机器人实现精准手眼协同 应对复杂任务
虽然《现代机床车间》聚焦CNC加工，但图中应用值得关注。想想自动化插入以太网线等任务的固有难度：从不同插座位置、线缆不可预测的弯曲、将连接器“咔哒”扣入所需力度等众多变量，可能难倒即使最精心编程的机器人。这款机器人不同，它完全摒弃精心编程，转而基本自我控制。它能根据需要调整进给方式，无论插座朝向或位置如何，都能确保紧密贴合。
撇开插线不谈，赋予机器人本质上手眼协调的广泛意义不难想象。如果机械同事能做到这点，它们或许有一天能帮CNC车间在活动去毛刺工具周围操作混合不同零件，或从无网格、无夹具的箱子中随机拾取工件？检测、表面精加工、机床看护，乃至尚未探索的应用，都可能受益于此类系统。
由德国Micropsi Industries开发，该机器人的辅助控制系统名为MIRAI（Micropsi Industries Robotic Artificial Intelligence）。它利用摄像头、力传感器和神经网络模拟人类感官，实时响应动态环境。北美代表Rick Schoonover称，一些早期应用已显示出有理由将野心扩展至电子行业之外。
例如，一个早期用例是将齿轮精细装入滚齿机以延长芯轴寿命。另一个用例用该系统以恒定力修剪大型复合航空航天结构，无论机器人相对零件表面的朝向或位置。对拾取并精确放置各种3D打印件的主动研究也展示了该技术自动化小批量、多品种工作的广阔潜力。
不是“教导”而是“训练”技能
程序员不“教导”MIRAI驱动的协作机器人；他们用技能训练它。过程看似相似：人反复引导机械臂完成选定任务动作。但机械臂应尽可能从多方向、多角度接近目标。因为这些机器学习算法关注的不是达到目的的手段，而是目的本身——如线插入插座。随着机器人移动，基于云的神经网络处理连续传感器数据流，理解环境及完成任务所需条件。
“若想把钉子钉进孔，你不会用数学计算并执行一系列动作，”Schoonover解释。“若能看见，就能做——没有路径。你看着钉子、看着孔，把钉子钉进去。若孔动了，你能调整仍钉进去。”
目前，MIRAI仅在传统编程路径的关键部分控制机器人——插线瞬间，或夹持/嵌套零件时刻。此时，机器人基于自身“感知”及其对目标和环境自然变异的“学习”开始自主移动。
此类技术是否终将进入你的车间，或是否用于微动作之外，仍待观察。无论如何，MIRAI等技术正在改变我们对自动化的理解：灵活、易部署，且显然能容忍从环境干扰到零件形状、位置、几何的差异。
自动化控制系统