2020年协作机器人行业发展蓝皮书.pdf - 第32页
2020 年协作机器人产业发 展蓝皮书 31 未来的研究方向 为主动感 知与自然交互理 论及方法， 更多传感器加 入， 使 机器人能够理 解人类指令（通过声 音、手势、 图形） 。研究复杂动态环境下知识 的主动获取 、学习与推理 方法， 视觉认知与基于动 态环境的主 动行为意图理 解与预测理论， 机器人的 自主学习与机器 人知识增殖方法 ， 以及多模态人机协 作的态势感知 与自然交互方法 。 实 现机器人与人之 间相 互的意图理解、 信…
2020 年协作机器人产业发展蓝皮书
30
第四节 协作机器人技术发展趋势与方向
日本机械学会将机器人智能分为五个等级：
级别 I——非自主运动；
级别 II——弱自主运动；
级别 III——部分自主运动；
级别 IV——半自主运动；
级别 V——完全自主运动。
每个级别的进阶都离不来机器人三要素：结构、感知和认知。因此，将从如下几个方面
探究协作机器人技术趋势及方向。
1、
协作机器人结构仿生化
随着这几年国内外对仿生化的研究力度，弹性和软物质材料的探索和应用将提升机器人
与人/环境协作的适应性，同时，针对多种动物研究而衍生出的仿生臂，将使得机械臂结构
更优于普通 7 轴协作机械臂。
在探索的同时将结构--驱动--控制--一体化设计、高效驱动传动机理、非线性动力学制、
刚--柔--软耦合机器人动力学控制及高效计算方法等挑战一一突破。此外，构建多场约束运
动机构创新及刚柔耦合系统集成设计理论，突破高能量密度新型传动、驱动技术。
目前，较为直观的获取外部力信息的方法是在每个关节都安装力矩传感器进行测量，进
而估算出机器人末端的外部力。这种方法对硬件设计要求较高，在实际生产当中成本也很高。
因此，不少研究人员正努力通过利用干扰观测器进行机器人末端外部力及各关节的干扰力矩
的估算，通过获取电机的电流/转矩及关节转角信号重建外部力信息等方式。随着动力学的
深入研究，协作机器人成本将进一步降低，更多柔性材料将会被引入，大大提高协作机器人
的安全性与灵活性。
2
、
协作机器人感知融合化
感知是机器人与人、机器人与环境、以及机器人之间进行交互的基础。就感知技术而言，
除了多传感信息融合依然是研究热点之外，机器人越发呈现出与脑神经科学、生物技术、人
工智能、认知科学、网络大数据技术等深度交叉融合的态势。
其中，借鉴生命系统进化出的快速学习能力，实现生物神经网络针对特定任务的训练和
快速收敛，并将其映射到人工智能算法中（类生命孪生）用于机器人的智能学习，这将增强
机器人对环境感知能力。
这几年国内外对仿生化的研究力度，弹性和软物质材料的探索
环境协作的适应性，同时，针对多种动物研究而衍生出的仿生臂，将使得机械臂结构
这几年国内外对仿生化的研究力度，弹性和软物质材料的探索
和应用将提升机器人
环境协作的适应性，同时，针对多种动物研究而衍生出的仿生臂，将使得机械臂结构
结构、感知和认知。因此，将从
如下几个方面
环境协作的适应性，同时，针对多种动物研究而衍生出的仿生臂，将使得机械臂结构
一体化设计、高效驱动传动机理、非线性动力学制、
软耦合机器人动力学控制及高效计算方法等挑战一一突破。此外，构建多场约束运
动机构创新及刚柔耦合系统集成设计理论，突破高能量密度新型传动、驱动技术。
目前，较为直观的获取外部力信息的方法是在每个关节都安装力矩传感器进行测量，进
端的外部力。这种方法对硬件设计要求较高，在实际生产当中成本也很高
目前，较为直观的获取外部力信息的方法是在每个关节都安装力矩传感器进行测量，进
端的外部力。这种方法对硬件设计要求较高，在实际生产当中成本也很高
因此，不少研究人员正努力通过利用干扰观测器进行机器人末端外部力及各关节的干扰力矩
端的外部力。这种方法对硬件设计要求较高，在实际生产当中成本也很高
因此，不少研究人员正努力通过利用干扰观测器进行机器人末端外部力及各关节的干扰力矩
的估算，通过获取电机的电流
转矩及关节转角信号重建外部力信息等方式。随着动力学的
深入研究，协作机器人成本将进一步降低，更多柔性材料将会被引入，大大提高协作机器人
一体化设计、高效驱动传动机理、非线性动力学制、
软耦合机器人动力学控制及高效计算方法等挑战一一突破。此外，构建多场约束运
动机构创新及刚柔耦合系统集成设计理论，突破高能量密度新型传动、驱动技术。
目前，较为直观的获取外部力信息的方法是在每个关节都安装力矩传感器进行测量，进
的估算，通过获取电机的电流
深入研究，协作机器人成本将进一步降低，更多柔性材料将会被引入，大大提高协作机器人
的安全性与灵活性。
机
器
人
2020 年协作机器人产业发展蓝皮书
31
未来的研究方向为主动感知与自然交互理论及方法，更多传感器加入，使机器人能够理
解人类指令（通过声音、手势、图形）。研究复杂动态环境下知识的主动获取、学习与推理
方法，视觉认知与基于动态环境的主动行为意图理解与预测理论，机器人的自主学习与机器
人知识增殖方法，以及多模态人机协作的态势感知与自然交互方法。实现机器人与人之间相
互的意图理解、信息交流，以及自然和谐的情感交互。
3、
协作机器人认知系统化
操作系统与软件体系的研究。揭示机器人多态性的共性谱系和差异表型的内在机理，构
建多态智能群体机器人操作系统以及面向共融机器人的数据驱动与支撑环境等。
面向未来 5G 通信支持下的多机器人系统在动态开放环境中执行任务的需求，研究开
放环境中 5G 技术支持下多机器人协同优化决策、协同行为认知等自主协同技术，实现编队
行驶与避障、协同搜索与目标识别、协同跟踪与目标定位等典型任务中进一步加强易用性，
简化操作，加强与工业互联网数据的连通性。这将丰富多机器人系统认知水平。
随着协作机器人应用领域的不断扩展，为了让更多的人可以使用机器人，提供更简单直
观，功能更强大但简洁的编程方法是一个必然的趋势。
4
、
功能实现方案
协作机器人两大主要功能有碰撞检测和拖动示教，前者和安全性密切相关，后者和使用
便利性密切相关。碰撞检测有两种实现方式，其一是通过高通滤波器提取电流信号中的高频
成分，其二是利用动力学模型构建干扰观测器；前者的缺点主要是只能检测冲击性碰撞，对
挤压型碰撞则失去作用；后者的缺点主要是需要准确的动力学模型。据了解，KUKA iiwa，
ABB YuMi 以及 JAKA 节卡 Zu 系列均采用后一种技术方案。
拖动示教有两种实现方案，其一是利用末端六维力传感器结合导纳控制实现，其二是利
用动力学模型补偿机器人的重力和摩檫力（iiwa sawer 的 zero G 模式）；前者的主要缺点是
导纳参数设置不当存在稳定性问题，后者主要缺点是需要准确的动力学模型或者静力学模
型。由于力传感器带来的额外成本，目前国内外主流厂商都使用后一种技术方案。
未来协作机器人定会是力控、视觉和人工智能的有机结合，主要有以下三点特征：
位置误差容忍度高
在生产线上，误差可能来自于产品公差、工艺误差或受力下发生的形变、装配或检测流
程积累的误差、AI 视觉的系统误差等，这些都无法完全避免。自适应机器人可以补偿这些误
差，确保机器人完成工作的能力。
技术支持下多机器人协同优化决策、协同行为认知等自主协同技术，实现编队
行驶与避障、协同搜索与目标识别、协同跟踪与目标定位等典型任务中进一步加强易用性，
多机器人系统认知水平
行驶与避障、协同搜索与目标识别、协同跟踪与目标定位等典型任务中进一步加强易用性，
多机器人系统认知水平
随着协作机器人应用领域的不断扩展，为了让更多的人可以使用机器人，提供更简单直
建多态智能群体机器人操作系统以及面向共融机器人的数据驱动与支撑环境等。
通信支持下的多机器人系统在动态开放环境中执行任务的需求，研究开
技术支持下多机器人协同优化决策、协同行为认知等自主协同技术，实现编队
行驶与避障、协同搜索与目标识别、协同跟踪与目标定位等典型任务中进一步加强易用性，
随着协作机器人应用领域的不断扩展，为了让更多的人可以使用机器人，提供更简单直
协作机器人两大主要功能有碰撞检测和拖动示教，前者和安全性密切相关，后者和使用
便利性密切相关。碰撞检测有两种实现方式，其一是通过高通滤波器提取电流信号中的高频
成分，其二是利用动力学模型构建干扰观测器；前者的缺点主要是只能检测冲击性碰撞，对
便利性密切相关。碰撞检测有两种实现方式，其一是通过高通滤波器提取电流信号中的高频
成分，其二是利用动力学模型构建干扰观测器；前者的缺点主要是只能检测冲击性碰撞，对
挤压型碰撞则失去作用；后者的缺点主要是需要准确的动力学模型。据了解，
挤压型碰撞则失去作用；后者的缺点主要是需要准确的动力学模型。据了解，
JAKA
节卡
Zu
系列均采用后一种技术方案。
拖动示教有两种实现方案，其一是利用末端六维力传感器结合导纳控制实现，其二是利
用动力学模型补偿机器人的重力和摩檫力（
观，功能更强大但简洁的编程方法是一个必然的趋势。
协作机器人两大主要功能有碰撞检测和拖动示教，前者和安全性密切相关，后者和使用
便利性密切相关。碰撞检测有两种实现方式，其一是通过高通滤波器提取电流信号中的高频
以及
拖动示教有两种实现方案，其一是利用末端六维力传感器结合导纳控制实现，其二是利
用动力学模型补偿机器人的重力和摩檫力（
导纳参数设置不当存在稳定性问题，后者主要缺点是需要准确的动力学模型或者静力学模
随着协作机器人应用领域的不断扩展，为了让更多的人可以使用机器人，提供更简单直
随着协作机器人应用领域的不断扩展，为了让更多的人可以使用机器人，提供更简单直
2020 年协作机器人产业发展蓝皮书
32
抗干扰能力强
当机器人的基座（AGV）晃动，机器人上装配的工具产生震动，或者有人类触碰干扰时，
自适应机器人都可以很好地抵消或顺应干扰，完成工作任务，也因此相比于过去的任何机器
人都更适应不确定的生产环境。
智能可迁移
未来协作机器人具备应具备基于力控和视觉的层级式智能，只需简易配置便可处理大量
相似又不完全相同的工作任务，解决过去生产线上高部署成本的难点，例如通过同一生产线
来装配一些外形不同、装配手法相近的零件。