微亿智造|一步一脚印，EIIR的进阶之路

正文

ChatGPT催生了人工智能发展新浪潮，“离身”智能逐步向“具身”智能进化。工业现场的各类机器人也正完成由“不动”、到“固定动”、再到“自由动”的技术变革。

自今年3月微亿智造于业界首次提出“具身智能工业机器人（EIIR）”以来，我们分别从感知、驱动、控制及算法等各方面进行了相关的技术研究与突破，请紧随我们的笔触，共同窥见EIIR当前的研发进展。

视觉伺服

传统的工业视觉基本由机器人IO或PLC IO使用硬触发来取图，再根据图像结果来执行指令。这样的方式经常会引发节拍不够的问题，比如需要二次定位的场景，机械臂运动速度就会因此降低。

为了以对象为中心、以任务为导向，并保证生产节拍，我们必须开始视觉伺服的研发，涉及到 高速推理、高速控制闭环、零延时的运动机构执行 等关键技术点。

在“ 接抛球 ”实验中， 图像到运动的闭环速度达到了16ms ，这个数字仍然在继续优化。这改变了以往工业机械臂只是被当作点对点操作工具的用法，已然成为对对象的操作工具。这样的转变，从根本上变更了它的属性。

实时重建

针对对象做加工，也就意味着所有的动作目标均是实时生成的，在运动过程中需要 实 时对环境进行感知和避障。我们采用 基于3D GS的精细重建和八叉树实时重建结合 的方案，大幅度提高了机械臂的感知能力和语义理解能力。

目前的重建周期大约60ms左右，随着相关算法优化，该方案的 重建周期可以压缩到20ms ，满足高速运行的要求。对于工业现场而言，能够更好的适应环境变化而无需设计各类过渡点。

基于此项技术进展，在 “复杂场景下避障及动态抓取 ”实验中，工作人员可以任意改变被抓取物的位姿，以及改变周边环境， 机械臂均可以重建刷新局部地图并迅速找到可行解 ，体现了与外部环境交互的智能性。

动态避障

由于机械臂的规划空间维度较高，如何在视觉闭环的时间级别上完成运动规划，并形成可被执行的ms级轨迹，成为了新的挑战。

我们在路径规划时，采用基于优化和采样结合的方案，40ms内完成点到点路径规划，同时保证路径长度合理性和高成功率。轨迹生成在机械臂6轴关节速度、加速度、加加速度三阶约束下，指定多个待通过路径点，计算 耗时10ms内，生成距离和速度最优轨迹 。

例如在“ 动态障碍物环境下运动规划及抓取 ”实验中，工作人员通过遮挡的方式阻止机械臂的运动， 在瞬间机械臂完成了环境地图刷新、柔顺刹车、重规划 ，体现了环境安全、人员安全以及任务安全的特性。

复合高精度抓取

我们将以上点组合起来构成了EIIR的基础能力，在保证动态抓取误差1mm精度的情况下，目前完成“ 复合高精度抓取 ”这个任务 仅需要150ms 的额外计算时间。

无需设计路径，也无需保证环境一致性 ，给机器人的信息只有: 抓取那个对象，这样简单的指令，助力工业现场完成迅速的切线。请期待150ms继续被压缩，也请期待1mm继续被压缩。

在“ 动态场景下的多臂协同” 实验中，工作人员通过多种手段干扰协作任务的执行，机械臂仍然准确执行了所有预定动作，这证明了 机械臂所执行的指令相对于传统机械臂来讲更加高级 。

具身智能标志着人工智能的一个重大转变，它不再仅仅是软件和算法的集合，而是通过具体的物理实体与现实世界直接接触和互动。EIIR将作为一个前所未有的物种进入工业现场，一个更智能的未来正向我们走来。