&figure&&img src=&/50/v2-c587b7e248c559f469671_b.jpg& data-rawwidth=&473& data-rawheight=&289& class=&origin_image zh-lightbox-thumb& width=&473& data-original=&/50/v2-c587b7e248c559f469671_r.jpg&&&/figure&&p&今年以来，无人超市、无人酒店、无人驾驶车、无人工厂……各种人工智能黑科技的刷屏频率是越来越密集了。&/p&&p&先带大家重温一下两座最近火爆朋友圈的无人工厂视频。&/p&&p&第一个是无人饺子工厂。&/p&&p&首先是和面，做成饺子皮&/p&&figure&&img src=&/v2-f89ad929bee4_b.jpg& data-rawwidth=&322& data-rawheight=&180& class=&content_image& width=&322&&&/figure&&p&然后是包饺子&/p&&figure&&img src=&/v2-02ca92d76e429c909fe154_b.jpg& data-rawwidth=&322& data-rawheight=&180& class=&content_image& width=&322&&&/figure&&p&分装打包&/p&&figure&&img src=&/v2-6ee113d63f27ce39d0cd28_b.jpg& data-rawwidth=&322& data-rawheight=&180& class=&content_image& width=&322&&&/figure&&p&低温速冻&/p&&figure&&img src=&/v2-9edcd0dcfc31a554ed6e303_b.jpg& data-rawwidth=&322& data-rawheight=&180& class=&content_image& width=&322&&&/figure&&p&封装&/p&&figure&&img src=&/v2-e175eee9e0658fcaecaa68_b.jpg& data-rawwidth=&322& data-rawheight=&180& class=&content_image& width=&322&&&/figure&&p&最后装箱子准备运往全国各地&/p&&figure&&img src=&/v2-c7ccca8d3c63b66b7e0d9745_b.jpg& data-rawwidth=&322& data-rawheight=&180& class=&content_image& width=&322&&&/figure&&p&一气呵成有没有？&/p&&p&还有下面这个，无人快餐工厂。&/p&&p&自动淘米、煮饭、炒菜&/p&&figure&&img src=&/v2-0af70a64f5_b.jpg& data-rawwidth=&280& data-rawheight=&155& class=&content_image& width=&280&&&/figure&&p&将饭和菜分别装到餐盒里&/p&&figure&&img src=&/v2-49cdb003f4c82cfda4d15_b.jpg& data-rawwidth=&320& data-rawheight=&180& class=&content_image& width=&320&&&/figure&&p&密封打包&/p&&figure&&img src=&/v2-65a39a1eea2d2de5d30636cce585e6d1_b.jpg& data-rawwidth=&270& data-rawheight=&150& class=&content_image& width=&270&&&/figure&&p&等待发往全国&/p&&figure&&img src=&/v2-e5f750de899af30c68fe5c_b.jpg& data-rawwidth=&300& data-rawheight=&170& class=&content_image& width=&300&&&/figure&&p&三年前，谁曾想过这些黑科技会这么快的就渗透进我们的生活？&/p&&p&据悉，中国最大的劳动力密集型工厂&b&富士康&/b&，现在已经布局了超过4万台工业机器人，机器换人的三步走战略已经进入到了第二步的深化阶段。&/p&&p&2015年的时候，世界上每生产4台机器人就有一台在中国，到今年，这个数字增长到了每3台就有一台。&/p&&p&按照目前的增速，预计到2020年的时候，世界上一半的机器人都将布局在中国！&/p&&p&十年前房地产大发展的时候，曾经流传一个笑话——&/p&&p&世界钢铁产量排名，第一中国（不包括河北省），第二河北（不包括唐山市），第三唐山（不包括瞒报产量）。&/p&&p&或许也不算笑话，因为那时候的中国钢产量超过了世界的50%。&/p&&p&而在这个十年，&b&中国土地上最大的奇迹，则是人工智能、机器人等高科技产业的飞速发展，&/b&三年之后，类似的笑话将会被移植到机器人产业。&/p&&p&当然，目前的中国高端机器人市场，仍然被所谓的机器人四大家族垄断着。&/p&&p&&b&瑞典ABB、日本发那科、德国库卡、日本安川&/b&。&/p&&p&哦，对了，库卡已被美的收购，后者上半年又收购了一家以色列机器人软件公司&b&Servotronix&/b&，正在图谋成为全球最大的自动化工业集团。&/p&&p&当然不止美的，在A股的上市公司里，我们就曾分析过&b&汇川技术、海康威视、巨星科技&/b&等多家公司在机器人领域的布局。&/p&&p&今天的主角，&b&埃斯顿（002747）&/b&，则被誉为A股的小发那科。&/p&&p&1&/p&&p&日本&b&发那科&/b&，是全球机器人行业盈利能力最强的公司。&/p&&p&根据2015年的年报，发那科的毛利率超过50%，净利率超过25%，比四大家族的另外三家都要高出一大截。&/p&&p&之所以挣钱能力这么强，主要的原因就在于发那科能够生产机器人的绝大部分核心零部件，比如伺服器、控制系统、机床等等。&/p&&p&协同效应和闭环生态，使得发那科的成本控制能力和议价能力都超强。&/p&&p&国内的机器人公司这几年在政策补贴潮流下，如雨后春笋般涌现出来，但老实说，其中绝大部分都不过是投机之辈，惦记着那点补贴资金罢了。&/p&&p&能够有点本事，打进高端市场的本土机器人公司，放眼神州大地，实在少得可怜。&/p&&p&即使号称是国产机器人的“四小龙”（&b&新松机器人、埃斯顿、埃夫特、广州数控&/b&），也未必尽如人意。&/p&&p&比如新松机器人，号称本土机器人行业的龙头，A股名字干脆就叫“&b&机器人（SZ，300024）&/b&”，噱头十足。&/p&&p&但实际上呢，新松的业务集中在中下游的本体组装和系统集成，技术含金量并不高，能够做类似业务的公司中国少说也有几百家。&/p&&p&而&b&埃斯顿&/b&，核心竞争力却是高端的六轴机器人（销量占比在50%左右），这一块能做的本土同行屈指可数。&/p&&p&并且，埃斯顿的机器人零部件，80%都是自己研发、生产的，这一点也跟发那科很像，什么伺服系统、控制器、传动系统、算法，绝大部分都是自产自销。&/p&&p&关键零件中，只有RV减速器是采购日本的纳博特斯克，因为采购量大，已经成为了纳博特斯克在国内最大的客户，议价权也就出来了。&/p&&p&我们对比一下两家公司的研发投入占比：&/p&&figure&&img src=&/v2-99f36b083b2af_b.jpg& data-rawwidth=&640& data-rawheight=&383& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-99f36b083b2af_r.jpg&&&/figure&&p&新松的近年研发投入占比一直徘徊在4%上下，而埃斯顿却保持在9-10%之间，高出了一倍之多。&/p&&p&一个简单的数字，就将两者的本质区分开来了，后者是一家典型的科技驱动型公司，而前者不过是一家传统劳动密集型的组装工厂罢了。&/p&&p&正是这种本质的差异，导致了在本土机器人高歌猛进的2017年上半年，两家公司的业绩形成了鲜明的反差——&/p&&p&机器人，营收同比增长15%，扣非净利同比增长1.35%；&/p&&p&埃斯顿，营收同比增长71%，扣非净利同比增长57.82%！&/p&&p&谁才是本土机器人行业的龙头，一目了然。&/p&&p&2&/p&&p&埃斯顿之所以被认为是小发那科，除了都是专注于高端领域，拥有相对完善的上游零部件研发能力，成长路径也极其相似。&/p&&p&发那科成立于日本战后的1956年，最早是做步进电机的，然后切入数控机床领域。&/p&&p&随着日本工业化需求的起飞，发那科到1971年的时候就已经成了全球最大的数控机床生产商。&/p&&p&接着，IT革命来了，发那科敏锐的意识到其价值，在全行业中最早将硅谷的芯片和软件技术引入到机床领域，于是就成了“伺服系统和控制器”。&/p&&p&看看下面这张图。&/p&&figure&&img src=&/v2-89ff3e8291eef7ac88cbbc43a52a9b7e_b.jpg& data-rawwidth=&640& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-89ff3e8291eef7ac88cbbc43a52a9b7e_r.jpg&&&/figure&&p&机器人产业上中下游，分别是核心零部件、本体生产商、系统集成商。&/p&&p&下游系统集成商的门槛在于对市场需求的理解，技术要求不高，竞争激烈，中游纯粹就是个组装厂，门槛更低。&/p&&p&这两环节其实毛利都不高，难就难在上游的核心三大件：减速器、伺服系统、控制器。&/p&&figure&&img src=&/v2-22d370eedf4ddfdc7d8acc9_b.jpg& data-rawwidth=&622& data-rawheight=&316& class=&origin_image zh-lightbox-thumb& width=&622& data-original=&/v2-22d370eedf4ddfdc7d8acc9_r.jpg&&&/figure&&p&以伺服系统为例，2013 年度，以安川、松下、三菱为代表的外资品牌占比超过80%，国产品牌市场份额尚不足 20%。&/p&&p&而发那科，因为是做步进电机，也就是减速器起家的，又在业内最早研发伺服系统和控制器，一下子就集齐了三大件。&/p&&p&垄断了上游零部件，再向下延伸，就相当于顺水行舟，降维打击！&/p&&p&埃斯顿也有着类似的发展路径，和绝大多数本土机器人公司都不同，他最早就是做机床数控系统出身的。&/p&&figure&&img src=&/v2-627a69ca62adbfb1679c4_b.jpg& data-rawwidth=&640& data-rawheight=&180& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-627a69ca62adbfb1679c4_r.jpg&&&/figure&&p&（资料来源：招股说明书）&/p&&p&数据显示，到2013年的时候，埃斯顿的金属成形机床数控系统在中国市场的占有率已经达到了88.92%。&/p&&p&已是极致。&/p&&p&随后，他将触角蔓延至电液伺服领域。&/p&&figure&&img src=&/v2-c63febf47d91c181d54e38d_b.jpg& data-rawwidth=&640& data-rawheight=&140& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-c63febf47d91c181d54e38d_r.jpg&&&/figure&&p&正如我们所知，伺服系统基本是外资品牌的天下，能够打进这个领域的本土公司极其有限。&/p&&p&而凭借着高研发投入和专注，埃斯顿做到了。&/p&&p&目前，国内金属成形机床领域的主要厂家基本都成了埃斯顿的客户，其数控折弯机和数控剪板机的产量占全国总产量的 70%左右。&/p&&p&更重要的是，从机床数控系统到机床电液伺服系统，埃斯顿完成了一次质的跨越，工业机器人行业的大门已经为他敞开了。&/p&&p&所以，从2012年开始，埃斯顿正式大步跨进工业机器人领域。&/p&&figure&&img src=&/v2-b1dcc3196a0_b.jpg& data-rawwidth=&640& data-rawheight=&224& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-b1dcc3196a0_r.jpg&&&/figure&&p&事实上，到2015年的时候，埃斯顿工业机器人业务的营收也不过7884万元，占比仍然很小。&/p&&p&但是当核心技术突破了，其他的一切都迎刃而解，你能体验到什么叫势如破竹。&/p&&p&这一年，其机器人业务的增速是98.55%。&/p&&p&3&/p&&p&上市之后，趁着国内机器人概念的火热，埃斯顿成功的募得了一大笔的资金，这给了他成为“中国发那科”的雄心又多了一对翅膀。&/p&&p&2016年2月，收购从事机器人3D视觉技术研发和生产的意大利Euclid Labs SRL，在机器视觉应用方面做好技术储备；&/p&&p&2017年2月，全资收购英国TRIO，后者在工业自动化和运动控制领域深耕近30年，高精运动控制器是它的强项；&/p&&p&2017年4月，入股BARRETT，后者专注于微型伺服驱动器（5cm大小）、人机协作智能机器人和医疗康复机器人研究与制造。&/p&&p&国内方面，2016年收购了上海普莱克斯和南京锋远，主要为了扩张下游产品线，切入主流的汽车整车厂客户。&/p&&p&目前，埃斯顿的客户包括海尔、格力、海信、华为、众泰等厂家。&/p&&p&六轴工业机器人产能只有2,000台套，新厂房建设中，预计19年运行，一期是5,000台套的目标，远期产能是15,000台套。&/p&&p&8月29日，埃斯顿发布2017年中报，上半年实现营业收入4.19亿元，同比增长71.46%；净利润为4011.74万元，同比增长79.56%&/p&&figure&&img src=&/v2-ab5c187ec8a_b.jpg& data-rawwidth=&640& data-rawheight=&258& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-ab5c187ec8a_r.jpg&&&/figure&&p&其中，工业机器人的核心控制功能部件，运动控制及交流伺服系统销售额同比增长达50%以上。&/p&&p&工业机器人业务的营收数字，同比增长274%！&/p&&p&金鳞岂是池中物。&/p&&p&&/p&&p&&/p&&p&&/p&
今年以来，无人超市、无人酒店、无人驾驶车、无人工厂……各种人工智能黑科技的刷屏频率是越来越密集了。先带大家重温一下两座最近火爆朋友圈的无人工厂视频。第一个是无人饺子工厂。首先是和面，做成饺子皮然后是包饺子分装打包低温速冻封装最后装箱子准备…
&figure&&img src=&/50/v2-e5bdc6bf6f0c5892e1abf6b_b.jpg& data-rawwidth=&800& data-rawheight=&320& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/50/v2-e5bdc6bf6f0c5892e1abf6b_r.jpg&&&/figure&&p&最近几年大家的手术机器人纷纷开花结果了，都慢慢开始营销了，前几天看到了一个初创小公司CMR的手术机器人Versius system显出真身（也只是模拟图片啦），今晚八一八他们的技术方案，学习一下。&/p&&p&快速搜了一下他们的，他们在欧洲公开了78个专利，美国公开了71个专利，两个地方数量差不多而且名字也差不多（应该都是重复申请），看来是要跟intuitive surgical干一票的。英国人这点比韩国人强，到底是老牌资本主义强国。&/p&&p&先来一张酷酷的系统图（USA1），这张图说明了系统是采用一种主从遥操作方式（一本正经的瞎说八道），对，就是这样子的。&/p&&figure&&img src=&/50/v2-1cc317e91a6c76e8156010_b.png& data-rawwidth=&623& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&623& data-original=&/50/v2-1cc317e91a6c76e8156010_r.png&&&/figure&&p&&br&&/p&&p&言归正传，遥操作外科手术机器人机构部分一般有3个关键技术部分：主操作手，从操作臂，器械，下面分别看下CMR是怎么设计的。&/p&&p&&b&1.主操作手&/b&&/p&&p&没查到他们主操作手的相关专利。&/p&&p&于是我仔细盯着他们发布的那张图片看了下。。。。。&/p&&p&&br&&/p&&figure&&img src=&/50/v2-e5bdc6bf6f0c5892e1abf6b_b.jpg& data-rawwidth=&800& data-rawheight=&320& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/50/v2-e5bdc6bf6f0c5892e1abf6b_r.jpg&&&/figure&&p&&br&&/p&&p&看不清楚·······只看见几根杆，估计也是平行四边形拼出来的构型，但是末端姿态跟达芬奇的主手很不一样。&/p&&p&放弃这部分。&/p&&p&&b&2.从操作臂&/b&&/p&&p&从他们放出的系统总体图可以看出来，工具臂的结构和专利（USA1）的机构基本一样，是个9自由度的机械臂构型（因为要实现一个主动的不动点并保证末端的笛卡尔6自由度），9个自由度包含3个器械姿态自由度，扣除末端的3个姿态自由度，就只有6自由度来完成通过不动点对末端位置的控制，其实不算冗余设计。我个人感觉做腹腔镜手术时构型劣势很大。&/p&&p&&br&&/p&&figure&&img src=&/50/v2-c7ef740d874_b.png& data-rawwidth=&601& data-rawheight=&479& class=&origin_image zh-lightbox-thumb& width=&601& data-original=&/50/v2-c7ef740d874_r.png&&&/figure&&p&&br&&/p&&p&并且专利（USA1）里面明确说了机械臂的关节带关节力矩传感器（因为这篇专利的名字就叫做torque sensors所以最后的claim从第1条到第14条每条都在保护torque sensor）。现在关节加力矩传感器还是很流行的，毕竟KUKA的iiwa已经成功商业化了带关节力矩传感器的机械臂（就是贵了点）。&/p&&p&机械臂关节属于电路内置高度机电一体化的设计方案，传动系统用的似乎是很传统的齿轮、蜗杆（毕竟是带关节力传感器，无需担心反驱的问题），机械臂的设计还是很注重外观的，感觉有点类似英国人的风格，很传统很正统。完全不像达芬奇机器人那样设计的张牙舞爪。&/p&&figure&&img src=&/50/v2-5d25b1ef622d2b6b0d2c4_b.png& data-rawwidth=&855& data-rawheight=&533& class=&origin_image zh-lightbox-thumb& width=&855& data-original=&/50/v2-5d25b1ef622d2b6b0d2c4_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&/50/v2-943f37beada0bbba9fdbe827f73a48be_b.png& data-rawwidth=&885& data-rawheight=&563& class=&origin_image zh-lightbox-thumb& width=&885& data-original=&/50/v2-943f37beada0bbba9fdbe827f73a48be_r.png&&&/figure&&p&但是由于这种方案没有固定戳卡，会导致器械进出戳卡时摩擦力较大（要么控制好戳卡和器械的摩擦力），所以我翻到他们设计了一些奇奇怪怪（逗逼）的想法（USA1）来固定戳卡。看不出来最后用没用这些方案，还是好好修改戳卡的方案让摩擦力变小点靠谱，毕竟人家强生的一次性戳卡摩擦力就很小。&/p&&p&&br&&/p&&figure&&img src=&/50/v2-42efc183d8b354e64540_b.png& data-rawwidth=&592& data-rawheight=&870& class=&origin_image zh-lightbox-thumb& width=&592& data-original=&/50/v2-42efc183d8b354e64540_r.png&&&/figure&&p&其实CMR这个构型并不是腹腔镜机器人的最好构型，相反一家近期在中国很火的印度人的公司SSI的机械臂构型其实是一种很优秀的构型（图片来自百度&a href=&/?target=http%3A///a/27120_0.shtml& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&心胸外科精英团队落户下沙把手术机器人变成中国制造&i class=&icon-external&&&/i&&/a&），增加了末端的伸缩自由度，即保证了操作空间很大，又保证了存在实际物理的不动点。当然设计出这样的构型也是因为有经验丰富的大牛在，Walter Aviles 现在是他们的CTO。&/p&&p&&br&&/p&&figure&&img src=&/50/v2-b49cfa89f3ca_b.png& data-rawwidth=&735& data-rawheight=&844& class=&origin_image zh-lightbox-thumb& width=&735& data-original=&/50/v2-b49cfa89f3ca_r.png&&&/figure&&p&但是CMR设计成目前的构型我预计是出于商业上的考量，即腹腔镜手术机器人的市场太拥挤了，他们想设计成通用的手术机器人，去抢占其他类型手术的市场，比如在他们官网就明确提出了能够实施头部和颈部及腹腔等部位的手术，比如说耳鼻喉手术之类的（后来在另外一篇报道翻到了这些预期适应症&a href=&/?target=https%3A///society/2017/aug/19/worlds-smallest-surgical-robot-versius-keyhole-hospital-revolution& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&UK scientists create world’s smallest surgical robot to start a hospital revolution&i class=&icon-external&&&/i&&/a&），5mm的器械还是有希望的，如果他们简化一下自由度，有希望做成2-3mm的器械，头部的适应症就更多了，看他们主页中间就是versatility也是此意。&/p&&p&但是作为一个长杆构型，并且完全末端开环的机械臂，希望他们能把精度做到位，回差控制好，我的能力范围内还是挺难的。&/p&&p&另外这个方案也是主打轻量化，毕竟这种需要做多种类型手术的机器人最需要移来移去了，而人能够方便搬得动的东西一般都在20KG以下（女护士要看体格和人种）。&/p&&p&&br&&/p&&p&&b&3.器械&/b&&/p&&p&我觉得在做器械这块CMR还是想了一些办法的，在专利US A1里面明确提出要规避某知名机器人手术器械（i.e.da Vinci instrument），目前以我不是很专业的角度看来，他们主要是靠改变导向轮的布局来规避达芬奇的专利，intuitive surgical的美国专利我没看完，但是中国确实没有CMR的这种构型的申请，不知道天大和哈工大申请了没有。&/p&&p&另外他们的器械直径设计到了5mm，跟intuitive surgical的蛇形器械直径是一样的，这点做得不错。&/p&&p&当然具体能不能拿到美国专利，还是要看美国专利局的审批呀，good luck with CMR！&/p&&figure&&img src=&/50/v2-ab9f62bf741_b.png& data-rawwidth=&965& data-rawheight=&670& class=&origin_image zh-lightbox-thumb& width=&965& data-original=&/50/v2-ab9f62bf741_r.png&&&/figure&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&/50/v2-ea6d09aeeadc7bc847b5a_b.png& data-rawwidth=&1100& data-rawheight=&591& class=&origin_image zh-lightbox-thumb& width=&1100& data-original=&/50/v2-ea6d09aeeadc7bc847b5a_r.png&&&/figure&&p&&br&&/p&&p&&b&其他：&/b&&/p&&p&这家公司其实蛮有趣的，今年年中快速扩张到了100个员工，公司总部在剑桥的（荒郊野岭），如下图，就是几个破木头房子，里面设施也是破破的，看试验台什么也不是很正规，乱七八糟的，但是国外这些小公司就是蛮有趣的，大家开开心心上上班顺便告诉自己告诉其他人自己在改变世界在做牛逼的事情，这种精神状态很值得我们学习。&/p&&p&对了这是他们的网站，里面还有视频，&a href=&/?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Homepage&i class=&icon-external&&&/i&&/a& &/p&&p&&br&&/p&&figure&&img src=&/50/v2-ab1a_b.png& data-rawwidth=&1577& data-rawheight=&687& class=&origin_image zh-lightbox-thumb& width=&1577& data-original=&/50/v2-ab1a_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&/50/v2-ce6cecf3b9dcfd69caec49c9_b.png& data-rawwidth=&873& data-rawheight=&488& class=&origin_image zh-lightbox-thumb& width=&873& data-original=&/50/v2-ce6cecf3b9dcfd69caec49c9_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&/50/v2-475db75bfb76afedfdf1_b.png& data-rawwidth=&876& data-rawheight=&491& class=&origin_image zh-lightbox-thumb& width=&876& data-original=&/50/v2-475db75bfb76afedfdf1_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&/50/v2-a57a348c46c66d825e4f7_b.jpg& data-rawwidth=&1000& data-rawheight=&460& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&/50/v2-a57a348c46c66d825e4f7_r.jpg&&&/figure&&p&&br&&/p&&p&&b&广告时间到了：&/b&&/p&&p&既然看到这里说明你看的很认真，&b&我们也在招人，今年团队人数要翻番&/b&，你能想到的研发、产品、临床、注册岗位都在招人，软硬件条件都比上面那个CMR要好，不问学历唯才是举简历发来：&/p&
最近几年大家的手术机器人纷纷开花结果了，都慢慢开始营销了，前几天看到了一个初创小公司CMR的手术机器人Versius system显出真身（也只是模拟图片啦），今晚八一八他们的技术方案，学习一下。快速搜了一下他们的，他们在欧洲公开了78个专利，美国公开了71…
&p&======更新======&/p&&p&下面说一些硬件和实验上的知识储备。首先Vision-based SLAM常用摄像机标定（Camera Calibration）的世界通用简单方法，是张正友博士（Dr. Zhengyou Zhang，主页&a href=&///?target=http%3A///en-us/um/people/zhang/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Zhengyou Zhang's Home Page&i class=&icon-external&&&/i&&/a&）的方法（张正友博士是本领域里少数的具有极其巨大影响力和贡献的华人学者，已成脑残粉嘤嘤嘤）。具体方法和实现，我在这里推荐两个，一个是Caltech工具箱：&a href=&///?target=http%3A//www.vision.caltech.edu/bouguetj/calib_doc/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Camera Calibration Toolbox for Matlab&i class=&icon-external&&&/i&&/a& ，以及相关paper：&a href=&///?target=http%3A//www.vision.caltech.edu/bouguetj/calib_doc/htmls/ref.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Camera Calibration Toolbox for Matlab&i class=&icon-external&&&/i&&/a&。该方法的另一个实现，是Matlab最新版本内置的Camera Calibration的application，自动导入标定图片并把得到的结果输出给Matlab，更加自动化，更加便捷准确。更多的Camera Model理论知识请参考Multiple View Geometry。&/p&&br&&p&至于RGB-D Camera，最常用的采集设备有两种，一种是Microsoft Kinect，一个生态环境完备的RGBD Camera，可以直接用Visual Studio可Kinect SDK直接开发，也有大量开发好的程序以供借鉴参考，也可以用OpenNI和ROS采集处理，我就不多介绍了，毕竟微软是对程序员最友好的公司没有之一（微软大法好）。另一个是Google的Project Tango，Google对于这个自家的神器还是很低调的，可以看看宣传片&a href=&///?target=https%3A///atap/projecttango/%23project& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ATAP Project Tango&i class=&icon-external&&&/i&&/a& ，绝对酷炫——可惜我们lab刚刚买的那一台，我还没有用过，所以对具体开发不太了解。&/p&&br&&p&另外有几个网上成熟的数据集和测试方法，一个是Malaga Dataset，一个西班牙的团队采集的Malaga城市数据：&a href=&///?target=http%3A//www.mrpt.org/MalagaUrbanDataset& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Málaga Stereo and Laser Urban Data Set&i class=&icon-external&&&/i&&/a&，覆盖了城市中汽车驾驶的各种情况（停车，加速，减速，行人，建筑，绿化带等），里面提供了双摄像头，Laser，IMU等数据以及GPS的ground truth trajectory。不过该版本因为是在市中心，所以GPS的ground truth并不可靠。另一个是慕尼黑工业大学Computer Vision Lab的RGB-D&/p&&p&dataset &a href=&///?target=https%3A//vision.in.tum.de/data/datasets/rgbd-dataset& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&vision.in.tum.de/data/d&/span&&span class=&invisible&&atasets/rgbd-dataset&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&，里面提供了大量的室内的RGBD数据集，以及非常方便好用的benchmark tools。第三个是KITTI Dataset：&a href=&///?target=http%3A//www.cvlibs.net/datasets/kitti/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The KITTI Vision Benchmark Suite&i class=&icon-external&&&/i&&/a&，也是认可度很广泛的汽车驾驶数据集。&/p&&br&&p&======原答案======&br&&/p&&p&谢 &a class=&member_mention& href=&///people/06f3b1c891d0d504eea8af& data-editable=&true& data-tip=&p$b$06f3b1c891d0d504eea8af& data-title=&@冷哲& data-hash=&06f3b1c891d0d504eea8af& data-hovercard=&p$b$06f3b1c891d0d504eea8af&&@冷哲&/a& 邀请嘤嘤嘤&/p&&br&&p&首先搬出宝典：&a href=&///?target=http%3A//www.robots.ox.ac.uk/%7Evgg/hzbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Multiple View Geometry in Computer Vision&i class=&icon-external&&&/i&&/a&。这本书基本涵盖了Vision-based SLAM这个领域的全部理论基础！读多少遍都不算多！另外建议配合Berkeley的课件学习。（&b&更新&/b&：这本书书后附录也可以一并读完，包括附带bundle adjustment最基本的levenberg marquardt方法，newton方法等）&/p&&br&&p&只要是SLAM问题就要涉及optimization，就要用到各种least square算法。所以另一个基础理论是Sparse Matrix，这是大型稀疏矩阵处理的一般办法。可以参考Dr. Tim Davis的课件：&a href=&///?target=http%3A//faculty.cse.tamu.edu/davis/welcome.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Tim Davis&i class=&icon-external&&&/i&&/a& ，他的主页里有全部的课程视频和Project。针对SLAM问题，最常用的least square算法是Sparse Levenberg Marquardt algorithm，这里有一份开源的代码以及具体实现的paper：&a href=&///?target=http%3A//users.ics.forth.gr/%7Elourakis/sparseLM/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Sparse Non-Linear Least Squares in C/C++&i class=&icon-external&&&/i&&/a&&/p&&br&&p&然后是框架级的工具。最常用的机器人框架是ROS&a href=&///?target=http%3A//www.ros.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ROS.org | Powering the world's robots&i class=&icon-external&&&/i&&/a&，可以使用在Windows，Linux和MacOS等操作系统上，里面包含一整套常用的机器人理论的算法和工具的实现。另一个开源工具集是OpenSLAM &a href=&///?target=https%3A//www.openslam.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&OpenSLAM.org&i class=&icon-external&&&/i&&/a&，其中的g2o是目前最流行的graph optimization的实现工具。另外OpenCV也是视觉相关必备的基础工具，Multiple View教材中的常用算法在OpenCV中都有常用的实现。（&b&更新&/b&：OpenCV的文档&a href=&///?target=http%3A//docs.opencv.org/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Camera Calibration and 3D Reconstruction&i class=&icon-external&&&/i&&/a& 中，包含SLAM相关的基础理论公式以及C/C++/Python实现的API）&/p&&br&&p&另外多说一句题外话，因为Optimization和图片的feature extraction是SLAM里最核心的两个问题，而这两个问题都是运算量极大的。好的SLAM框架要兼顾速度和精确度。目前大部分Vision或者RGBD的SLAM框架都是用C++来时实现完成的以确保运算速度。虽然我个人很欣赏Python，并且Python3也支持SciPy，OpenCV，ROS等重要工具，不过依然有大量的诸如g2o等基础性库在python下无法使用，而且如果要借鉴其他人的代码，最方便的还是在C++中实现。所以如果提问者有志于在这个领域做深入研究，夯实的C++基础是必不可少的。Introduction to Algorithms，以及 &a class=&member_mention& href=&///people/ecc0ec035f& data-editable=&true& data-tip=&p$b$ecc0ec035f& data-title=&@vczh& data-hash=&ecc0ec035f& data-hovercard=&p$b$ecc0ec035f&&@vczh&/a& 推荐的C++ Primer等，都是在实际工作前要自己做好的功课。&/p&
======更新======下面说一些硬件和实验上的知识储备。首先Vision-based SLAM常用摄像机标定（Camera Calibration）的世界通用简单方法，是张正友博士（Dr. Zhengyou Zhang，主页）的方法（张正友博士是本领域里少数的具有极其巨…
&p&如果你只是要识别这6个手势，要毛机器学习啊。直接model-based tracking就是了。26个自由度，30fps的速度。&/p&&figure&&img src=&/v2-8e71912f4dff6dbfaa2b7_b.png& data-rawwidth=&480& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&480& data-original=&/v2-8e71912f4dff6dbfaa2b7_r.png&&&/figure&&br&&a href=&///?target=http%3A//users.ics.forth.gr/%7Eargyros/res_kinecthandtracking.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Efficient model-based 3D tracking of hand articulations using Kinect&i class=&icon-external&&&/i&&/a&&p&代码也有：&a href=&///?target=https%3A///FORTH-ModelBasedTracker/HandTracker& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&FORTH-ModelBasedTracker/HandTracker&i class=&icon-external&&&/i&&/a&&/p&
如果你只是要识别这6个手势，要毛机器学习啊。直接model-based tracking就是了。26个自由度，30fps的速度。 代码也有：
&p&说一下我的理解。&/p&&p&根据&i&Robotics：Modelling, Planning and Control&/i&书中的分类，机器人编程分为四个级别：任务级，动作级，初始级，伺服级。下面举例简单说明一下。&/p&&p&目前的工业机器人控制器编程主要是基于“MOVE”指令，主要的指令有三个：MoveL（直线运动），MoveC（圆弧运动），MoveJ（关节运动）。在编程的时候，需要先有目标点的位置，然后运用这些MOVE指令将点连接起来，实现期望的运动轨迹规划动作，完成相应任务。&/p&&p&比如，现在的任务是使机械臂拿起位于A点的瓶子，然后放到B点。那么首先需要知道A、B两个点的位置，然后A、B点之间一个中间点C的位置。机械臂末端先从当前位置O运动到A点，拿起瓶子，然后经过中间点C移动到B，放下瓶子，最后返回初始点O，那么程序可能如下：&/p&&br&&div class=&highlight&&&pre&&code class=&language-text&&MoveJ A；
//关节运动到A点；
MoveC C,B;
//从A点经中间点C圆弧运动到B；
Drop bottle；
//返回初始点O；
&/code&&/pre&&/div&&p&&b&这段代码，便是“动作级”的指令&/b&。代码详细规定了在完成“拿起位于A点的瓶子，然后放到B点”这个任务中，机械臂末端需要走的轨迹是什么。在真实的编程中，还需要给定每一段轨迹的速度、转弯区等参数。&/p&&p&&b&控制系统得到了这段“动作级”指令之后，便开始“初始级”的规划。&/b&具体来说就是插值计算出直线、圆弧轨迹上的点，根据机械臂的动力学模型（如果有的话）对运动轨迹进行速度、加速度的规划和限制等等，最后产生能够输入伺服系统的信息（一般来说是每个时间周期各个关节电机的目标角度或目标力矩）。&/p&&p&&b&最后就是“伺服级”的控制&/b&。伺服系统得到了先前步骤计算得到的结果，伺服驱动各个关节的电机运动。&/p&&p&实现上述流程对编程人员来说还是很辛苦的。首先，要想知道A、B点准确的位置，需要去示教，即便是使用离线的仿真平台，也存在着和实际情况有偏差、需要标定的问题；其次，如果机械臂当前位置和A点中间有障碍，或A、B点中间有障碍，那么上述代码恐怕就不够了，编程人员需要示教更多的点避开那些障碍，代码和轨迹都会变得更复杂，可能变成如下模样：&/p&&br&&div class=&highlight&&&pre&&code class=&language-text&&MoveL A0；
MoveL A1；
//经过若干中间点到达A点
MoveL B0；
MoveL B1；
//经过若干中间点到达B点
Drop bottle；
MoveL O0；
MoveL O1；
//经过若干中间点返回O点
&/code&&/pre&&/div&&p&更极端的情况下，如果A、B的位置都在变化、甚至障碍的位置也在变化，那么用这种预先写好代码的方式控制就无能为力了。&/p&&p&现在，为了解决上述问题，假如能为机械臂配备上视觉系统，以及其他感知环境的传感器，那么，机器人控制系统能实时的得到环境的信息了，也就是A、B点、瓶子、障碍物的信息。有了这些信息，先进的规划算法能够智能规划出机器人到达目标点、并且避开沿途障碍物的轨迹，并且在整个过程中都能对突发的情况作出反应并处理。&/p&&p&当上述功能实现了，也就能做“任务级”的编程了，很可能就是一行代码：&/p&&br&&div class=&highlight&&&pre&&code class=&language-text&&Put bottle on B;
&/code&&/pre&&/div&&p&这行代码输入以后，控制系统能自动实时的识别瓶子、B点，并自主规划任务中间的路径等工作，完成动作级及以下的环节。&/p&&p&是不是很amazing!&/p&&p&目前这方面工作比较靠前的是mujin，&/p&&p&&a href=&///?target=http%3A//mujin.co.jp/en/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Robot Intelligence for Industrial Automation&i class=&icon-external&&&/i&&/a&&/p&&p&仿真环境是 &b&OpenRave&/b& 。&/p&&br&&p&------------------------------------------------------------------&/p&&p&&a class=&member_mention& href=&///people/9fdedcf411c& data-hash=&9fdedcf411c& data-hovercard=&p$b$9fdedcf411c&&@冯jungle&/a& &/p&&p&以下例子是我个人理解，如有不对的地方请各位大神指教&/p&&br&&p&假设一个场景：有一个周末，你爸在沙发上看电视，你妈在打扫卫生，你在卧室玩电脑。这时，你爸突然叫你：“给我倒一杯水来。”&/p&&p&这便是给你下达了一个“任务级”的指令。&/p&&p&接到这个非常抽象的任务指令之后，你的大脑智能的将这条指令分解规划成以下动作：从当前所在的卧室走到饮水机处——拿起饮水机旁的杯子——接水——从饮水机处走到你爸坐的沙发边——将水杯递给你爸——返回卧室。&/p&&p&这个过程，就是将抽象的任务级指令分解为动作级指令。然后你就控制身体开始行动，这个部分就是初始级和伺服级的工作了。&/p&&p&所以你说的没错，“task则是由skill按照序列组合的一个skill集合”，动作级指令的序列合起来构成了需要完成的任务。&/p&&p&但是，事情没那么简单。要完成这个任务，你至少要做到如下几点：&/p&&p&1、 知道饮水机在哪儿；&/p&&p&2、 知道杯子就在饮水机旁边，否则需要重新规划路径；&/p&&p&3、 知道你爸在哪儿；&/p&&p&4、 知道你家的整体布局；&/p&&p&5、 行动过程中能实时看到真实环境，因为你妈在打扫卫生的时候很可能移动了家里桌椅板凳的位置，而且她会一直在你的行动路径上穿梭。&/p&&p&先来看前四条。因为你的大脑是个智能系统，能自行识别和处理这些信息；但如果不行，你对这些信息一无所知，也没有智能系统，那就需要“人工示教”了：&/p&&p&首先，你爸要告诉你水机的位置、告诉你杯子就在水机旁边以及他的沙发的位置，这就是示教工作；然后，由于你无法处理抽象的任务级指令，你爸只能下达详细的动作级指令：“从卧室出门右转走十步到饮水机处拿旁边的杯子接水然后左转走十步走到沙发这里把水杯给我再按照原路回你的卧室。”&/p&&p&这个情况太极端了，一般人不会弱到这个程度（但目前的工业机器人就是弱到这个程度）。一个可能的情况是你爸妈搬了新家以后你是第一次回去，所以只是对具体物品的位置不熟悉，那么当你接收了你爸的“任务级”指令以后，他只需要向你“示教”前三条信息，那么你自己就可以完成之后的工作了。&/p&&p&可见，你的智能等级越高，需要人工示教的东西就越少，按人的等级来说基本是不需要什么示教的。但是，一个能执行“任务级”指令的系统可能也需要示教，只不过这个示教工作可能被之后系统智能的提升取代掉。&/p&&p&至于离线和在线编程，就和这个例子中的第五条有关了。如果你是通过“离线编程”，并且在“离线状态”下执行这个任务级指令，就相当于先蒙上你的眼睛，然后给你下达了接水任务，这时其实你是知道该怎么做的（已离线规划好），但是你不知道你走的过程中会不会碰上被你妈暂时改变了位置的桌椅板凳、甚至直接和你妈撞上，因为你无法获取环境信息，只能靠你脑子中之前储存的“离线信息”工作，这就有可能出问题。但是，如果你妈没在打扫卫生，真实环境和之前是一样的，那么你即便是处于蒙上眼睛的“离线状态”，也能完成任务。&/p&&p&而如果你是在“在线状态”下执行指令，就和一个正常人一样了，你既可以执行“任务级”指令，也可以执行“动作级”指令，重要的是你能实时感知执行过程中环境的信息并做出相应的反应。&/p&&p&因此，一个能执行任务级指令的系统可以是离线编程、离线运行的系统；只不过一个优秀的、真正智能的任务级系统，也需要是一个感知环境并做出反应的实时系统。&/p&
说一下我的理解。根据Robotics：Modelling, Planning and Control书中的分类，机器人编程分为四个级别：任务级，动作级，初始级，伺服级。下面举例简单说明一下。目前的工业机器人控制器编程主要是基于“MOVE”指令，主要的指令有三个：MoveL（直线运动），…
谢邀。&br&&br&对于不存在耦合的多轴系统中，由于电机能力和负载已知，可以计算出一个可达的最大加速度，这样使用传统的T/S加速规划就可以获得非常好的效果。&br&但是对于机器人这样一个多轴相互耦合的系统，在运动过程中，各个关节的负载惯量是在不断变化的，因此使用传统的T/S型规划无法很好的满足需求。&br&&br&下图是机器人在笛卡尔空间画几个圆弧时，使用&b&在线&/b&规划方法规划完成的速度曲线（绿色），大家感受下：&br&&figure&&img src=&/d6f495ed06ac5a57325cb52_b.png& data-rawwidth=&534& data-rawheight=&375& class=&origin_image zh-lightbox-thumb& width=&534& data-original=&/d6f495ed06ac5a57325cb52_r.png&&&/figure&&br&给不熟悉运动规划的同学啰嗦一点背景知识。&br&一个物体从起点运动到终点，要经历加速、匀速、减速的过程，把整个过程中&b&速度随时间的变化关系&/b&画出来，就是速度曲线或者速度轮廓（Velocity Profile）。常见的速度曲线包括：梯形规划(trapezoidal Profile)，S型规划（S-Curve/Profile），多项式规划（Polynomial Profile）。&br&&br&梯形规划指的是速度大小随时间变化的曲线轮廓是一个梯形，T型规划只有加速、匀速、减速三个阶段：&br&&figure&&img src=&/e35cbaef5e_b.png& data-rawwidth=&600& data-rawheight=&185& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/e35cbaef5e_r.png&&&/figure&&br&S型规划的“S”单指&b&加速&/b&阶段的速度轮廓，整个S规划分为7个阶段：加加速、匀加速、减加速、匀速、加减速、匀减速、减减速。其中 加加速、匀加速、减加速 三个阶段的曲线合在一起像英文字母S。（绿色曲线的前半部分，蓝色的是加速度，红色为加加速度）：&br&&figure&&img src=&/43f449e963b8bb449a493d212a513b48_b.png& data-rawwidth=&471& data-rawheight=&318& class=&origin_image zh-lightbox-thumb& width=&471& data-original=&/43f449e963b8bb449a493d212a513b48_r.png&&&/figure&S规划相对于T规划，加减速更加平稳，对电机和传动系统的冲击更小，但是在相同的期望速度下，运动同样的距离所需的时间更长：&br&&figure&&img src=&/ee2c40ca7ef19d_b.png& data-rawwidth=&399& data-rawheight=&236& class=&content_image& width=&399&&&/figure&S规划中，其加速度的曲线是T型的；换一种说法，当S规划中的jerk足够大时，S规划就变成了T规划。&br&T型规划和S型规划的数学表达式都是分段函数，而多项式规划一般指的是可以用单个表达式表达的曲线，根据约束条件不同，常用的是3次和5次多项式：&br&&figure&&img src=&/998b942cee60f6340726bd_b.png& data-rawwidth=&600& data-rawheight=&253& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/998b942cee60f6340726bd_r.png&&&/figure&在机器人系统中，单纯的多项式规划有一个非常严重的问题：没有&b&匀速段&/b&。从上图中可以看出，单纯的多项式规划无法根据期望速度提供匀速控制，而在大部分机器人应用中，对加工的速度控制都是有要求的。另一个问题就是，次数越高的多项式，加速过程越慢，整个运动过程中的平均速度越小，影响效率。&br&&br&再讲回来为什么机器人系统中很少使用T形和S型规划。&br&主要原因是这两种规划的基础是&b&加速度限制（Acceleration Limiter）&/b&，也就是说必须要指定一个期望最大加速度，使用该期望加速度进行规划。由于机械臂在整个空间中处于不同构型时可以达到的最大加速度是不一样的，因此无法确定一个广泛适用的最大加速度值用于离线的S/T规划。设置的小了，无法充分发挥伺服系统的性能；设置的大了，可能会损坏伺服系统或者严重影响跟踪精度。&br&因此一个好的方法是使用&b&扭矩限制器（Torque Limiter）&/b&来进行速度规划，这样可以充分发挥伺服系统的潜力。反过来，这样也就破坏了S/T型规划的理论基础（加速度是随时变化的），不能用了。&br&&br&很多教材中以梯形规划为例进行讲解主要是为了便于理解，或者那本教材是入门用的。&br&&br&----------------------------------------------分割线啊分割线------------------------------------------------------&br&&br&在与算法组的小伙伴儿沟通过之后，更新一下。&br&&br&下图是我们春节时使用机器人写的一幅字：&br&&figure&&img src=&/8b8dccf76aa5e853de8b97e7f7317f76_b.png& data-rawwidth=&955& data-rawheight=&381& class=&origin_image zh-lightbox-thumb& width=&955& data-original=&/8b8dccf76aa5e853de8b97e7f7317f76_r.png&&&/figure&在考虑电机最大转速、电机最大力矩、机器人奇异性等限制后，得到的沿路径的&b&最大允许速度&/b&如下图所示：&br&&figure&&img src=&/02dda1c4443fda42bf2f074c0fae425d_b.png& data-rawwidth=&379& data-rawheight=&270& class=&content_image& width=&379&&&/figure&在这种情况下，如果想不超出限制，是无法使用传统的T/S型规划的，除非把匀速段的速度限制在上图蓝色曲线的最小值以下。&br&使用基于限制的在线速度规划得到的最终速度曲线如下，不是全局最优，但已经是较大程度的利用伺服系统性能了（这是去年的版本哦）：&br&&figure&&img src=&/9cd8bebaeef17a6af86d4a1add7b81f4_b.png& data-rawwidth=&381& data-rawheight=&273& class=&content_image& width=&381&&&/figure&最终的效果，大家可以观看视频：&a href=&///?target=http%3A///ptv/vplay/.html%3Fch%3Dbaidu_s& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/ptv/vplay/246165&/span&&span class=&invisible&&67.html?ch=baidu_s&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&本文开头第一张图，来自《Successive dynamic programming and subsequent spline optimization for smooth time optimal robot path tracking》。
谢邀。 对于不存在耦合的多轴系统中，由于电机能力和负载已知，可以计算出一个可达的最大加速度，这样使用传统的T/S加速规划就可以获得非常好的效果。 但是对于机器人这样一个多轴相互耦合的系统，在运动过程中，各个关节的负载惯量是在不断变化的，因此使…
做自动化的技术hack应该很多人都关注过这类问题，给出几个我了解的。&br&&br&1】 用单片机做的开源PLC，这类比较多，有的甚至编程软件也用梯形图，我觉得一般的都只适合玩玩而已，市场上也有用STM32来做的PLC，但是大部分都不开源，这类一般都添加了调试和监视功能，如果可以接触到，那么这是很好的学习机会，还有用DSP做的，这类很多都是直接用于工业水准的产品。&br&这类8位机或者弱性能ARM做的开源PLC的优点是简单，廉价，缺点则是可靠性和抗干扰较差。&br&&br&以下是几个开源PLC的链接：&br&&a href=&///?target=http%3A///forum-3007-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&开源PLC 分论坛帖子清单
(amoBBS 阿莫电子论坛)&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=https%3A///p/open-plc/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&open-plc -
OpenPLC&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A////open-source-plc/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Open source PLC&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///projects/small-open-source-PLC/PLC-components/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Small Open Source PLC Components and Source Files&i class=&icon-external&&&/i&&/a&&br&&br&2】组态软件&br&有一个用QT写的开源的组态软件：&br&&a href=&///?target=http%3A//pvbrowser.de/pvbrowser/index.php& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&pvbrowser – The Process Visualization Browser. HMI and Scada for every platform.&i class=&icon-external&&&/i&&/a&&br&另一个开源的组态控制软件：&br&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&OpenAPC - Open Source Advanced Process Control&i class=&icon-external&&&/i&&/a&
做自动化的技术hack应该很多人都关注过这类问题，给出几个我了解的。 1】 用单片机做的开源PLC，这类比较多，有的甚至编程软件也用梯形图，我觉得一般的都只适合玩玩而已，市场上也有用STM32来做的PLC，但是大部分都不开源，这类一般都添加了调试和监视功能…
有一个有意思的现象。&br&&br&比如分段PID吧，有人说这是非线性，有人说这还是PID。&br&&br&再比如底层是PID、上层有个适应机制的话，有人说这是自适应，有人说这还是PID。&br&&br&再比如非线性系统做某个变换之后再用PID，有人说这是非线性，有人说这还是PID。&br&&br&还有比如模糊PID或专家系统PID，有人说这是模糊控制，是智能控制，有人说这还是PID。&br&&br&还有比如加预估器之后用PID，有人说这是内模控制，有人说这还是PID。&br&&br&如此等等（欢迎补充）。&br&&br&这种无谓之争，其实很不必要。&br&&br&因此PID学派和先进控制学派，其实是没有clear cut的。
有一个有意思的现象。 比如分段PID吧，有人说这是非线性，有人说这还是PID。 再比如底层是PID、上层有个适应机制的话，有人说这是自适应，有人说这还是PID。 再比如非线性系统做某个变换之后再用PID，有人说这是非线性，有人说这还是PID。 还有比如模糊PID…
RobotStudio是ABB机器人配属的软件。分为免费online（只能连接机器人控制器）和完整版（30天试用，可以做仿真、离线编程等）两种。&br&&br&一般来说，其功能有两种；&br&1.对于方案工程师。可以确认方案可行性（不涉及工艺）以及布局合理性。&br&&br&2.对于调试工程师。可以用于离线编程和在线编程。&br&&br&事实上RS还有配套的RobotWare以及针对各应用领域的Addin软件包，是一个非常强大的软件平台。但仅限于ABB机器人的使用。&br&&br&相应的，拥有各自机器人控制系统的机器人公司大多有自己专属的对应软件。同样，也有第三方开发各品牌通用的对应软件。&br&&br&就我个人而言，ABB的RS是我用的最多的，我也感觉功能更强大、使用更方便。&br&&br&回到你的问题，软件只是工具。更重要的是你其他技能，方案工程师的设计能力，调试工程师的编程能力等。工具只要用的多，总会熟能生巧。
RobotStudio是ABB机器人配属的软件。分为免费online（只能连接机器人控制器）和完整版（30天试用，可以做仿真、离线编程等）两种。 一般来说，其功能有两种； 1.对于方案工程师。可以确认方案可行性（不涉及工艺）以及布局合理性。 2.对于调试工程师。可以…
就工业机器人来说，在华投资的企业如下：&br&1.KUKA&br&&p&地址:
上海市松江区小昆山镇昆港公路889号6幢&/p&&p&成立日期:
&/p&&p&2.ABB&/p&&p&上海ABB工程有限公司&/p&&p&地址:
上海市浦东创业路369弄5号&/p&&p&成立日期:
1999年&br&&/p&&p&3.FANUC&/p&&p&上海发那科机器人有限公司&/p&&p&成立日期:
&/p&&p&住所:
上海市宝山区富联路1500号
&/p&&p&4.YASGAWA&/p&&p&安川电机（中国）有限公司&/p&&p&成立日期:
&/p&&p&地址:
上海市外高桥保税区奥纳路18号4楼 &/p&&p&安川机器人2013年6月常州建厂占地10万平米，注册资本3250万美元，&/p&&p&
建筑面积2万平米，设计机器人年产能12000台 。&/p&&p&（这个就在我们园区，而且我有个同学在安川）&/p&&p&AU&/p&&p&柯马（上海）工程有限公司&/p&&p&地址:
上海市松江区泗泾工业园区九干路1353号 &/p&&p&成立日期:
&/p&&p&柯马于2011
年2 月在昆山高新区投资设立了柯昆（昆山）自动化有限公司，&/p&&p&开拓机器人设计制造、加工中心制造，自动化系统制造、技术支持。&/p&&p&6.ADEPT&/p&&p&爱德普机器人贸易（上海）有限公司&/p&&p&地址:
上海市徐汇区宜山路889号2号楼东2楼202室 &/p&&p&成立日期:
&/p&&p&国内公司主要提供产品销售和售后服务。&/p&&p&7. OTC&br&&/p&&p&欧地希机电（上海）有限公司&/p&&p&成立日期:
&/p&&p&地址:
上海市浦东新区浦东大道138号永华大厦17楼B、C室&br&&/p&&p&8.KAWASAKI&/p&&p&川崎机器人（天津）有限公司&/p&&p&成立日期:
&/p&&p&地址:
天津经济技术开发区相安路16号-3&br&&/p&&p&9.Mitsubishi Electric&/p&&p&三菱电机机电（上海）有限公司&/p&&p&成立日期:
&/p&&p&地址:
上海市长宁区兴义路8号&/p&&p&10.NACHI&/p&&p&那智不二越（上海）贸易有限公司&/p&&p&成立日期:
&/p&&p&地址:
上海市普陀区丹巴路98弄7号11楼&/p&&p&2013年5月那智在张家港投资3亿美元成立那智不二越（江苏）精密机械有限公司&/p&&br&&p&主要的工业机器人企业在华布局基本已经完成了，可以更多关注机器人配套行业如系统，维修等。&/p&&br&&p&非专业人士，欢迎讨论。&/p&
就工业机器人来说，在华投资的企业如下： 1.KUKA 地址:
上海市松江区小昆山镇昆港公路889号6幢成立日期: 日
2.ABB上海ABB工程有限公司地址:
上海市浦东创业路369弄5号成立日期: 1999年 3.FANUC上海发那科机器人有限公司成立日期: …
已有帐号？
无法登录？
社交帐号登录
5694 人关注
270 条内容
6261 人关注
897 条内容
106 条内容
1204 人关注}