国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

摘要：雙臂協作機器人是當今機器人學科研究的一個熱點方向，是實現柔性生產、智慧制造的關鍵技術之一。本文介紹了工業、服務、軍事及特種應用的雙臂協作機器人研究現狀，討論了熱點研究問題，對雙臂協作機器人的未來研究方向進行了探討。

關鍵詞：雙臂機器人；智能制造；協作控制

Abstract: Dual-arm collaborative robot technology is one of the hot direction in robotics research, and is a key technology to realize flexible production and intelligent manufacturing. This paper introduces the research and development status in its application fields of industry, services sector, military use and special application. And discusses its hot issues. Finally, some research directions in dual-arm collaborative robot are expected.

Key words: Dual-arm collaborative robot; Intelligent manufacturing; Coordination control

1　引言

隨著社會經濟發展、科技進步及工業水平提高，以德國“工業4.0”為代表的智慧工業發展模式在世界范圍內廣受關注。在智能制造領域，雙臂協作機器人比傳統單臂具有更高的靈活性、操作性和負載能力等，因而受到了學術界和工業界的高度關注。雙臂機器人有如下幾方面特點：一是通過雙臂協作配合作業，無論面對剛性還是柔性物體，抓取和移動物體能力強；二是雙臂協作機器人在工作時可有效避免兩臂間的碰撞；三是兩臂可配合實現復雜任務的有序控制，減少對工裝夾具的依賴[1]。這些特點使雙臂協作機器人可實現對復雜工作任務的處理，適應多變工作環境，很好地滿足了新工業模式柔性化定制的要求。

雙臂共同完成任務的方式在機器人的早期研究中就已出現[2]。上世紀七、八十年代，在單臂研究的基礎上，雙臂機器人協調控制的理論被逐步建立起來，這一時期主要研究了雙臂和被控對象形成的閉鏈運動學以及力的控制問題。90年代始，科研人員對雙臂機器人的運動規劃、協調控制算法、力或力矩控制等進行了研究[3]。進入新世紀以后，隨著人工智能技術發展，學者們將強化學習、深度學習、遺傳算法等理論方法應用在雙臂協作機器人控制和規劃研究上，取得了較好的效果；同時隨著硬件技術的提高，雙臂協作機器人開始商業化，對人們的生活、工業發展產生了很大影響。

本文首先闡述雙臂協作機器人在國內外幾個主要領域的研究現狀，其次介紹雙臂智能協作方法、任務規劃和基于網絡的雙臂機器人技術幾個熱點研究問題。最后本文對雙臂協作機器人技術未來研究方向進行了展望，并介紹了作者團隊在該領域的研究成果。

2　研究現狀

本節根據雙臂協作機器人在工業、服務、軍事、特種作業方面的應用，介紹國內外研究現狀。

2.1　工業雙臂機器人

國外在工業雙臂機器人領域的研究較早，很多公司推出了其工業化產品，例如日本安川MOTOMAN-SDA系列、美國Rethink的Baxter、愛普生WorkSense、瑞士ABB的YuMi等。

日本安川以取代人在工業生產中的組裝、分裝、維護等工作為初衷，推出了MOTOMAN-SDA系列雙臂機器人，如圖1（1）所示。該機器人除具有兩個7自由度冗余機械臂外，最大的特點是具有可靈活轉動的腰部，使其媲美人類上肢[4]。Rethink推出的Baxter是全智慧機器人球應用最廣泛的雙臂機器人之一，已經應用在全球400多所高校及研究機構。該機器人的特點是具有豐富的傳感器組件，包括環繞聲吶、視覺傳感器、紅外測距儀、力和運動傳感組件，幫助其在不特定工業環境中完成復雜操作。愛普生WorkSense W-01雙臂機器人安裝有移動輪，可以在不同地點完成組裝、搬運和其他各種任務，適應更為復雜的工業制造環境。

近年來，人機交互成為工業機器人的研發熱點之一，2015年ABB公司展示了首個真正意義上的人機交互雙臂機器人YuMi，用于實現其“物、服務與人互聯”戰略[5]。YuMi機器人雙臂以軟性材料包裹，手臂靈巧且腕部配備六維力傳感器，在開放環境中工作可保障其人類“同事”的安全[6]。在2019中國國際工業博覽會上，YuMi雙臂機器人展示了制造手表的“未來工廠”，利用一系列柔性高效的數字化技術實現定制腕表的批次實時裝配，如圖1（2）所示。

(1) SDA工件加工                  (2) YuMi裝配手表

圖1 工業雙臂機器人[4,5]

我國的雙臂機器人雖起步較晚，但近年來也涌現出一批優秀成果。2015年底，北京大學智能機械系統實驗室研發出雙臂機器人“WEE”[7]。該機器人從機械結構、電氣到控制方面均為模塊化設計，系統可擴展到二十個關節。WEE采用無縫銜接的分區域阻尼控制，機器人末端阻尼和剛度完全解構，具有很高的柔順性[8]，可很好地實現人機協作。武漢的庫柏特推出了具有3D運動視覺功能雙臂機器人CAssembly，其末端可自適應選配的多種手抓，雙臂可自動實現運動規劃、柔性操作、碰撞檢測及協作控制等功能。沈陽的新松機器人推出的DSCR3、DSCR5雙臂協作機器人具有機器視覺功能，可實現擰緊裝配、拋光打磨、視覺檢測等工業生產任務。

2.2　服務雙臂機器人

雙臂機器人的仿人特性使其從外觀和行為上都更為人所接受，通過模仿人的手臂動作可完成烹飪、送餐、照料等服務工作，降低服務業人工成本。服務用雙臂機器人與人直接接觸，需要面對復雜多變的工作環境，因此通常配備機器視覺，具有柔順控制和人機交互等功能。

雙臂機器人用來為人們提供服務的想法由來已久，早在2008年，日本安川電機利用SDA10雙臂機器人表演了翻轉和烹飪日式煎餅。之后日本本田開發的Asmio仿人機器人通過對末端運動的感知，協調完成了端茶倒水的工作[9]。如圖2（2）所示。但彼時的機器人智能化程度不高，大部分工作需預先編制指令，在復雜的應用場景無法自動識別。隨著人工智能技術水平的提高，涌現出采用機器視覺、機器學習、信息融合等技術的智慧化雙臂服務機器人。例如同樣是食物煎烤，2015年歐洲RoboHow項目研制的PR2雙臂煎餅機器人能利用網絡信息，通過經驗學習和人工訓練學會新的服務技能。如圖2（1）所示。

近年來，服務機器人智能化程度進一步提高。在2019中國國際工業博覽會上，ABB展示了YuMi雙臂機器人在垃圾回收上的應用。該展示根據上海市最新生活垃圾管理條例開發了分揀解決方案，通過機器人、神經網絡技術、傳感器融合實現垃圾分類和揀選，如圖2（3）所示。我國新松機器人在2020年中國工博會上展示了DSCR3雙臂協作機器人在分層調酒上的應用，使用者選擇酒品種類、下單，雙臂協作機器人根據訂單，自動完成取杯、取酒、分層、引流、倒酒等一系列調酒動作，按照酒類密度大小對雞尾酒進行分層，并最終將調制好的雞尾酒放置在指定區域。如圖2（4）所示。

(1) PR2煎餅           (2) Asmio端茶

(3) YuMi垃圾分類          (4) DSCR3調酒

圖2 服務雙臂機器人[9]

2.3　軍用警用雙臂機器人

美國在軍用機器人的研制上處于領先地位，2013年首次向公眾展示波士頓動力公司為美軍研制的先進人形機器人“阿特拉斯”。該機器人高1.88米，重150千克，通過液壓驅動全身關節，采用激光雷達、立體傳感器采集環境狀況，可實現大步前進、避障和平穩跳落等功能，可用于實現軍事救援等多種任務[10]，如圖3（1）所示 。

在我國，軍用警用雙臂機器人主要應用在防爆等任務上。北京航天微機電技術研究所研制出國內首臺警用多功能人機隨動雙臂機器人，可應用于警用排爆，圖3(3)是該機器人增加疫情防控模塊后在體溫檢測上的應用。深拓科技開發出四輪移動的排爆雙臂機器人KT200，通過雙臂協作配合，該機器人適用于復雜物體的拆解操作，可用于公安、軍事以及核工業等危險、有害環境下的作業，如圖3（2）所示。

(1) Atlas機器人    (2) KT200防爆       (3) 防疫體溫測量

圖3 軍用雙臂機器人[10]

2.4　特種雙臂機器人

雙臂機器人在如太空、海洋、核電等復雜空間環境中可以像人一樣發揮雙臂靈活操作的優勢，是這一領域中用來探測、維修的重要設備。

加拿大團隊研制的Dextre是國際空間站著名的機器人，如圖4（1）所示。該機器人可利用其雙臂協助宇航員太空行走，以及代替宇航員從事一些危險的艙外作業[11]。德國航天中心研制的Rollin Justin雙臂機器人全身共51個自由度，可用于太空任務[12]，圖4（2）為該機器人正在接受來自國際太空站宇航員的命令，在模擬火星的地球表面完成移動、導航、維修等任務[13]。美國休斯敦機電公司（HMI）開發了海洋探測用雙臂機器人Aquanaut，該機器人深潛至任務現場后，可整體變形，伸出兩只配備力傳感器的爪式夾鉗，實現深海設備的遠程修復[14]。如圖4（3）所示。

在特種用途的雙臂機器人領域，我國的中國電子科技集團第二十一研究所、深拓科技等公司先后研制了適用特種場合的雙臂協作機器人。其中后者開發出一款結構新穎的KRV高壓輸電線路帶電作業巡線檢修機器人，該機器人可沿線路軌道移動，通過雙臂協作實現更換輸電網上防震錘等線路金具等任務。如圖4（4）所示。

(1) Dextre空間站維護     (2) Rollin Justin模擬火星任務

(3) Aquanaut      (4) KRV電力檢修

圖4 特種雙臂機器人[15-18]

3　熱點研究問題

從建模、協作控制到任務規劃，雙臂協作機器人的研究方向很多，本節選擇智能協作方法、任務規劃、基于網絡的雙臂機器人技術等幾個研究熱點問題進行闡述。

3.1　雙臂機器人智能協作方法

雙臂機器人在協同工作時，兩臂存在物理耦合，需通過通信或控制使得一條機械臂對另一條的動作做出相應運動決策，從而實現對被操作體的協作。

（1）雙臂協作的約束

為完成復雜任務，雙臂需共同抓持或操作某一物體，該物體與機器人的兩臂構成閉合運動鏈，雙臂的操作和運動需滿足位姿間的約束關系。閉合鏈的約束關系使兩臂各自的運動變得復雜，主要包括自由度約束、可達空間約束、軌跡約束、力約束等幾種類型[15]。

這種復雜約束難以求解，目前常利用D-H法得到雙臂協作的閉鏈運動模型，利用機械臂末端和關節的速智慧機器人度關系求得雅可比矩陣，根據雙臂抓持剛體、操作旋轉連桿、操作球面副連桿等常見操作類型具體求得兩臂位置、速度和加速度的關系[16]。

（2）協作控制方法

雙臂機器人的協作控制問題是在一定的運動約束下，對兩機械臂進行運動和力控制。主要控制方法有主從控制、力位混合控制、反饋線性化方法、阻抗控制、智能控制等[3]。

其中力位混合控制理論方法明確，可綜合控制協作時雙臂相對位置和閉鏈內力[17]。阻抗控制通過控制力與位置間的動態關系實現柔順控制，實現了機械臂與環境動態接觸力的控制[18]，廣泛應用于零件裝配領域。為克服雙臂建模中的非線性、時變、不確定問題，近年來學者提出一系列智能控制方法，如基于模糊控制[19]、神經網絡[20]、智能優化等方法[21]。

（3）雙臂協作規劃

為完成協作任務，需在工作空間中確定無碰撞的運動路徑，使機器人末端運動到特定目標位姿。方法上可分為規劃型、反應型兩大類[22]。

規劃型方法是將雙臂無碰撞運動規劃問題轉化為帶約束的優化問題，通過設置關節運動、力矩和防自碰撞約束，使用最優化方法求解[23]。反應性方法以人工勢場法[24]為基礎，根據兩臂間及與障礙間距離建立虛擬斥力勢場，引導兩臂實現無自碰撞運動。為提高規劃可靠性，運動時還需實時檢測可能發生的碰撞，方法上有基于幾何模型[25]和基于機器視覺[26]的自碰撞檢測，可在碰撞前引導機器人停止或遠離碰撞位置。

3.2　雙臂協調任務規劃方法

在一定的應用場合下，雙臂機器人必須得到具體的任務指令序列，才能在雙臂協作控制下實現對任務工序的逐項操作。任務規劃即是將總任務分解為動作序列的過程。

任務規劃的大致流程如圖5所示，規劃器根據知識庫逐層實現任務的分解。根據雙臂機器人的特點，知識庫包含協作約束、操作、動作等內容，通過分層規劃最終分解為動作序列。任務規劃和路徑規劃是串聯關系，任務規劃得到的具體動作再經路徑規劃形成機器人的可執行命令。

圖5 雙臂協調任務規劃流程圖

任務規劃主要有針對特定場合的規劃、知識推理的規劃、人工智能方法的規劃三類方法。許多學者在特定場合下，對雙臂機器人的任務分解進行了研究，如在醫療手術[27]、仿人運動[28]、零件裝配[29]等方面的雙臂任務規劃。部分學者從知識和邏輯表示方向處理兩臂調度問題，通過描述邏輯表示知識，經邏輯處理得到任務分解方案[30]。人工智能規劃方法則通過預定的工作目標、執行環境和預定義的可執行動作，在得到任務輸入后通過分層規劃器求得最優化解，實現任務的自動規劃，目前該方法日益得到學者的重視[31]。

3.3　基于網絡的雙臂機器人技術

許多復雜任務需要通過人的雙手完成，但在太空、深海、核工業環境等特殊環境里人很難直接參與，需要運用遠程操作方式通過擬人雙臂機器人實現操作。基于網絡的雙臂機器人技術不僅可以由人遠程控制，而且充分發揮雙臂協作的特點，使操作者不必擔心碰撞問題?；诰W絡的雙臂機器人控制結構如圖6所示。

圖6 基于網絡的雙臂機器人控制系統結構

在遠程信息獲取方面，利用現場圖像及各傳感器信息，構建虛擬現實環境是實現網絡化控制的關鍵[32]，在此基礎上操作員可在本地仿真平臺中實現雙臂機器人的操作，但目前快速準確地在線建模還存在一定困難。在網絡層面上，通信網絡可采用因特網或其他工業總線，但必須考慮網絡延遲對操作結果的影響。一種處理方法是在本地仿真平臺測試操作無誤后，用延遲發送指令的方式控制遠端雙臂機器人。也有學者提出提高網絡同步性，及采用如徑向基神經網絡實現網絡延遲預測處理網絡的不穩定性[33]。

除通過網絡對機器人直接控制外，有學者提出監督控制和共享控制方式，前者主要依靠遠程雙臂機器人的自主能力，操作人員作適當干預；后者則由人和機器人共同控制，發揮兩者優勢[34]。但這幾種人機參與方式對機器人自身的智能程度提出了更高的要求。

4　未來研究方向

就雙臂協作機器人的現狀而言，雖然各大機器人廠商紛紛推出各自型號的雙臂機器人，但這些機器人能適應的工作場景仍然有限。它們在“形”上已能滿足擬人工作的要求，在“智”上還有待進一步提高。本文認為未來主要的研究方向有如下四個方面。

（1）智能協作控制方面。還需進一步研究如何融合傳感器采集到的力、距離、圖像等信息，為機器人控制提供準確輸入，以及如何設計自適應控制率以應對輸入信息的誤差和機器人系統本身的非線性與時變問題。

（2）雙臂運動規劃方面。雙臂協作，甚至多臂協作所帶來約束的復雜程度高，快捷、動態地實現軌跡規劃，特別是高效地避免碰撞算法，以及軌跡最優化方法值得進一步探究。

（3）雙臂協作任務規劃方面。目前雙臂機器人實現的協作任務還較為有限，需進一步研究基于人工智能方法實現自主任務分配問題，以及在任務層面的雙臂機器人優化協作問題。

（4）人機交互方面。目前仍主要通過程序命令方式實現雙臂機器人的控制，需進一步研究機器人自主學習方法，采用意圖編程模式替代動作過程編程方式。

5　本研究團隊的工作

本研究團隊近年在國家重點研究計劃、國家自然科學基金等項目支持下，對雙臂協作機器人運動控制、軌跡規劃、雙臂協作試驗平臺及控制器開發等方面開展了研究，并取得了多項創新成果。

（1）雙臂機器人協作控制方法方面。針對板材安裝過程使用彈簧-阻尼模型對雙臂間約束關系進行建模，建立了機械臂和墻壁間接觸力模型，利用雙臂間彈簧-阻尼模型引入虛擬恢復力，實現了主從式力位置混合控制。為提高板材安裝接觸力控制效果，減少接觸力模型和實際場景的偏差，使用深度強化學習方法來解決接觸力控制問題。如圖7所示。

圖7 基于深度學習力控制的雙臂協調板材安裝

（2）雙臂機器人軌跡規劃方面。針對大型建筑構件3D打印時突破尺寸限制、幾何形狀復雜以及高曲率的特點，通過考慮幾何、力學、材料特性，分析約束條件，研究了自適應軌跡分層算法，同時開發出雙臂機器人3D打印仿真平臺。

（3）雙臂機器人控制器方面。本團隊針對建筑機器人協作控制算法驗證實驗需要，開發了一套雙臂機器人虛擬仿真系統，可開展雙臂板材安裝、雙臂3D打印、雙臂木構件加工仿真實驗研究。在多年機器人控制器成果基礎上，開發了基于高速以太網接口的雙臂機器人控制器，如圖8所示。

圖8 雙臂機器人控制器原理框圖

6　結語

智能機器人的發展將推動工業智能化轉型，助力我國《中國制造2025》實現由工業大國發展為工業強國。本文展示了近年來國內外雙臂協作機器人的先進成果，對幾個研究熱點問題進行了討論，對未來的研究提出了幾點看法。相信隨著智能協作方法、人機交互、運動規劃等關鍵問題的突破，雙臂協作機器人將更加走近我們的生活，造福工業、醫療、服務、宇航等多個領域。

作者：王小龍（1989-），男，河南洛陽人，博士研究生，現就讀于西安交通大學電子與信息學部，研究方向為群體智能與多機器人協作。

曹建福（1963-），男，陜西寶雞人，教授，博士生導師，現任西安交通大學自動控制研究所所長、中國自動化學會建筑機器人專業委員會主任委員，研究方向為智能機器人、智能制造與智慧工廠。

參考文獻：

[1] 周驥平, 顏景平, 陳文家. 雙臂機器人研究的現狀與思考[J]. 機器人, 2001, (2) : 175 - 177.

[2] Smith C, Karayiannidis Y, Nalpantidis L, et al. Dual arm manipulation—A survey[J]. Robotics and Autonomous Systems, 2012, 60 (10) : 1340 – 1353.

[3] 方健. 冗余雙臂機器人在線運動規劃與協調操作方法研究[D]. 合肥: 中國科學技術大學, 2016.

[4] Kamiya, Yosuke, Asahi, Takefumi, Ando, Shingo, et al. Task oriented control with constraints for industrial robot[C]. International Symposium on Robotics. IEEE, 2014.

[5] ABB推出全球首款人機協作雙臂機器人YuMi[J]. CAD/CAM與制造業信息化, 2015, (5).

[6] Bjoern Matthias. New safety standards for collaborative robots, ABB YuMi? dual-arm robot[C]. Iros, Workshop "robotic Coworkers-methods, Challenges & Industrial Test Cases, 2015.

[7] 凌莉. "輕型臂WEE"引領中國協作機器人新紀元[J]. 中國科技產業, 2016, (04) : 43 - 47.

[8] 劉立. 雙臂協作機器人引領中國機器人新紀元[J]. 機器人產業, 2017, (01) : 46 - 49.

[9] Obaid M, Kistler F, HRing M, et al. A Framework for User-Defined Body Gestures to Control a Humanoid Robot[J]. International Journal of Social Robotics, 2014, 6 (3) : 383 - 396.

[10] 孫毅. 美國軍用地面仿生機器人發展[J]. 軍事文摘, 2015, (13) : 29 - 31.

[11]“奮進”號宇航員太空組裝雙臂機器人[J]. 軍民兩用技術與產品, 2008, (4) : 8.

[12] Fuchs M, Borst C, Giordano P R, et al. Rollin' Justin - Design considerations and realization of a mobile platform for a humanoid upper body[C]. IEEE International Conference on Robotics & Automation, IEEE, 2009.

[13] Peter S, Daniel L, Thomas K, et al. Preliminary Insights From the METERON SUPVIS Justin Space-Robotics Experiment[J]. IEEE Robotics and Automation Letters, 2018 : 1.

[14] Manley J E, Halpin S, Radford N, et al. Aquanaut: A New Tool for Subsea Inspection and Intervention[C]. OCEANS 2018 MTS/IEEE Charleston, IEEE, 2018.

[15] 王樹新, 劉又午. 受控多體系統的力約束分析與實驗研究[J]. 天津大學學報:自然科學與工程技術版, 1997, 30 (05) : 601 - 606.

[16] 熊有倫, 李文龍, 陳文斌, 等. 機器人學:建模、控制與視覺[M]. 華中科技大學出版社, 2018.

[17] 丁希侖. 擬人雙臂機器人技術[M]. 科學出版社, 2011.

[18] Schnieder S A. Object impedance control for cooperative manipulation: theory and experimental results[J]. IEEE Trans on Robotics & Automation, 1992, 8.

[19] 龐哲楠, 張國良, 陳志侃, 等. 變重力環境下雙臂空間機器人自適應模糊控制[J]. 計算機仿真, 2016, (5) : 308 - 314.

[20] Escande A, Miossec S, Kheddar A. Continuous gradient proximity distance for humanoids free-collision optimized-postures[J]. Hmanod Robo, 2008 : 188 - 195.

[21] 吳瑞芳, 賈訟敏. 粒子群算法優化的雙臂機器人模糊邏輯控制仿真研究[J]. 中國工程機械學報, 2018, 16 (03) : 216 -220.

[22] Salehian S S M, Figueroa N, Billard A. A Unified Framework for Coordinated Multi-Arm Motion Planning[J]. International Journal of Robotics Research, 2018, 37 (10) : 027836491876595.

[23] Chrètien B, Escande A and Kheddar A. Gpu robot motion planning using semi-infinite nonlinear programming[J]. IEEE Transactions on Parallel and Distributed Systems, 2016, 27 (10) : 2926 – 2939.

[24] Khatib O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots[J]. International Journal of Robotics Research, 1986, 5 (1) : 90 - 98.

[25] C. Park. Self-collision detection & avoidance algorithm for a robot manipulator[J]. International Journal of Engineering and Innovative Technology, 2015, 5 : 139 – 142.

[26] Hermann A, Drews F, Bauer J, et al. Unified GPU voxel collision detection for mobile manipulation planning[C]. IEEE/RSJ International Conference on Intelligent Robots & Systems, IEEE, 2014.

[27] 吳啟菡. 面向手術器械分揀任務的雙臂機器人協同控制方法研究[D]. 哈爾濱: 哈爾濱工業大學, 2019.

[28] Nakai H, Yamataka M, Kuga T, et al. Development of Dual-Arm Robot with Multi-Fingered Hands[C]. IEEE International Symposium on Robot & Human Interactive Communication. IEEE, 2006.

[29] J. K. Behrens, R. Lange and M. Mansouri. A Constraint Programming Approach to Simultaneous Task Allocation and Motion Scheduling for Industrial Dual-Arm Manipulation Tasks[J]. 2019 International Conference on Robotics and Automation (ICRA), 2019: 8705 - 8711.

[30] Tenorth M, Beetz M. KnowRob: A knowledge processing infrastructure for cognition-enabled robots[J]. International Journal of Robotics Research, 2013, 32 (5) : 566 - 590.

[31] Armin Müller, Kirsch A, Beetz M. Transformational Planning for Everyday Activity[C]. Proceedings of the Seventeenth International Conference on Automated Planning and Scheduling, 2007.

[32] 倪得晶, 宋愛國, 李會軍. 基于虛擬現實的機器人遙操作關鍵技術研究[J]. 儀器儀表學報, 2017, 38 (10) : 2351 - 2363.

[33] 趙長軍, 王從慶. 基于神經網絡延遲預測的Internet機器人遠程控制[J]. 計算機測量與控制, 2004, 12 (03) : 238 - 241.

[34] 戴廷飛, 劉邈, 葉陽陽, 等. 人機共享控制機器人系統的應用與發展[J]. 儀器儀表學報, 2019, 40 (03) : 62 - 73.

摘自《自動化博覽》2020年10月刊