机器人离线编程系统是机器人编程语言的拓广，是利用计算机 图形学的成果，在电脑里建立起机器人及其工作环境的模型，自动 生成机器人的运动轨迹，然后在软件中仿真与调整轨迹，最后生成 机器人程序传输给机器人。 本 节 导 入 示 教 编 程 特 点 离 线 编 程 特 点 需要实际机器人系统和工作环境 编程时机器人停止工作 在实际系统上试验程序 编程的质量取决于编程者的经验 难以实现复杂的机器人运行轨迹 难以实现复杂的机器人运行轨迹 目前离线编程广泛应用于打磨、去毛刺、焊接、激光切割、数控加 工等机器人新兴应用领域。 图 7-1 离线编程系统构成图 用户接口 传感器 编 程 图 形 仿 真 数 据 库 数 据 库 机 器 人 控 制 柜 后 置 处 理 1 、离线编程系统构成 机器人离线编程系统正朝着集成的方向前进，其中包含了多个领 域中的多个学 域中的多个学科，为推动这项技术的进一步发展，以下几个方面的技 术是关键： 2 、 离线编程关键技术 （ 1 ）多传感器融合技术的建模与仿真 对多传感器进行建模，执行多传感器操作 （ 2 ）错误检测和修复技术 对系统的运行状态进行检测和修复 （ 3 ）各种规划算法的进一步研究 其包括路径规划、放置规划和微动规划等 （ 4 ）通用有效的误差标定技术 应用于各种应用场合的机器人标定 （

机器人编程，就是针对机器人为完成某项作业进行程序设计。 工业机器人编程是机器人技术的一个重要方面，它是与机器人所采 用的控制系统相一致的。为了用简单的方法描述作业、操控机器人， 机器人的语言应运而生。在本节中，主要详细介绍示教编程。 本 节 导 入 1 、示教编程 图 6-1 示教再现式机器人控制系统工作原理 示教盒 记忆装置 伺服放大 示教部分 再现部分 公共部分 工作装置 避免发生错误指令 编程占用机器人作业时间 难以与其他操作同步 很难规划复杂的运动轨迹 以及准确的直线运动 难以与传感信息相配合 机器人语言编程是指采用专用的机器人语言来描述机器人的动作 轨迹。机器人语言编程实现了计算机编程，它具有良好的通用性，同 一种机器人语言可用于不同类型的机器人。此外，机器人编程语言可 解决多台机器人之间协调工作的问题。 2 、机器人语言编程 离线编程是在专门的软件环境支持下，用专用或通用程序在离线 离线编程是在专门的软件环境支持下，用专用或通用程序在离线 情况下进行机器人轨迹规划编程的一种方法。这种编程方法与数控机 床中编制数控加工程序非常相似。一些离线编程系统带有仿真功能， 这使得在编程时就可解决障碍干涉和路径优化问题。 3 、离线编程 离线编程 为了使机器人能够进行再现示教的动作，就必须把机器人运动命令 编成程序。控制机器人运动的命令就是移动命令。在移动命令中，记录 有移动到的位置坐标、插补方式、再现速度等参数。

广泛共 识。 钢结构及船舶行业的小批量、多样化、非标化生产特性，导致传统手工焊接效率低下且 质量稳定性不足，而传统示教型编程耗时冗长，其依赖人工操作的局限性日益凸显，已难以 满足现代制造业对高效、灵活与智能化生产的核心诉求。 随着焊缝跟踪、信息传感、离线编程、智能控制、人工智能等技术的迭代突破，焊接机 器人的智能化水平迎来显著提升。通过搭载激光传感器与 3D 视觉系统，智能焊接机器人可 视觉系统，智能焊接机器人可 精准识别焊缝位置、尺寸及形状特征，实现焊接路径的自主规划，推动焊接技术向“免示教” 方向演进。当前，焊接机器人正经历从传统示教型向“免编程”、“免示教”型的深刻转型。 智能焊接解决方案（如智能焊接机器人、自动化焊接工作站及集成视觉传感的智能系统）不 仅能够提升焊接效率与质量稳定性、降低工人劳动强度，更能有效改善作业环境并减少职业 健康危害。此外，智能化技术有望缓解焊工资源短缺问题，通过降低对熟练焊工的依赖，保 应用的程度， 还需克服诸多技术与非技术难题。 本蓝皮书以智能焊接机器人为核心，重点阐述了其各核心模块的发展态势，其中包含焊 接机器人本体、3D 视觉及激光焊缝跟踪系统、智能焊接控制系统、离线编程软件、焊接配套 设备如焊接电源、焊枪等，结合智能焊接机器人产业链各环节的技术特点，剖析智能焊接机 器人市场和技术趋势，同时对智能焊接机器人的应用行业、应用场景和应用趋势进行分析， 旨在厘清智能

三大特征： （ 1 ）拟人功能：机器人是模仿人或动物肢体动作的机器，能像人那样使用工 具。因此，数控机床和汽车不是机器人； （ 2 ）可编程性：机器人具有智力或具有感觉与识别能力，可随工作环境变化 的需要而再编程。一般的电动玩具没有感觉和识别能力，不能再编程，因此 不能称为机器人； （ 3 ）通用性：一般机器人在执行不同作业任务时，具有较好的通用性。比如， 通过更换机器人手部末端操作器（手爪、工具等）便可执行不同的任务。 、工业机器人的分类 A 悬臂笛卡尔式 • 从支撑架伸出的长度有限， 刚性差，但其工作空间所受 约束较其它机器人所受的约 束少，故重复性和精度高； • 其坐标更近乎自然状态，故 编程容易； • 但有些运动形式，由于需要 大量计算，此结构可能较难 完成，如方向与任何轴都不 平行的直线轨迹。 x z 腕的俯仰 腕的偏摆 腕的偏摆 腕的横滚 腕的横滚 2 、工业机器人的分类 工业机器人的组成 B 驱动系统  通过对驱动系统的控制，使执行系统按照规定的要求 进行工作。  一般由控制计算机和伺服控制器组成。  控制计算机发出指令，协调各关节驱动之间的运动， 同时还要完成编程、示教 / 再现，以及和其他环境状态 （传感器信息）、工艺要求，外部相关设备（如电焊 机）之间的信息传递和协调工作。  伺服控制各个关节驱动器，使各杆按一定的速度、加 速度、和位置要求进行运动。

以太坊：找寻自己的路 标准化：编程接口与通证标准 世界上的大部分事物都是不可互换的 发展出应用：以太坊上跑起金融业务 ［专栏］ 以太坊区块链网络就是元宇宙的典范 第七章 可编程的世界：DeFi金融城的形成 从智能合约平台到DeFi金融城 DeFi中的智能合约程序 治理通证的创新：组织协调与利益分享 可编程带来可组合性：用代码连通起来 ［专栏］ 编程能力是元宇宙时代的听说读写 第八章 但我讲得更多的可能是“石头”，即实体与数字融合的元 宇宙的七大基石。 第一块基石：大规模协作。 第二块基石：三维立体。 第三块基石：游戏化。 第四块基石：所有权系统。 第五块基石：可编程。 第六块基石：自组织。 第七块基石：体验。 在一个个案例中你将看到，我们周围的事物与环境、个人 的身份与行动、与他人的联结与互动、工作与组织、价值创造 与分配等都变了，而所有变化的源头都可以追踪到这些基石。 让我们先来看看计算机生成的亦真亦幻的世界。 [1] 在科幻小说家那里，黑日项目（Black Sun Systems） 大概对应的是小说撰写时的知名计算机公司太阳微系统公司 （Sun Microsystems），它开发了Java编程语言。 从虚拟现实到实时的真实 用虚拟现实技术塑造出能超越实体的世界，是人们一直以 来想用计算机做的事之一。狭义的元宇宙，通常指的就是视觉 上让我们感觉身临其境的虚拟世界，但我们又明确知道，它是

我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。在实际银行落地应用 中，可能包括： 1 ）降本增效：智能客服、信贷审批、合同质检； 2 ）价值创造： AI 编程、智能风控、智能营销等； 3 ） 决 策赋能： 深度分析和决策辅助。 n 从实际落地应用情况看， 大行发力更早， 中小银行正在快速追赶。如工商银行、建设银行、招商银行等大行布局更早， 如架构设计、算法优化或用户体验创新。 n AI 编程在银行业可有效赋能内部研发。从具体用例看， 澳新银行对 1000 名软件开发人员进行了为期六周的 AI 编程助手试 用实验。实验发现，当软件开发人员使用 AI 编程助手时，平均生产率提高 42% ，代码质量提高 12% 。开发人员的工 作满 意度也显著提高。 价值创造场景之一： AI 编程赋能开发，释放开发价 值 资料来源：《采用 AI 编程助手，发展新质生产力》、中泰证券研究所 编程助手，发展新质生产力》、中泰证券研究所 17 资料来源：《采用 AI 编程助手，发展新质生产力》、中泰证券研究 所 控制组平均用时（分钟） Copilot 组平均用时（分钟） 生产力提 升 60% 50% 40% 30% 20% 10% 0% Beginner Intermediate Advanced

化提出了更高的要求。 本白皮书聚焦智算领域的异构算力，具体是指面向大模型应用，采用不同架构设计的人 工智能芯片算力，通常包括来源于不同的厂家或同一厂家设计的不同代际产品，使其在计算 性能、容量带宽、访存系统和编程模型等方面具有差异性。异构算力按技术路线可划分为 GPGPU 和专用 ASIC（Application-Specific Integrated Circuit）两类路线。 GPGPU 是一种突破性的异构芯片架构，其核心在于将 （1）统一计算：打破异构壁垒构建算力融合底座 统一计算是异构算力协同的基础能力，旨在解决异构芯片生态割裂导致的“算力碎片化” 问题，构建底层异构硬件的统一抽象模型，从而实现对各类异构算力资源的一体“池化”。 将基于特定算力的编程应用程序转译为与底层硬件架构无关的中间表示层，通过智能编译优 化技术实现自适应的即时编译优化；各异构算力厂商间算子各异，需要构建跨架构的统一算 子接口，提炼通用算子的统一数学描述，解耦硬件实现细节，形成能够在厂商间源码共享的 一化的异构硬件抽象，统 一编程模型与接口和智能动态编译优化，构建跨芯片、可扩展、自优化的编译系统，实现 AI 模型的“一次编写、多芯运行、智能优化”。 当前业界现有 AI 编译器大体分三类：一是芯片厂商闭源编译器，例如英伟达的 NVCC （Nvidia CUDA Compiler）编译器和华为的毕昇编译器等，针对单一架构深度定制优化； 二是大而全的统一异构编程框架如 SYCL、OpenCL

安全性：协作机器人配备有先进的传感器技术和控制算法，如力矩传感器、视觉系统等，使其能够实时感知环境 变化和与人体接触，并根据接触情况做出相应的安全响应，以防止对人类造成伤害。 易用性：协作机器人往往具有直观的用户界面和编程方式，使得非专业的操作员也能方便快捷地对其进行设置和 操作，降低了使用门槛。 灵活性：相比于传统固定在某个工作站上的工业机器人，协作机器人通常更轻便且布局更为灵活，可以快速重新 部署于不同 加智能化、个性化的制造模式提供了强有力的支持，是现代智能制造体系中不可或缺的一环。 在当前市场需求日益多样化、产品生命周期缩短的背景下，柔性化生产成为企业竞争力的关键。协作机器人以其高 度的灵活性和可编程性，完美匹配了这种生产模式。无论是多品种、小批量的生产，还是快速的产品迭代，协作机器 人都能有效支持，帮助制造商快速响应市场，降低库存成本，提高整体运营效率。 图表 4 协作机器人与传统工业机器人产品特点对比 传感器种类多样 外接传感器少 投资回 报 价格低、易集成、投资回 收快 集成复杂、投资回收周 期长 作业方 式 人机协同作业 耐疲劳、连续作业 操作环 境 快速编程、操作简单、可 拖动示教 操作复杂、专家编程、 专员维护 常用领 域 精密装配、检测、包装、 上下料、抛光打磨、医疗 辅助、教学培训等 搬运、码垛、焊接、喷 涂等 数据来源：公开资料， 高工机器人产业研究所（GGII）整理

品全生命周期，包括： • 将 PMI 作为需求进行描述和管理； • 创建关联 PMI 的产品模型； • 基于 PMI 的公差仿真； • PMI 驱动的基于特征的加工； • PMI 驱动的 CMM 数控检测编程； • 将具有PMI的模型数据共享给供应商， 使其能容易地浏览查看； • 基于 PMI 的装配和 3D 现场作业指导 说明； • 基于 PMI 的自制或外购； • PMI 在生产 / 供应商处的应用； 数控工序数据的编制与管理 √ 挑战： ◇ NC 加工程序的快速编制 ◇ NC 加工程序的有序管理 ◇ 数控加工的一次性正确制造 √ 应对 ◇ 加工模板和基于特征加工等 NC 加 工编程的自动化应用 ◇ 基于 PDM 的加工数据管理 ◇ 车间对加工数据的直接访问 图 24 数控工序数据的编制和管理 图 25 EWI 和 3D PDF 作业指导书 图 23 三维工序模型的关联创建和表示 通过仿真产品的制造和装配过程来预测产品的 尺寸质量和偏差源贡献因子，实现 MBD 模型 中公差分配的优化，提高产品设计质量。在工 艺规划阶段，NX CMM 基于实体模型三维 PMI 标注驱动的智能化离线编程与虚拟仿真，借助 基于模型的 PMI 信息重用，可有效准确地传递 尺寸设计信息，从而确保数字化测量路径规划 与虚拟仿真验证结果的可靠性与唯一性，为输 出高质量零缺陷的 CMM 执行程序提供有力支 持。在产品生产阶段，DPV

技术爱好者：帮助其理解AI在教育中的实践案例，拓宽他们对技术应用的认 识。 特色与亮点 ❍ 前沿性与实用性：紧跟AI教育发展前沿，精选最新的应用案例与操作指南。 ❍ 跨学科性：涵盖语文、数学、英语、科学、艺术设计、音乐、历史、编程等多 个学科，培养跨学科应用思维。 ❍ 案例丰富：通过真实案例展示AI在教育中的实践效果，让读者更直观地理解技 术应用。 ❍ 操作性强：配有详细的操作步骤和指导，帮助读者快速上手并应用于实际教 学。 培养学生的批判性思维、问题解决能力、创造力和团队合作精神，以适应快 速变化的全球经济和技术环境。 如图1-5所示，AI时代的课程将更加数字化。随着AI技术在教育上的应用，STEM教 育 、工程教育、编程教育等方法将更加容易实施，课程设置逐渐呈现出跨学科 融合、实践性和创新性的特点。 ❍ 跨学科融合：在AI时代，课程设置更加注重不同学科之间的融合与交叉。学校 通过开设综合性课程、推动项目式学习等方式，将不同学科的知识和技能进行整 与机器的互动能力同样重要。学生需要了解机器的工作原理，掌握与机器交互的基 本方法。为此，教育体系中应融入编程教育、机器人操作等课程，使学生从小就能 与机器建立良好的互动关系。 AI时代人机协作的新场景如图2-2所示。 综上所述，人机协作是AI时代人才必备的关键技能。为了培养学生的人机协作能 力，学校可以引入机器人教学、编程教育等课程。通过这些课程，学生可以了解 机器人的工作原理，学习如何与机器人进行交互和合作。同时，教师还可以设计团