智能机器人科教集成商
教学   科研   比赛   展示
科学研究

提供最先进的智能机器人科研平台,助力高校用户发文章和申请项目

应力反馈远程遥操作

通过对Universal Robots UR10e机械臂和haption力反馈机械臂的集成,实现带力反馈的机械臂遥操作主从解决方案,例如:危险物品排爆、货物搬运、精确控制手势并增强灵活性、以及替代人到危险位置勘察,同时也可用于教学科研,包括人机协调,机器学习,柔顺操作,远程遥操作,主从控制,机器人抓取,力反馈控制以及虚拟现实等。

项目课程

该方案主要硬件包括: 1台UR10e机械臂,一台Haption Virtuose™6D六自由度力反馈机械臂,通过URcap插件让两者完美结合,结合遥操作程序实现远程主从遥操作工作。

【实验教学目标 】

图片3.png

1、方案描述PROPOSAL DESCRIPTION 


2.1 总体介绍 

图片1.jpg

该方案主要硬件包括:1台UR10e机械臂,一台Haption Virtuose™6D六自由度力反馈机械臂,通过URcap插件让两者完美结合,结合遥操作程序实现远程主从遥操作工作。 

 

Ø 概述

TeleRobotics EXtender(TREX)是一款应力反馈远程操作应用程序。它是一种适用于危险、艰苦或其他受限制环境的创新解决方案,可为工作人员提供防护,避免他们面临任何风险。操作员可以利用TREX,通过Haption手臂控制远程UR e系列机器人。UR机器人可以实时真实再现主臂的运动。操作员可以通过具有应力反馈的主臂感受到机器人的动力和机器人所施加的力。应力感知可以显著降低环境或机器人本身的受损风险。通过使用TREX,操作员可以将其专有技术和手动经验应用于UR机器人,无需进行任何离线编程。

图片4.png

Virtuose 6D是一种带有6个自由度的力反馈系统,是特别为虚拟实境工作环境而设计。由于其大范围的工作空间以及高承载力,能与CAD模型进行互动模拟。

2.2 详细设计 

Ø 系统设计

带有力反馈的主臂的使用使操作员既可以感受到机器人的动力,也可以感受到机器人施加的力。力的感觉对于减少损坏环境或机器人本身的风险至关重要。UR机器人忠实地再现了主臂的运动,就好像它是操作员的延伸一样。

 

Ø 安装平台

Haption尺寸:底座宽40cm,长30cm。完全展开时高度为75cm 12kg。一人即可携带,无需任何协助。工作空间 1330 x 575 x 1020 mm。安装平台符合上述要求即可。

Ø 使用

使用者舒适地进行工作,保留了所有的手动能力,而不会暴露于危险或约束环境中。多亏了主臂,用户才能感觉到机器人的动力以及举起的物体的重量,可能发生的碰撞等。一组按钮使可以改变感觉到的力度和动作的速度。

Ø 控制界面

图片5.png

图片6.png

2.3 软件方案

软件包是基于URPolyScope示教编程软件,PolyScope 是一个图形用户界面(GUI),你可以操作机器人手臂和控制箱,执行机器人程序,也可以很轻松地创建一个新的程序。基于URcap开发的示教器插件,可以让TREX遥操作系统一键植入UR5e的示教器面板中,进行遥操作功能开发。

图片9.png

程序案例图


 用户概览 

国际:麻省理工学院、滑铁卢大学、卡内基梅隆大学、乔治亚理工学院…… 

国内:清华大学,北京大学,香港理工大学,武汉大学,华中科技大学,上海交通大学,东南大学,中南大学,中科院沈阳自动化研究所,广东工业大学…… 

2.4 通用连接示例

主机:Haption力反馈机械、电脑、监视器、通讯转换器;

从机:UR5e机械臂和控制柜、摄像头。

按照下图的方式连接,组成了带有力反馈的主从机械臂控制系统。

图片10.png

TREX系统连接示意图


2、方案说明和结果 APPLICATION NOTICE AND RESULT 

3.1 方案说明 

简单易用的机器人主从遥操作系统。我们提供标准解决方案,从而不需要额外的昂贵的技术支持。借助TREX,操作员可以通过UR机器人应用其专有技术和手动专业知识,而无需进行任何离线编程。

3.2 方案优势与结果

Ø 优势

1)减少用户的风险

2)精确控制手势并增强灵活性

3)利用用户的手工技能和知识

4)让人类做出决定

Telerobotics扩展器(TREX)是一种强制反馈远程操作应用程序。它为人们在危险,艰苦或其他受约束的环境中工作的所有情况提供了创新的解决方案,使他们能够执行任务而不会面临任何风险。使用TREX,操作员可以通过Haption臂控制远程UR e系列机器人。所有产品都包含完整的解决方案:监视器、处理软件、计算机、摄像机及必要的线缆。

【主要仪器设备 】

该方案主要硬件包括:1台UR10e机械臂,一台Haption Virtuose™6D六自由度力反馈机械臂,通过URcap插件让两者完美结合,结合遥操作程序实现远程主从遥操作工作。 

【实验项目设置 】

Tutorial_VirtuoseAPI_2019_14.png

相关论文目录 THESIS CONTENTS

Haption论文

1)力控与遥操作实现方法

Gosselin F, Riwan A. Design of Virtuose 3D: A new haptic interface for teleoperation and virtual reality[C]//Proc. ICAR. 2001: 205-212.

2)vr抓取

Stergiopoulos P, Fuchs P, Laurgeau C. Design of a 2-finger hand exoskeleton for VR grasping simulation[J]. Eurohaptics, Dublin, Ireland, 2003: 80-93.

3)机械反向驱动在力控制医疗应用中的优势

Perret J, Vercruysse P. Advantages of mechanical backdrivability for medical applications of force control[C]//Workshop on Computer/Robot Assisted Surgery (CRAS). 2014.

4)主从操作系统

Goubot J M, Garrec P. STeP: an innovative teleoperation system for decommissioning operations[C]. 2003.

5)扩展6自由度触觉设备的工作空间

Gosselin F, Andriot C, Bergez F, et al. Widening 6-DOF haptic devices workspace with an additional degree of freedom[C]//Second Joint EuroHaptics Conference and Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems (WHC'07). IEEE, 2007: 452-457.

6上肢的创新透明外骨骼

Garrec P, Friconneau J P, Measson Y, et al. ABLE, an innovative transparent exoskeleton for the upper-limb[C]//2008 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2008: 1483-1488.

 

控制

1)移动机器人运动控制器设计

Röhrig C, Heß D, Künemund F. Motion controller design for a mecanum wheeled mobile manipulator[C]//2017 IEEE Conference on Control Technology and Applications (CCTA). IEEE, 2017: 444-449.

2)上肢跟踪的实时运动控制

Omarali B, Taunyazov T, Bukeyev A, et al. Real-Time Predictive Control of an UR5 Robotic Arm Through Human Upper Limb Motion Tracking[C]//Proceedings of the Companion of the 2017 ACM/IEEE International Conference on Human-Robot Interaction. 2017: 237-238.

3)使用UR模仿人类写作

Miatliuk K, Wolniakowski A, Diaz M, et al. Universal robot employment to mimic human writing[C]//2019 20th International Carpathian Control Conference (ICCC). IEEE, 2019: 1-5.

 

运动学与动力学

1)基于运动学模型的UR5机械手标定

Liang B, Cheng Y, Zhu X, et al. Calibration of UR5 manipulator based on kinematic models[C]//2018 chinese control and decision conference (CCDC). IEEE, 2018: 3552-3557.

2)UR5动力学建模

Kebria P M, Al-Wais S, Abdi H, et al. Kinematic and dynamic modelling of UR5 manipulator[C]//2016 IEEE international conference on systems, man, and cybernetics (SMC). IEEE, 2016: 004229-004234.

3)基于奇异性-鲁棒多任务优先级逆运动学框架

Moe S, Antonelli G, Pettersen K Y, et al. Experimental results for set-based control within the singularity-robust multiple task-priority inverse kinematics framework[C]//2015 IEEE International Conference on Robotics and Biomimetics (ROBIO). IEEE, 2015: 1233-1239.

4)逆运动学求解新方法

Moe S, Antonelli G, Teel A R, et al. Set-based tasks within the singularity-robust multiple task-priority inverse kinematics framework: General formulation, stability analysis, and experimental results[J]. Frontiers in Robotics and AI, 2016, 3: 16.

 

.视觉、标定、感知

1)基于UR的图像视觉自动校准系统

Jian B L, Tsai C S, Kuo Y C, et al. An image vision and automatic calibration system for universal robots[J]. Journal of Low Frequency Noise, Vibration and Active Control, 2019: 1461348419874925.

2)基于UR的新规划方法

Tatsubori M, Munawar A, Moriyama T. Design and Implementation of Linked Planning Domain Definition Language[J]. arXiv preprint arXiv:1912.07834, 2019.

3)手眼标定

Li J, Li X, Dun A, et al. Hand-eye calibration for flexible manipulator[C]//Journal of Physics: Conference Series. IOP Publishing, 2019, 1187(3): 032097.

4)基于UR的自适应学习

Inoue T, Chaudhury S, De Magistris G, et al. Transfer learning from synthetic to real images using variational autoencoders for robotic applications[J]. arXiv preprint arXiv:1709.06762, 2017.

5)基于UR的视觉跟踪

Ramachandruni K, Jaiswal S, Shah S V. Vision-based control of UR5 robot to track a moving object under occlusion using Adaptive Kalman Filter[M]//Proceedings of the Advances in Robotics 2019. 2019: 1-6.

规划

1)路径规划算法的自动调整和配置

Burger R, Bharatheesha M, van Eert M, et al. Automated tuning and configuration of path planning algorithms[C]//2017 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2017: 4371-4376.

2)机器人任务规划评估方法

Paxton C, Jonathan F, Hundt A, et al. Evaluating methods for end-user creation of robot task plans[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 6086-6092.

3)预测控制的深度学习用于人体运动跟踪

Agravante D J, De Magistris G, Munawar A, et al. Deep learning with predictive control for human motion tracking[J]. arXiv preprint arXiv:1808.02200, 2018.

4)基于UR协作机器人的时间最优规划

Zhenyi C. Joint Trajectory Time Optimization of Cobot Based on Particle Swarm Optimization[C]//IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2019, 616(1): 012015.

5)多机械臂轨迹规划算法

Tavares P, Lima J, Costa P, et al. Multiple manipulators path planning using double A[J]. Industrial Robot: An International Journal, 2016.

 

医疗

1)基于UR的康复机器人

Kyrkjebø E, Laastad M J, Stavdahl Ø. Feasibility of the UR5 Industrial Robot for Robotic Rehabilitation of the Upper Limbs After Stroke[C]//2018 IEEE/RSJ international conference on intelligent robots and systems (IROS). IEEE, 2018: 1-6.


  • Haption+Nuclear17

    Haption+Nuclear15

  • Haption+Nuclear14

    Haption+Nuclear13

  • Haption+Nuclear12

    Haption+Nuclear11

  • Haption+Nuclear10

    Haption+Nuclear9

  • Haption+Nuclear8

    Haption+Nuclear7

  • Haption+Nuclear6

No.1908 Building A,Optics Valley Times Square,Wuhan City,Hubei Province,China
Tel:027-87522899,027-87522877

合作与咨询

商务合作:

amy@jingtianrobots.com

渠道合作:
lxw@jingtianrobots.com

网站备案号:鄂ICP备17004685号-1 | 技术支持 | 联系我们 | 服务条款与隐私权 | 网站地图