基於機器人及模擬自動化軟體平臺V-rep的抓取機器人仿真

2021-01-07 OFweek維科網

金翅導讀

V－rep（Virtual Robot Experimentataion Platform），是全球領先的機器人及模擬自動化軟體平臺。通過其詳盡的應用程式接口（API），可以輕易模擬整個機器人系統及子系統，整合機器人的各項功能，使得整個機器人仿真變得不再繁瑣與痛苦。其最大特點就是V－rep是一個開源軟體，基於分布式控制架構：每個對象／模型可以通過嵌入式腳本、插件、ROS或BlueZero節點、遠程API客戶端或定製解決方案進行單獨控制。這使得V－REP非常通用，非常適合多機器人應用。控制器可以用C／ c＋＋、Python、Java、Lua、Matlab或Octave編寫。V－REP用於快速算法開發、工廠自動化仿真、快速原型與驗證、機器人相關教育、遠程監控、安全覆核等。

相關焦點

  • ROBOGUIDE軟體:機器人輸送帶上下料虛擬仿真操作方法
    因此，機器人輸送帶上下料應用也是非常重要的。上一期為大家介紹了機器人輸送帶上料虛擬仿真的操作方法，本期再來為大家介紹一下輸送帶下料仿真的操作方法。添加機器人在上一期發布的《ROBOGUIDE軟體：機器人輸送帶上料虛擬仿真操作方法》文章的仿真案例項目中添加一臺6軸下料機器人。
  • 華中大團隊奪取全球首個機器人抓取雲競賽冠軍 機器人未來會讓你...
    8月15日至11月12日，IROS2020雲機器人桌面整理挑戰賽在線上舉行，比賽吸引了包括華中科技大學、卡內基梅隆大學、普林斯頓大學等在內的59支隊伍參加。比賽重點考察服務型機器人桌面整理的能力，縮小人類日常生活中對非結構物體分揀的需求與機器人識別、抓取、分類能力間的差距。「桌面上放置著辦公用品、食品盒、餐具等不規則的物品，需要機器人將這些物品按照要求抓取並放置好。
  • 最牛抓取機器人:X射線「看透」物體堆,還能適應不同環境
    第二項研究介紹了一個適應訓練算法，能提升機器人在不同環境中抓取目標物體的能力。在實驗環境中，機器人模型的抓取準確率達到82%！在模擬真實環境條件下，該機器人模型的抓取準確率也可以達到最高90%。一、用X射線「透視」物體堆，抓取準確率比基線策略高15%在電子商務、貨倉貨物裝卸、家庭服務等場景中部署機器人可以節省人力資源、提升人類生活質量。
  • 全球首個機器人抓取雲競賽落幕,華科奪冠,中國團隊包攬前三
    目前主流服務機器人的全自動行駛功能解決的是移動問題，只有配置了機械臂，才能執行更複雜、更貼近人類需求的任務。其中的一個典型應用場景就是機房運維：阿里巴巴達摩院人工智慧實驗室與阿里雲基礎設施部門聯合開發了全球首個可以在數據中心自動化運維的智慧機器人「天巡」。
  • 機器人智能抓取AI+Grasp
    不同於首先生成抓取候選，再對抓取分類、評分的思路，英偉達公司的機器人研究團隊提出了直接根據輸入的物體點雲生成抓取[5]。在數據集生成上，他們使用了純物理引擎仿真抓取的方式。這種方法的好處是可以生成用特定規則生成抓取[3.4]得不到的抓取。這是因為通常分析的方法生成抓取數據集把抓取簡化成了兩個點。而在實際抓取中，機器人通常具有兩個平行的手指作為夾爪。
  • ​全球首個機器人抓取雲競賽落幕,華科奪冠,中國團隊包攬前三
    目前主流服務機器人的全自動行駛功能解決的是移動問題，只有配置了機械臂，才能執行更複雜、更貼近人類需求的任務。其中的一個典型應用場景就是機房運維：阿里巴巴達摩院人工智慧實驗室與阿里雲基礎設施部門聯合開發了全球首個可以在數據中心自動化運維的智慧機器人「天巡」。它的技能是「更換硬碟」：在五分鐘內完成故障硬碟的更換，並且全天候 24 小時執行機房自動巡檢和故障硬碟更換工作。
  • 機器人噴塗 | FANUC 膜厚仿真功能(Spray Simulation)介紹
    FANUC在噴塗應用中使用的PaintPro仿真軟體包含了一款膜厚仿真（Spray Simulation）插件，可以在仿真軟體中針對不同的工藝參數進行膜厚的仿真計算模擬
  • MotoSimEG-VRC軟體:安川機器人噴塗應用虛擬仿真
    大部分的機器人在真實噴塗工作之前都可以先通過虛擬仿真來驗證制定的噴塗工藝，安川機器人也不例外，這個任務可以通過自身適配的虛擬仿真與離線編程軟體MotoSimEG-VRC實現。MotoSimEG-VRC軟體進行噴塗工藝應用仿真時，不僅能夠驗證機器人的運動路徑、幹涉檢測，還可以在噴槍噴嘴處生成油漆霧化模型以及在工件表面生成漆面效果，這些對於噴塗工藝規劃驗證有著非常大的幫助。
  • MATLAB:機器人物理邊界的極致試探
    而MathWorks始終致力於用軟體算法不斷突破工業機器人的硬體邊界。基於MathWorks的MATLAB科學計算平臺、Simulink系統仿真平臺、Simscape物理系統建模平臺科研工作者和工程師可以很容易地實現先進的控制算法，如RRT或A*用於全局路徑規劃，軌跡優化用於局部重新規劃，以實現突發事件的合理避障；同時，可以很容易地調整算法中的參數，在快速迭代的仿真中進行測試，確保機器人的魯棒性能，基於統一的集成化平臺設計和原型化自主算法
  • ROBOGUIDE軟體:機器人產線輸送帶輸送物料虛擬仿真操作
    概述輸送帶在機器人生產線或工作站中是常見的物料傳送設備，它能夠將物料從一個工位自動傳送到另一個工位，是實現自動化生產製造必不可少的裝置設備之一。虛擬仿真是對真實的工業機器人生產線或工作站的圖形化再現，因此，對於具有輸送帶設備的機器人生產線也一樣要將輸送帶再現出來。
  • 「中國機器人的搖籃」瀋陽自動化所取得累累碩果
    讀博士期間，劉開周師從中國工程院院士封錫盛，從事機器人半物理仿真平臺和水下機器人控制系統的研究與開發工作。劉開周介紹，控制系統相當於載人潛水器的「大腦」，而半物理仿真平臺是一套實時仿真系統，它本身就相當於一套虛擬的載人潛水器系統。
  • 山鋼機器人朝您走來
    2017年9月，投資150萬元的機器人創新研發實驗室成立，這也是萊蕪自動化分公司/電子公司自動化事業部的前身，並確立了第一個目標：培養第一批擁有智慧機器人核心控制技術的研發創新骨幹，研發第一套擁有自主智慧財產權的基於視覺引導的機器人系統。
  • Delmia機器人仿真編程 點焊仿真 第7節 機器人自動放置功能
    在夾具和機器人相對位置還沒有確定下來的情況下，如何確定兩者的相對位置保證所有的焊點都能焊接呢？。在Delmia軟體中有機器人智能放置功能，通過設定機器人放置的空間範圍，然後由軟體自動計算機器人在哪些位置可以焊接，然後確定機器人的最佳放置位置。
  • 軟體機器人從幕後到臺前 RPA+Chatbot帶來「端到端的自動化」
    來也科技作在RPA和Chatbot領域都有深厚的積累,擁有自主研發RPA平臺產品「來也UiBot」以及Chatbot平臺產品「來也吾來」。本文基於來也科技多年的實踐,探討RPA和Chatbot的結合點、價值和未來發展方向。來也科技的機器人進階之路2015年,來也科技成立,團隊有一個共同目標:讓機器人助力每個人。
  • 以新馭變,CGrasp-AI通用抓取平臺亮相工博會!
    CGrasp作為庫柏特自主研發的機器人高速柔性抓取解決方案，在智能倉儲、醫療、新零售、物流等眾多不同的場景都有著不俗的表現，通過基於CGrasp的應用積累和不斷增加的市場需求，庫柏特始終面向用戶，不斷優化 CGrasp在應用場景的應用並落實到產品上，CGrasp-AI通用抓取平臺就應運而生。
  • RobotStudio軟體:機器人自定義行走軸配置與仿真
    概述很多時候由於安裝場地限制的原因，使用ABB機器人廠商提供的標準行走軸並不能滿足系統集成的需求。這個時候就需要自定義設計機器人行走軸，對機器人生產線進行仿真時就同樣需要使用自定義設計的行走軸。RobotStudio軟體除了能夠使用自帶模型庫中的行走軸仿真以外，也支持用戶自定義設計的行走軸仿真。本期，就來為大家介紹一下使用自定義設計模型創建機器人行走軸，並實現仿真運行。
  • 「裡奧機器人」——讓高仿真智慧機器人更有「人性」
    當下，人們的需求不再局限於傳統服務機器人，由於它們的外觀、行為、動作與真人還是有很大的差異，無法滿足人們的很多需要，這促進了高仿真機器人的快速發展。 近幾年，仿真機器人在我國、歐美和日本等國家取得較大的成就，但是仿真機器人由於其結構系統比較複雜，單體製造成本較高，當前主要應用於科研平臺。於是，拓展其市場化應用價值並形成產業化規模成為了當下仿真機器人發展的首要任務。
  • RPA(機器人流程自動化)從基於規則到智能認知的演進
    預計自動化技術市場將帶來移動網際網路和智慧型手機之後的第二大經濟革命。根據麥肯錫的一項調查，到2025年，自動化技術有可能對經濟產生6.7萬億美元的衝擊，這就解釋了企業實施機器人過程自動化（RPA）的熱潮。
  • 關注|以新馭變,CGrasp-AI通用抓取平臺亮相工博會!
    CGrasp作為庫柏特自主研發的機器人高速柔性抓取解決方案，在智能倉儲、醫療、新零售、物流等眾多不同的場景都有著不俗的表現，通過基於CGrasp的應用積累和不斷增加的市場需求，庫柏特始終面向用戶，不斷優化 CGrasp在應用場景的應用並落實到產品上，CGrasp-AI通用抓取平臺就應運而生。
  • 伯克利AI實驗室最新發文:公布用於機器人抓取的Dexterity Network...
    為了減少訓練時間,可以利用雲計算的方法，基於物理抓取模型對大量物體的網格模型快速進行抓取計算。這些方法通過一個叫抓取魯棒性（the grasp robustness）的參數來排序抓取動作，這個參數是通過力學模型預測出的抓取成功率。通過基於物體位置、表面摩擦等屬性計算出的概率分布，判斷抓取動作對任意的力和力矩的抵抗能力。