协作机器人及移动机器人的安全运动控制方法，有效增强机器人操作系统对多构型机器人的适应能力，包括安全工作空间、跨场景智能感知-控制算法库、云-边-端一体的高效序列化数据接口标准以及融合感知/控制等算法的二次开发环境，安全工作空间基于多模态信息融合感知实现自适应动态柔性力控，利用深度强化学习方法实现机器人在线动态补偿，实现安全工作空间的实时调整。
作为本发明的一种实施方式，安全工作空间通过深度视觉传感器确定末端执行器的空间位姿，根据末端位姿/>进行关节夹角/>逆解，综合考虑机器人的工作环境和运动约束条件构建机器人的安全工作空间/>。
安全运动空间小于或等于机器人自由度所能实现的可达工作空间/>，当可达工作空间/>内存在发生运动干涉的威胁时，安全运动空间/>会小于可达工作空间/>，即≤/>。
多模态信息融合感知针对单一感知缺乏跨场景能力的问题，提出视觉-力觉-触觉融合的标准化测量框架，有效提升感知算法库对多应用场景的适应能力，针对视觉传感器数据、压力传感器数据、触觉传感器数据规定标准化数据结构和数据流处理流程，形成标准化的测量框架。
测量框架构建步骤：
（1）通过AI光学变焦视觉系统、电阻应变式柔性薄膜压力传感器、高精度压力测力传感器等进行数据采集；
（2）对数据进行预处理：清洗、去除异常值和滤波、转换、分析、提取有用的信息、可视化；
（3）特征提取：利用深度学习方法自动学习特征来实现从原始数据中提取出有意义的特征；
（4）模型训练，然后对训练好的模型进行评估，以确保其具有良好的性能，再根据评估结果对模型进行优化。
而自适应动态柔性力控根据力觉-触觉传感器的测量结果，明确安全接触力阈值和机器人实时压力状态，动态调整接触力的大小确保机器人像人一样柔顺、灵巧的感知与操作。
在线动态补偿能够根据机器人安全等级模型和多模态信息融合感知设计机器人与环境动态交互的强化学习策略，运用Q-Learning奖惩方法确定控制模型的学习技能，使机器人具备实时在线学习和优化参数的能力，并能够适应新的作业环境。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (3)
1.一种机器人安全运动控制方法，其特征在于，该方法包括以下步骤：
S1：针对机器人安全运动控制任务的快速适配需求，建立通用的机器人系统主-被动防护机制；
主-被动防护机制包括机器人系统的主动安全防护措施和被动安全防护措施，主动安全防护措施基于机器人系统通过微型相控阵雷达系统监视周围环境的变化，微型相控阵雷达系统反应迅速，能够检测障碍物与机器人的距离S；
机器人系统通过测速反馈雷达系统检测障碍物的移动速度的大小和方向，速度大小为V，障碍物的速度方向与机器人的夹角为θ，设置人手臂长度为L，预判时间为T，机器人的工作空间最大直径为R，T＝（S-R-L）/（V*cosθ）,当T小于等于0时，则控制系统自动停止机器人的运动；直到T大于0时，机器人才会继续启动；
S2：判断机器人的运动是否安全，首先要建立安全等级模型，再根据安全级别的高低采取不同的安全策略；
所述安全等级模型包括安全状态模型和安全信任模型，所述安全状态模型是分析机器人潜在的安全威胁以及应对措施，针对约束安全模式下的信任关系；
所述安全信任模型是针对人机交互模式下的信任关系和移动作业模式下的主从信任关系；
当机器人处于所述约束安全模式时，机器人的安全状态模型根据安全威胁程度进行构建，如果有安全威胁，机器人启动主-被动防护机制进行自我保护，如果没有安全威胁，机器人在约束状态下进行作业；
当机器人处于所述人机交互模式时，信任关系包括接触力的大小是否在机器人的安全阈值内、人是否处于机器人工作空间变成障碍物，接触力在安全阈值内，人在工作空间外，则信任关系建立，否则，信任关系解除，只有信任关系建立时，机器人才能够正常启动开展工作，信任关系解除，主-被动防护机制会通过控制系统停止机器人的启动；
当机器人处于所述移动作业模式时，其信任关系包括机器人之间的距离是否在安全范围内、行走路径上是否存在障碍物，如果距离在安全范围内，行走路径上没有障碍物，则信任关系建立，否则，信任关系解除，只有信任关系建立时，机器人才能够正常启动开展工作，信任关系解除，主-被动防护机制会通过控制系统停止机器人的启动。
2.根据权利要求1所述的一种机器人安全运动控制方法，其特征在于：所述被动安全防护措施包括声控急停开关、视觉识别急停开关和机械式急停开关并联组合而成的复合急停开关模组。
3.一种机器人安全运动控制系统，采用如权利要求1-2任意一项所述的机器人安全运动控制方法，基于以上所述主-被动防护机制和安全等级模型设计，包括安全工作空间、跨场景智能感知-控制算法库、云-边-端一体的高效序列化数据接口标准以及融合感知/控制算法的二次开发环境，其特征在于：所述安全工作空间基于多模态信息融合感知实现自适应动态柔性力控，利用深度强化学习方法实现机器人在线动态补偿，实现安全工作空间的实时调整；
所述安全工作空间通过深度视觉传感器确定末端执行器的空间位姿，根据末端位姿进行关节夹角逆解，综合考虑机器人的工作环境和运动约束条件构建机器人的安全工作空间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410007611.2A CN117697760B (zh) | 2024-01-03 | 2024-01-03 | 一种机器人安全运动控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410007611.2A CN117697760B (zh) | 2024-01-03 | 2024-01-03 | 一种机器人安全运动控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117697760A CN117697760A (zh) | 2024-03-15 |
| CN117697760B true CN117697760B (zh) | 2024-05-28 |
Family
ID=90151732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410007611.2A Active CN117697760B (zh) | 2024-01-03 | 2024-01-03 | 一种机器人安全运动控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117697760B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109822579A (zh) * | 2019-04-10 | 2019-05-31 | 江苏艾萨克机器人股份有限公司 | 基于视觉的协作机器人安全控制方法 |
| CN110561432A (zh) * | 2019-08-30 | 2019-12-13 | 广东省智能制造研究所 | 一种基于人机共融的安全协作方法及装置 |
| CN112859873A (zh) * | 2021-01-25 | 2021-05-28 | 山东亚历山大智能科技有限公司 | 一种基于语义激光的移动机器人多级避障系统及方法 |
| CN112883792A (zh) * | 2021-01-19 | 2021-06-01 | 武汉海默机器人有限公司 | 一种基于视觉深度分析的机器人主动安全防护方法及系统 |
| WO2021196529A1 (zh) * | 2020-04-02 | 2021-10-07 | 同济人工智能研究院(苏州)有限公司 | 空地协同式智能巡检机器人及巡检方法 |
| CN114905508A (zh) * | 2022-04-19 | 2022-08-16 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 基于异构特征融合的机器人抓取方法 |
| CN115070726A (zh) * | 2022-06-16 | 2022-09-20 | 浙江理工大学 | 一种基于大负载机器人的高精度力感知控制系统及方法 |
| CN116038684A (zh) * | 2022-09-09 | 2023-05-02 | 南京埃斯顿机器人工程有限公司 | 一种基于视觉的机器人碰撞预警方法 |
-
2024
- 2024-01-03 CN CN202410007611.2A patent/CN117697760B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109822579A (zh) * | 2019-04-10 | 2019-05-31 | 江苏艾萨克机器人股份有限公司 | 基于视觉的协作机器人安全控制方法 |
| CN110561432A (zh) * | 2019-08-30 | 2019-12-13 | 广东省智能制造研究所 | 一种基于人机共融的安全协作方法及装置 |
| WO2021196529A1 (zh) * | 2020-04-02 | 2021-10-07 | 同济人工智能研究院(苏州)有限公司 | 空地协同式智能巡检机器人及巡检方法 |
| CN112883792A (zh) * | 2021-01-19 | 2021-06-01 | 武汉海默机器人有限公司 | 一种基于视觉深度分析的机器人主动安全防护方法及系统 |
| CN112859873A (zh) * | 2021-01-25 | 2021-05-28 | 山东亚历山大智能科技有限公司 | 一种基于语义激光的移动机器人多级避障系统及方法 |
| CN114905508A (zh) * | 2022-04-19 | 2022-08-16 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 基于异构特征融合的机器人抓取方法 |
| CN115070726A (zh) * | 2022-06-16 | 2022-09-20 | 浙江理工大学 | 一种基于大负载机器人的高精度力感知控制系统及方法 |
| CN116038684A (zh) * | 2022-09-09 | 2023-05-02 | 南京埃斯顿机器人工程有限公司 | 一种基于视觉的机器人碰撞预警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117697760A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yamada et al. | Human-robot contact in the safeguarding space | |
| Kulić et al. | Real-time safety for human–robot interaction | |
| Wang | Fuzzy logic based robot path planning in unknown environment | |
| De Luca et al. | Integrated control for pHRI: Collision avoidance, detection, reaction and collaboration | |
| US9043025B2 (en) | Systems and methods for safe robot operation | |
| CN109318232A (zh) | 一种工业机器人的多元感知系统 | |
| CN111712356A (zh) | 机器人系统和操作方法 | |
| CN111872936B (zh) | 一种基于神经网络的机器人碰撞检测系统及方法 | |
| Anvaripour et al. | Collision detection for human-robot interaction in an industrial setting using force myography and a deep learning approach | |
| CN109129417A (zh) | 基于压力传感器阵列的协作机器人系统及其实现方法 | |
| CN114012734A (zh) | 一种参数自适应的机器人碰撞检测方法 | |
| CN117697760B (zh) | 一种机器人安全运动控制方法及系统 | |
| Pan et al. | Collision risk assessment and automatic obstacle avoidance strategy for teleoperation robots | |
| CN213259495U (zh) | 一种确保速度和动量边界限制的工业机器人 | |
| Leu et al. | CORBYS cognitive control architecture for robotic follower | |
| Poeppel et al. | Robust distance estimation of capacitive proximity sensors in hri using neural networks | |
| Dimeas et al. | Robot collision detection based on fuzzy identification and time series modelling | |
| Hu et al. | Robotic immune systems: An architecture | |
| CN114074325B (zh) | 一种确保机器人力边界限制的安全系统 | |
| CN212653448U (zh) | 一种确保速度和动量边界限制的工业机器人 | |
| CN114074323B (zh) | 一种确保机器人速度和动量边界限制的安全系统 | |
| CN212653449U (zh) | 一种确保力边界限制的工业机器人 | |
| Ohashi et al. | Nonlinear disturbance compensation for haptic device | |
| Popov et al. | Adaptive technique for physical human–robot interaction handling using proprioceptive sensors | |
| CN116330344A (zh) | 一种基于监督学习的支持向量机的协作机器人碰撞检测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 528200 No. 33, Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province Patentee after: Foshan University Country or region after: China Address before: 528200 No. 33, Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province Patentee before: FOSHAN University Country or region before: China |
|
| CP03 | Change of name, title or address |