人形机器人标准化白皮书(2024版)-全国机器人标准化技术委员会通常设计为一个自由度,以确保机械臂能够进行精确的弯曲与伸展, 腕关节通常设计为二自由度或三自由度的球铰,用于末端姿态调节。 这些自由度配置赋予机械臂与人类手臂类似的运动特性,能够完成复 杂的操作任务。通过对人类手臂的构型研究与运动学仿真优化,进一 步提高仿人机械臂的工作空间与灵活度。其中腕关节的球铰设计要求 末端同时具备俯仰和侧摆能力,传统串联关节难以实现。通过新型的 线性执行器与并联机构的组合,能够更好地分配负载,降低惯性和反 考生物足功能开发仿生 足也是提高机器人运动能力常见的解决方法。基于执行器的选择与布 置,腿足结构设计与加工技术对人形机器人的运动能力、稳定性和效 率起着关键作用。早期的大框架、大重量设计经过运动学、动力学分 析和拓扑优化等技术的改进,现已成为可在保证腿足强度的同时达到 轻量化与可靠性的平衡设计。同时,利用增材制造技术融合多材料多 工艺方法构建复杂的机械框架也提高了腿足的灵活性,兼顾强度、惯 动器等硬件设备精确调节电机的运转,实现关节的精准动作,主要采 42 用运动学分析与建模、动力学分析与建模和控制算法。全身控制是协 调多个关节之间的运动关系,进行运动规划和轨迹生成。比如在人形 机器人行走时,全身控制要规划好腿部各关节以及胯部、腰部等相关 关节的配合,生成从起始姿态到目标姿态的连续运动轨迹,使得行走 动作自然流畅且符合运动学和动力学规律。模型控制更多地从机器人 整体行为和任务角度出发,基于感知到的环境信息以及预设的任务需10 积分 | 89 页 | 3.98 MB | 5 月前3
人形机器人标准化白皮书(2024版)通常设计为一个自由度,以确保机械臂能够进行精确的弯曲与伸展, 腕关节通常设计为二自由度或三自由度的球铰,用于末端姿态调节。 这些自由度配置赋予机械臂与人类手臂类似的运动特性,能够完成复 杂的操作任务。通过对人类手臂的构型研究与运动学仿真优化,进一 步提高仿人机械臂的工作空间与灵活度。其中腕关节的球铰设计要求 末端同时具备俯仰和侧摆能力,传统串联关节难以实现。通过新型的 线性执行器与并联机构的组合,能够更好地分配负载,降低惯性和反 考生物足功能开发仿生 足也是提高机器人运动能力常见的解决方法。基于执行器的选择与布 置,腿足结构设计与加工技术对人形机器人的运动能力、稳定性和效 率起着关键作用。早期的大框架、大重量设计经过运动学、动力学分 析和拓扑优化等技术的改进,现已成为可在保证腿足强度的同时达到 轻量化与可靠性的平衡设计。同时,利用增材制造技术融合多材料多 工艺方法构建复杂的机械框架也提高了腿足的灵活性,兼顾强度、惯 动器等硬件设备精确调节电机的运转,实现关节的精准动作,主要采 42 用运动学分析与建模、动力学分析与建模和控制算法。全身控制是协 调多个关节之间的运动关系,进行运动规划和轨迹生成。比如在人形 机器人行走时,全身控制要规划好腿部各关节以及胯部、腰部等相关 关节的配合,生成从起始姿态到目标姿态的连续运动轨迹,使得行走 动作自然流畅且符合运动学和动力学规律。模型控制更多地从机器人 整体行为和任务角度出发,基于感知到的环境信息以及预设的任务需0 积分 | 93 页 | 3.74 MB | 5 月前3
2025年空间智能研究报告Aria和Quest 3设备录制 • 李飞飞和斯坦福⼤学开发了ARCap系统,可以进⾏便携式数据收集,通过增强现实 (AR) 和触觉警告提供视觉反馈,以指导用户收集⾼质量的演示 • ARCap 能够收集与机器⼈运动学相匹配的机器⼈可执⾏数据,帮助训练机器⼈在 杂乱的环境中进⾏操作和长视野跨具身操作,ARCap 完全开源且由现成产品构建 具体实践 空间智能概览 自动驾驶 3D⽣成 具身智能 扩展现实(XR)30 积分 | 27 页 | 11.13 MB | 4 月前3
卫星总装智能工厂的内涵及关键技术_上海航天过 程 几 何 、物 理 、行 为 、规 则 等 多 个 维 度,融合机构位姿、受力、应变、速度、温度等关键工 艺参数,建立了机构高保真数字孪生模型,并与实 时物联数据实现虚实同步映射;采用运动学、动力 学和机电控制等多学科联合仿真方法及工具,开展 大型太阳翼展开测试过程的高置信仿真及结果可 视化。在此基础上,以仿真样本数据和实采数据为 输入,采用深度学习算法,通过预测模型降阶表征10 积分 | 16 页 | 15.77 MB | 1 天前3
世界互联网大会&联通:2025人形机器人应用与发展前瞻报告融合视觉、触觉等3D环境特征,通过多视图关联构建以对象为中心的场 景表征,实现全维度环境感知与决策。 “小脑”运动控制是实现人形机器人自然流畅动作的关键,主要分为 基于模型和基于学习两类方法。前者通过建立运动学和动力学模型进行 规划控制,如ZMP、混杂零动态规划等算法,但开发复杂、成本高;后 者借助人工智能技术,以人类示教(模仿学习)或自主探索(强化学习) 建立策略,能降低开发难度、加快迭代。二者各有优劣,共同推动人形5 积分 | 24 页 | 5.42 MB | 19 天前3
2025年智能焊接机器人产业发展蓝皮书-GGII高工咨询(141页)进行培训。 轨迹规划是确定机器人从起点到终点的最佳运动路径的过程。在离线编程和虚拟仿真中, 轨迹规划技术是核心,因为它直接影响到机器人的工作效率、精度和安全性。轨迹规划涉及 到考虑机器人的运动学约束、工作空间障碍物、目标点的可达性以及路径的平滑度和效率。 现代轨迹规划技术通常结合了优化算法、机器学习和人工智能,以适应复杂的工业环境和多 变的生产需求。 离线编程、虚拟仿真和焊接轨迹规 (2)虚拟仿真随后用于验证和优化轨迹规划的结果,确保机器人在虚拟环境中按照预 期执行任务,同时检查可能的碰撞和运动学限制。 (3)离线编程则整合轨迹规划和仿真结果,生成最终的机器人控制程序,这些程序可 以在实际机器人上运行,而无需在生产现场进行调试,从而减少了停机时间和生产成本。 焊接机器人离线编程与仿真涉及的关键技术包括机器人运动学技术、CAD 图形环境交互 技术、碰撞检测算法技术及后置处理技术。 虚拟仿真 件的规模化量产能力,保证协作机器人 能够稳定生产。 2、机器人核心算法模块 2025 智能焊接机器人产业发展蓝皮书 76/141 在算法层面,集萃智造全自研运动学及动力学建模、实时在线规划、离线规划、力位混 合控制、焊接摆动轨迹、多层多道轨迹等较全面的轨迹生成算法,保证轨迹运行平滑、路径 准确;拖动示教功能能够让使用者更快速的进行编程,同时在安全与稳定控制环节,突破无10 积分 | 141 页 | 12.34 MB | 1 天前3
2025年中国工业机器人行业白皮书违构简单,喇皮快,但稳定性轻差,多用于轻量级任各 格物 硬件 控制格(主流采用32位微处理器)、传感器(位置,力些,现带等) 及人机文互设备(示器,控制面板) 控制系统 高观载连规划、运动学计算和实时反信控制(闭环系统为主),支持 提程和摄块化摄性 2025年9月 格物致胜版权所有 中国工业机总人行业研究 2/50 格物致胜 工业机器人行业-产品定义 Wintelligence20 积分 | 51 页 | 10.02 MB | 13 天前3
英特尔工业控制白皮书2026版·负载整合特刊-英特尔确。 41 图:ABS 样条路径工具可提升轨迹控制精度 10 提供强大的前馈控制功能 ProU NoTime 控制器的前馈控制功能基于 CNC 算法库。通过设定轴的动力学参数、用户选择的运动学模型以及英特尔® 处 理器的强大算力,获得精确的运动预测模型补偿扰动对轴的影响,通过 EtherCAT 总线将计算结果传递给伺服的电流环和速 度环偏移接口,达到最佳的运动控制效果。 测试数据显20 积分 | 48 页 | 25.02 MB | 13 天前3
大型装备制造业数字化之道 基于模型的数字化企业(MBE, Model Based Enterprise)解决方案白皮书 上表现出色,并在用户的要求和协助下开发出了 一系列针对汽车、航空航天飞行器、运动机 构、快速电子消费产品以及大型装备制造工艺 特点的装配和计算功能,如适用于汽车薄板 件的基于 FEA 输入的柔性件装配公差仿真计 算、适用于运动机构的运动学装配公差仿真计 算、适用于航空航天飞行器梁肋墙桁等结构的 装配公差仿真计算、适用于新型飞机复合材料 的厚度公差仿真计算等,形成专业工具包。具 体讲,VA TM 软件通过建立产品和安装工艺的 三维虚拟装配接触链模型来自动确立产品的尺 造中目前已存在的模型和分析应用包括飞机主 要装配件对接仿真分析(机身断面对接,机翼 与机身对接,驾驶舱,引擎安装对准,总装)、 空气动力学需求分析(门组件与周边外蒙皮间 的缝隙与阶差)、操控中的运动学系统分析(可 移动的飞行控制面,门板锁系统运转间隙,起 落架与轮胎功能及运转间隙)、子总成制造与 应力需求分析(装配顺序优化,局部互换性单 元安装,座椅运动轨道调节,机翼装配)、设 计与制造两个环节的成本平衡研究(零部件之20 积分 | 99 页 | 48.83 MB | 1 天前3
埃森哲《技术展望2025》建设企业文化,塑造企业形象,并成为企业一部分业 务的关键指挥员,甚至自主运营一部分业务。从行业 角度出发,认知数字大脑可能表现为行业的通用框架 和通信协议,或是将行业挑战转化为 AI 模型或算法, 加深我们对物理学、遗传学、运动学等领域的认知。 而站在国家和政府的高度,认知数字大脑将整合知识、 语言、文化、法律和安全,帮助行业、企业和公民更 好地互动。至关重要的是,上述认知数字大脑不会孤 立运作。当它们跨层级开展协同时,将推动社会整体10 积分 | 67 页 | 10.07 MB | 6 月前3
共 15 条
- 1
- 2
