是什么阻碍了工业机器人集成？

工业机器人的集成是一个高度专业化、高度创造性和狡猾的过程，而实践它的人往往是人类聪明才智和足智多谋本身的功劳。在许多方面，机器人集成商代表了一群高度专业化、能力强的解决方案架构师，他们帮助制造商提高生产力。

不幸的是，有一些事情限制了范围和范围 工业机器人集成回来。此外，受苦最深的是久经考验的真正工匠——我们信任的机器人集成商。这不仅是因为很难找到具备合适的机器人集成技能的人，还因为工作本身可能要求很高、很乏味，而且在许多制造场景中收益有限。

是什么阻碍了他们的机器人技术？嗯，一方面，编程是一个如此苛刻的过程，以至于使编程变得更容易的努力并没有对许多集成商产生应有的实质性影响。即使在编程更容易的地方，今天的机器人也不能适应各种各样的零件或非结构化环境，这有效地使它们远离了许多工厂。 3D 视觉、传感器融合和各种技术有望使机器人更加自主，但目前还没有合适的技能和软件使事情变得足够简单。

幸运的是，正确的解决方案可以帮助机器人集成商最终一次性解决所有这些问题。当他们这样做时，他们将为过去根本不可能实现的各种行业、流程和服务机会打开大门。

让编程更简单还不够简单

相对于现代工程中的其他实践，机器人技术本身的概念仍然有点接近科幻小说的领域。如何可靠地将流程自动化 10、1000 甚至 100 万次，而不会出现故障、停机或灾难性损害的风险？

今天提供的工业机器人——无论是来自 FANUC、Kuka、ABB、川崎、优傲机器人还是更多新兴和小众供应商——实际上通常都满足这些类型的性能标准，当然，它们的过程限制和维护要求也得到尊重。

材料的进步进一步使这些知名供应商的机器人更轻、更灵活、更精确，超出了我们对人类工人的期望。这使得每个人都可以开发不同的混蛋、驱动程序能力等。

在所有这些情况下，都进行了必要的开发和工程选择，以实现功能和必要的可用性级别。虽然这个过程是艰苦的，但它也会导致不同机器人在不同操作的能力、编程和适用性方面存在差异。专业的机器人集成商知道如何管理模型并在首选场景中工作，但是当涉及到缺乏技能和部署环境时——他们可以在那里增长和实现业务多元化——这种机器人编程要求的组合似乎是

在这种情况下，一些人可能认为统一中间件是“协调”各种不同类型和功能的机器人的主要方式，以简化机器人操作的规划和编程。

2007 年发布了 ROS（或者，足够有创意的“机器人操作系统”）来实现这一目标。 ROS 至少提供了一个对学术界开发和共享机器人应用程序有用的系统。不幸的是，这最终并没有解决工业集成商需要解决的问题：能够从根本上跳过规划、编程和处理跨各个部分和空间限制带来的许多限制。相反，所有这些都可以让他们将更多机器人纳入、集成和销售到新的流程和行业中。

需要有限或最少的零件运行

最终，机器人中间件并不能从根本上加速机器人集成，因为“循环保持开放”——对于机器人采用的每个产品、流程和程序，每个步骤都必须在 100% 可预测的一组场景中进行编程测试和验证.这最终意味着，无论场景如何增量或辅助，都将花费与最重要的机器人流程相同的时间来准备。即使你让编程变得更简单，一个需要不断重复的过程，也不够容易。

虽然某些工业机器人供应商宣传更简单的编程语言和方法——包括更多地使用 HMI（人机界面）——但每个过程仍必须在一定程度上手动编程。该程序由人类生成，必须经过验证。这意味着在机器人集成过程中最终只能节省有限的时间。

例如，机械车间越来越倾向于使用机器人来实现可重复的过程，而这些机器人的现场编程有限。例如，这个过程将允许数百个金属零件的运行以相当程度的准确度快速自动化，但最终仍需要大量的人力、监督和返工。

虽然这可以被认为是完成大部分“跑腿工作”，但它只能为给定的商店增加有限程度的生产力，此外，它为机器人集成商通过向新客户环境销售服务来实现增长的机会有限。同时，它不能解决机器人在零件之间或在非结构化环境中的转换问题，或者只是那些不涉及大量夹具的问题。

最终，这仍然是“边际效用递减”定律的牺牲品。对于大众制造商来说，机器人的边际效用比较高。对于机械车间来说，现在比以前高了，但仍然太低，无法为机器人集成商提供可靠的客户群。对于高混合制造商——那些拥有数千个 SKU 并且占制造业大部分的制造商——机器人的边际效用非常低，以至于很少有人（如果有的话）经常使用机器人技术。

在这些情况下，机器人需要能够以尽可能接近“实时”的方式实际响应零件和环境。 3D 视觉的新进展为机器人集成商提供了一个机会，可以赋予机器人这些感官，并最终一劳永逸地克服他们的编程挑战——当然，如果机器人能够自我编程的话。

有限的传感和视觉能力

大约在 ROS 处于起步阶段的同时，一种全新的 3D 视觉方法正在开发中。传感器融合——最初是为 3D 虚拟环境开发的，比如微软的 Xbox Kinect 系统——能够以计算机可以理解的方式相对准确地渲染对象和环境。

几年后快进，传感器融合被集成到自动驾驶汽车和自主移动机器人中，同时在催生它们的虚拟现实系统中找到更多用途。这个概念——而不是纯粹的视觉传感器——植根于全球定位系统 (GPS)，同时也在从暖通空调监控到医疗设备的所有领域找到了相对牵引力。

然而，对于工业制造商而言，传感器融合作为一种有用的应用才刚刚起步。虽然许多人正乘着工业 4.0/物联网浪潮，并试图在更多地方集成传感器以实现远程监控、边缘处理用例或预测性维护，但结合机器视觉和机器人技术实际上是他们能够以某种方式响应的最佳方式他们的机器人在工业过程中。通过赋予机器人识别和处理空间物体的能力，他们可以为工厂的机器人带来与自动驾驶汽车技术相同的自主权。

其中一些应用程序今天已经存在，但仅适用于来自主要工业机器人和外围设备制造商的高度完善的场景或开箱即用的传感器开发套件。这些为在高混合环境中集成更多机器人提供了一个很好的起点，但它们主要限于挑选用例，而不是增值流程，在这些流程中，生产瓶颈最常见。最终，直到机器人有能力根据其所见生成自己的程序，它只会在高混合环境中提供渐进式改进。

更容易进入新行业

作为机器人集成商，您可能真的没有时间生成新的解决方案，包括 3D 视觉、传感器融合或新的、更精细的高混合产品类型。许多人可能对他们在汽车和类似行业的业务感到非常满意。更多的人可能会乐于慢慢进入更多的机械加工车间和高混合作业，其中批量大小足以证明机器人解决方案的合理性。

然而，对于正在寻找一种方法在尚未看到它们并且不知道从哪里开始的行业中部署更多机器人解决方案的集成商来说，Omnirobotic 的 Shape-to-Motion™ 技术可能会提供一种方法。该技术通过使用 3D 视觉识别物体的形状（无论它们在空间中的位置如何）来查看、计划和执行工业喷涂过程，然后使用人工智能和工艺知识为正在处理的每个零件生成独特的机器人运动。然后，它可以通过与现有的工业机器人运动驱动器一起工作，以高度的精细化、质量和更高的生产力执行流程。

这项技术最终使机器人集成商能够处理高混合场景中的实施，无论是航空航天、重型设备、主要家具和电器。这些只是涂层应用可以从更增强和更精确的机器人操作中受益的部分（但不是全部）场景，但零件类型太多 证明当今任何手动编程解决方案所需的编程时间都是合理的。

Omnirobotic 为机器人提供自编程技术，使他们能够查看、计划和执行关键的工业喷涂和涂饰过程。 Omnirobotic 的团队将数十年的经验与新的 AI 功能相结合，通过称为 Shape-to-Motion™ 技术的技术提供此功能，该技术可为每个零件和特定要求实时生成独特的机器人运动。 在这里查看您可以从中获得什么样的回报 .