如今，有许多不同的工业过程，人们花几个小时来完成繁琐而重复的任务。此外，这些过程大多涉及危险材料或机械的操作，如玩具制造，在这个过程中，人们要处理高温的烤箱，并在很长一段时间内做出令人疲惫的体力劳动。本文提出了一种自动化、创新的协作机器人系统，能够处理玩具娃娃制造过程中的脱模任务。该智能机器人系统由一个UR10e机器人和一个集成了RealSense RGB-D相机组成，该机器人使用开发的基于视觉的算法检测模具中的零件，并通过位于机器人末端的定制夹具提取零件。我们介绍了一种管道，依靠这种智能机器人系统来完成不同塑料件的脱模任务。最后，为验证该方法的有效性，将该方法成功地应用于一家玩具工厂，为传统的制造过程提供了一种新的方法。本文描述了不同力和速度下的机器人系统性能，实验结果成功率超过90%。

　　工业环境通常被危险情况所包围。其中之一是危险的机器，它会对人类工人造成严重伤害。例如，在玩具工业中，有高温的生产烤箱。还应考虑处理过的材料的特性，因为它们可能由同样可能伤害人类的有毒物质组成。

　　虽然工厂在安全系统上投入了大量资源，通过集成激光屏障和其他措施和设备来防止事故发生，但传统的制造工艺具有很高的生产目标和较短的周期时间，这增加了操作员的压力。人工操作员在同一个任务上工作几个小时;因此，他们更容易分心，犯错误，导致危险的情况。

　　如前所述，手工工业流程通常是重复的，由繁琐的任务和动作组成，特别是在玩具制造业中，这是本工作的重点。制作塑料玩具的过程是基于以下任务:首先，操作人员用塑料材料填充模具，然后将模具放入旋转成型烤箱;之后，他们将模具放入空气冷却器中;最后，操作人员将模具(仍处于高温状态)置于脱模区，轻轻取出模具内的热件。操作人员重复这个过程几个小时，同时手动管理几个模具，这增加了他们的压力水平。

　　本文提出了一种新的智能机器人系统，能够通过执行整个玩具制造过程中最劳动密集型的部分来执行脱模任务。因此，这种方法直接减少了操作员的压力和潜在的伤害，他们可以执行其他灵巧的和基于人的任务。该系统由玩具制造过程中常用的机械设备(旋转成型烘箱、空气冷却器、模具等)、RGB-D摄像机、气动执行器、紧急按钮、安全激光扫描仪等外部设备和UR10e协同机器人手臂组成。所有提到的设备和机器都是在INDUSTRIA AUXILIAR JUEMA s.l.集成的，这是一家真正的娃娃制造公司。

　　这项工作的主要贡献是开发了一种新的协作机器人系统，该系统能够自主执行传统的制造任务，如软塑料件的脱模，有助于创建新的未来智能工厂，如[3]。如前所述，在提取件的过程中，模具仍然处于高温状态，这意味着里面的塑料件是可变形的，是柔性的。因此，它完全改变了通常的刚性处理范例，由于可能的变形，零件可能遭受，所以必须施加更高的力，以准确地将它们从模具中取出，以便不损坏或折断它们。最后，通过这种方法，减少了操作员的压力，从而使他们能够执行具有更高灵巧性要求的其他任务，或者将他们重新安置到体力劳动强度较小的过程的其他子任务中。

　　本文的其余部分结构如下。在第2节中，对具有相关目标或发展的不同作品进行了评论。在第3节中，它解释了开发管道过程的步骤。然后，在第4节中，展示了该方法的实验和结果，以确保系统的效率和准确性。最后，在第5节中，给出了一些结论。

　　与工业过程的创新和自动化有关的最新技术确实得到了扩展。制造工厂之间竞争力的增强迫使新技术的整合，特别是在柔性和可变形材料的机器人操作方面。在制造过程中，人类操作员操纵由柔软材料组成的各种物体，如塑料片、轮胎、鞋底，甚至食物。处理可变形物体的工业过程自动化的一个例子是[1]，作者提出了一个创新的机器人系统来操纵衣服，并自动化布料和泡沫垫的缝合过程。然而，它们操作的是平面对象，与本文提出的3D对象相比，减少了未知和不确定性的数量。在[10]中，作者使用线性对象来执行形状控制，而不运行实时仿真或解决优化问题，他们的工作基于节点坐标的划分，允许直接从切线刚度矩阵推导控制律。[6]中提出了另一种关于智能操作的方法，其中作者提出了一种新的控制框架，用于操作软物体，应用深度强化学习使其变形并获得所需的形状。虽然线性对象更类似于这种情况，但它们仍然更简单，这些工作的主要贡献之一是基于模拟。[5]中解释了其他类型的学习示例，特别是从演示中学习，这是一种从示例状态到动作映射创建策略的技术。这种方法定义了教师，根据作者定义的组织这些技术的两个不同阶段，教师向学习者提供示例或演示:第一个阶段，获取数据，第二个阶段，从这些信息中推导出策略。由于机器人的复杂性和记录专家操作数据的可能性，这些新技术可能对脱模任务有用。然而，在我们的用例中收集信息是非常复杂的;操作人员使用双手施加几个力，并执行确定的轨迹来脱模。在[4]中，作者实现了一种称为建议算子策略改进(a - opi)的新方法。当样本数量较大时，示范学习可以改善策略;然而，a - opi综合了来自学生执行和教师建议的新数据。结果显示出巨大的潜力，因为它们超越了远程操作的性能。然而，该系统适用于低级运动控制，由于任务执行的复杂性，这使得它无法集成到我们的系统中。

　　本文提出的方法是基于一个高努力要求的任务，如在[13]中，它解释了一种策略，以提高当前使用力阻抗控制器的商业工业机器人的性能。然而，我们的提案的目的是创建一个系统，操作员和机器人可以一起工作，所以这些类型的工业机器人不允许在协作任务。在[16]中，作者提出了协作机器人用于材料打磨的力控制回路，并指出协作机器人可以执行与工业机器人相同的打磨任务，其结果与工业机器人相似。与本文中提出的工作的主要区别在于脱模时所需的机器人运动的极大灵活性，而不是纸张的平面轨迹。在[18]中，阐述了机器人在食品行业的应用现状，这一行业要求很高，并总结了机器人在食品行业中可能完成的任务数量巨大。虽然食品行业是一个比玩具行业更常见的研究领域，但与这个行业有相似之处，它对最终产品的质量要求非常严格。与其他制造领域不同的是，儿童娃娃生产行业的探索并不多，也没有在真实工业环境中集成的机器人解决方案，而这项工作旨在改变这一事实。在[17]中，它提出了一种系统，该系统允许人类和高载荷机器人在工业任务执行过程中进行安全合作，这要感谢具有空间分辨率的触觉地板，能够根据关节的当前位置和速度定义静态安全区或动态安全区。为了整合这个系统，公司需要在工厂中实施重大的基础设施变革。本文提出的解决方案旨在整合两种安全激光扫描设备，覆盖整个工作空间以及操作员与机器人之间的共享区域，以确保人员安全。

　　塑料行业非常广泛，由不同类型的任务组成，例如在[14]中，作者开发了一种新方法，该方法使用模具的离散特性来创建塑料注射模具的配置。这种塑料材料和儿童玩偶之间的共同特征突出了处理软材料的挑战，以及它们的物理行为如何根据温度而变化。对这些特性的研究繁琐而复杂，如[11]所示，作者提出了一种基于未知变形模型或物体力学特性的可变形线材形状自动控制方法。他们只是利用一些视觉特征来计算变形并改进操作。相关工作在[8]中进行了描述，其中作者报告了USB线焊接任务的第一个自主机器人解决方案。与本文提出的方法的相似之处是由于脱模过程的重复和封闭循环性质。

　　如前所述，玩具业是一个制造业和传统部门，主要由中小型企业(SMEs)组成，这些企业通常无法开发或将新技术融入其生产过程。在[19]中，它解释了使用协作机器人和基于学习的视觉系统实现中小企业自动化的可能性。他们提出了一种用于物体检测和产品质量控制的自动系统，以及一种无需更换工具即可执行不同操作的多功能夹具。在[7]中，作者提出了一项关于接触操作机器人任务中的强化学习的研究，这解释了该领域研究的增加。此外，他们还解释了不同类型的接触操作任务，这取决于对象的动态交互。我们的用例可以归类为“推送任务”组，其中作者揭示了未知和非线性动力学的困难，当机器人必须对不同大小、形状和纹理的物体进行温和的操作时。在[12]中，作者对智能机器人制造进行了回顾，这代表了机器人在工业任务中实现更高程度智能的新时代。在[15]中，作者提出了一个用户友好的机器人技能模型，在真实的工业场景中进行了测试，专门为没有机器人技术先验知识的操作员设计。这方面对这项工作具有重要的价值，因为该方法的目标之一是防止操作人员更换，而是通过使操作过程更易于访问和管理，使他们参与到操作过程中。除了任务自动化，该方法支持和培训操作员，使过渡到脱模任务的机器人化更容易。这一事实可以在[2]中解释的建议中得到支持，其中作者提出了一个机器人示范学习框架，其中他们开发了一个基于力的获取系统，以在两种不同的场景中捕获任务本质:人类和人类-机器人协作。目的是提取特定任务的特征并将这些技能传递给机器人，目的是提取特定任务的特征并将这些技能传递给机器人。在这种情况下，人为因素的参与变得至关重要，因为它在提取任务相关特征，促进机器人的学习过程以及在任务执行过程中促进人与机器人之间的协作方面起着至关重要的作用。他们在物体的协同操作和简单联锁部件的组装方面对该系统进行了测试。相对于可变形对象，刚性操作使得协作和任务参数的获取更加容易。然而，由于软物体参数和模型的复杂性，在这项工作中，作者能够提取操作员的知识来为脱模任务编程机器人轨迹。为了提高对柔性对象的操纵能力，文献[9]对基于模型的离线操作规划系统进行了综述。首先对目标进行了初始分类，分为体积、平面和线性，然后根据目标类型对规划策略进行了分类:路径规划、折叠/展开、拓扑修改和装配。虽然基于模型的策略对可变形物体的操作非常有用，但在本文的重点场景中，由于温度的变化，变形参数可能在任务执行过程中发生变化。

　　如本节所述，目前还没有本文提出的方法:一种新的智能机器人系统能够以自主的方式执行软塑料件的脱模。此外，这个创新的系统可以与人类操作员合作，以完成整个玩具制造过程。

　　图1

　　

　　滚塑制造工艺

　　玩具制造业的脱模任务是生产过程中的几个步骤之一。公司已分为不同组的运营商，以覆盖所有步骤;一组由原料粉末和一些添加剂生产液态塑料材料，另一组依靠滚塑制造过程，用这种液态材料制造固体件。然后，当一组人画画、缝头发、把眼睛放在头上时，另一组人组装这些碎片。最后，组装好的娃娃被包装并分发给零售商。

　　如前所述，这个工业过程涉及不同的任务。然而，这项工作主要集中在对操作员体力要求最高的任务上，即滚塑制造过程，这在塑料工业中非常常见。图1解释了该技术的不同步骤。

　　如图1所示，在第一个动作中，操作人员将液态塑料材料填满模具(图2a)并关闭模具。然后，将模具放入旋转成型烤箱并开始加热，同时在两个轴上旋转以将材料分布在模具的整个内表面。在加热步骤之后，将模具引入冷却区以完成工件的创建。最后，操作员将模具置于脱模区，提取出如图2b所示的零件。

　　图2

　　

　　模具用于传统的手工作业

　　如图2所示，操作员直接与模具一起工作，必须利用双手提取零件，因为任务需要显着的力量。此外，他们必须有特殊的灵活性，以成功脱模某些部分，这可能是相当具有挑战性的，由于其复杂的形状。此外，他们必须在模具仍处于高温状态时进行;否则，碎片会冷却下来，卡在里面。因此，如上所述，工人与有害元素接触。在任务过程中，模具的温度由操作员指定烘箱中旋转成型过程的时间和温度来设定。

　　图3显示了机器人系统的建议工作流，其中分为操作员和机器人任务。

　　图3

　　

　　自动脱模过程的工作流程

　　图4

　　

　　在实验室和工业环境的真实和模拟设置的设计

　　这个过程的主要挑战是在材料的灵活性和管理对象的短周期时间的限制下操纵这种材料。如果工件在模具中停留的时间太长而没有取出，它就会冷却下来，更难脱模，最终会在这个过程中断裂。

　　为了开发自动化系统，我们设计并开发了一个机器人单元模型(图4)。该模型允许我们在将其集成到实际工业环境之前执行第一次测试并开发不同的算法。

　　图4a和图c中红色区域为冷却器，黄色区域为滚塑烘箱，蓝色区域为脱模区。

　　这种设置允许机器人执行脱模任务，但无论如何，操作员仍然需要完成其余步骤。然而，对于操作员来说，最劳动密集型的任务已经被移除了，而交给了机器人。为了完成这项任务并检查可行性，图5显示了根据儿童娃娃的四个部分:头，手臂，腿和身体，将使用的4种不同的模具。

　　图5

　　

　　玩具娃娃不同部位的模具和零件

　　图6

　　

　　UR机器人与PC机之间的通信系统

　　下面将描述3.3节中深入解释的自动提取管道。这些步骤旨在模拟手动过程。因此，一旦模具被操作员放置在脱模区，机器人就会使用RGB-D摄像头获取环境的3D信息。然后，利用计算机视觉算法对模具顶部进行检测，检测出各件的提取孔并发送给机器人。最后，机器人执行一些定义的基于力的运动，一旦提取工具的尖端到达提取点，就从模具中提取零件。

　　该系统由三个主要设备组成:UR10e机器人、PC机和夹持器。为了定义它们之间的通信，PC被用作集线器。夹持器通过IO-link模块与PC相连。使用这种配置，可以连接所有提到的设备，并使用PC作为系统的核心。这允许连接不同的库，如视觉库、机器人库或通信网络库。

　　3.3.1 Robot—PC

　　XMLRPC库通过建立服务器来促进UR机器人和PC之间的通信。这个服务器允许在PC上创建Python函数，这些函数可以从机器人调用，并在PC上执行。这个功能使我们能够灵活地导入各种视觉库，如OpenCV或Open3D。此外，该功能允许我们集成ROS，通过与机器人单元中的其他设备通信，使我们的系统更加健壮。图6给出了通信系统，说明了机器人如何向PC发送请求，执行与抓取器相关的功能，运行带有摄像头的感知模块，以及与ROS消息通信。然后，PC向机器人返回一个值，即检测到的移动位置。

　　3.3.2 Gripper—PC

　　该机械手是由Zimmer公司设计开发的。为了在PC机和夹持器之间建立通信，集成了io链路通信协议主模块，实现对不同寄存器的读写，修改夹持器的参数并驱动夹持器。图7显示了集成的示意图。

　　图7

　　

　　夹具与PC机之间的通信系统

　　图8

　　

　　预定位力操作模式

　　如前所述，通过使用该协议，可以写入和读取寄存器，以便设置参数或读取它们。可配置参数列表如下:

　　状态字:Read。这些寄存器为我们提供有关抓手的信息，例如它是否在运动，马达是否打开，以及潜在的错误等等。

　　诊断:阅读。这显示了错误ID。

　　当前位置:显示夹具的当前位置。

　　控制字:读/写。这个寄存器的功能取决于写入的值。一个动作是将写入的参数传递给夹持器，另一个动作是发送命令关闭或打开夹持器。

　　设备模式:读写。这个寄存器设置夹持器的操作模式。夹持器能够工作与不同的力轮廓或只是在位置模式。图8显示了一个操作概要文件的示例。

　　宽容:读/写。根据这个寄存器的值，夹持器在运动中会产生或多或少的误差。

　　力量:读/写。在关闭过程中使用了武力。

　　速度:读/写。运动的速度。

　　基础，轮班，教学和工作岗位:读/写。夹持器的位置值从开启位置到关闭位置，经过两个中间位置。

　　为了提高夹持器的灵巧性，定义了几种操作模式;然而，图8显示了在任务执行期间使用的概要文件。

　　这种操作方式允许我们通过施加速度将夹持器从基位(夹持器打开)驱动到换挡位置，一旦夹持器到达换挡位置，它就会变为力模式，直到到达最终工作位置。图9显示了夹持器的设计和用于脱模的手指。

　　图9

　　

　　定制夹具设计的任务脱模娃娃的部分

　　定制的手指在提取任务中非常重要。一个手指有一个平面的网格图案，以确保抓地力，防止碎片滑落，另一个手指是中空的，这使我们能够整合一个真空系统。在执行任务时，机器人通过抽吸孔插入真空手指来抓取工件。然后，夹持器关闭，真空系统开始从零件内部抽出空气，将其与模具内表面分离，使机器人的任务更容易。系统的这一特点迫使我们开发一种精确的提取点检测算法，以便能够自动将真空手指引入片内。

　　3.3.3 ROS

　　如前所述，UR机器人、PC机和抓取器是系统的主要设备。然而，为了执行任务，机器人单元中还应该考虑到其他传感器和物体。为了管理这些元素提供的所有信息，整个架构已经集成在ROS中，允许机器人单元内所有设备之间的通信。

　　ROS架构允许实时可视化机器人单元、机器人轨迹和安全设备定义的安全区域，如图10所示。此外，ROS使机器人与安全激光扫描仪之间的通信更容易，降低了操作员在机器人执行任务和施加高压时的风险。一旦操作人员进入警示区域，机器人降低运动速度，如果操作人员处于危险区域，机器人完全停止，保证了工人的安全。

　　图10

　　

　　RVIZ实时仿真机器人细胞

　　如前所述，滚塑制造过程由不同的步骤组成。其中之一是零件的脱模，这将由机器人而不是工人来完成。为了实现这一目标，开发了一种基于视觉的算法来检测模具和内部零件。感知模块中使用了Real Sense D435i 3D摄像头，用于检测需要脱模的不同种类的模具和零件。整个过程如图11所示。

　　图11

　　

　　自动脱模管路示意图

　　如图11所示，该模块的目标是检测模具内件的提取点。该算法融合了环境的二维和三维信息，以去除不必要的数据并保留有趣的区域。首先，3D摄像机获取环境的点云。由于相机捕捉了太多的环境中无趣的点，这个点云被分割使用透滤镜。因此，保留感兴趣区域即模具的点云，而丢弃剩余的点云。下一步是应用RANSAC，以检测工件所在的模具顶部的平面。我们使用RANSAC而不是其他平面拟合算法，因为它对噪声具有鲁棒性。由于RGB图像和点云是相关的，所以图像中不位于检测平面的像素直接从图像中去除。结果是在RGB图像中对模具进行分割，其中可以检测到如图11所示的提取点。最后，机器人移动到检测点进行脱模，如图12所示。

　　最后，通过集成前面提到的所有设备和模块，这个机器人单元能够在真实的工业环境中执行脱模任务，如图13所示。

　　摘要。

　　1 介绍

　　2 相关的工作

　　3 脱模管道

　　4 实验与结果

　　5 有限公司

　　结论及未来工作

　　参考文献。

　　作者信息

　　道德声明

　　# # # # #

　　在本节中，展示了脱模任务自动系统中获得的结果，以衡量所开发系统执行任务的成功程度。该过程分为三个不同的子任务:检测、抓取和脱模。由于这是一个顺序过程，感知模块的输出是抓取模块的输入，它的输出是脱模模块的输入。通过这种方式，故障只在当前模块中考虑，而不是在下一个模块中考虑，从而使我们能够衡量系统不同模块的成功和准确性。对于检测和抓取模块，系统自己的开发人员在每个周期检查输出是否正确。但是，脱模模块由工厂的专家操作员检查，因为他们对最终产品有经验和知识。

　　图12

　　

　　真空指介绍

　　为了计算以下生产和质量指标，每个模具进行了10个周期。一个周期考虑从机器人从模具中取出零件到模具在旋转成型过程后返回脱模区域的过程。

　　平均成功概率(APS):该值由成功次数(S)除以总试验次数(N)得到，以百分比表示。该参数将分别为每个模块(感知、抓取和脱模)计算。

　　（1）

　　图13

　　

　　机器人执行的真实脱模任务(腿部模具)

　　表1在80%速度和力下的结果

　　每件脱模的平均时间(ATP):这个值是通过机器人脱模所有模具零件的时间(T)除以零件数(N)得到的，以秒为单位。

　　（2）

　　平均每次操作时间(ATPO):所有操作的时间之和(T)除以总操作次数(N)，单位为秒。操作项表示为生产链增加价值的工作单元。在这种情况下，考虑两个操作:提取(烘箱和冷却)之前的滚塑过程和所有模具的提取。

　　（3）

　　每小时试验数(NTPH):每小时试验数可以通过ATPO计算。

　　（4）

　　每小时平均操作数(MOPH):每小时平均操作数由平均成功概率(APS)和每小时试验次数相乘计算得出。

　　（5）

　　如前所述，系统将在10个完整的周期内执行任务。此外，为了比较系统性能，机器人将在允许的最大力(225牛顿)和速度(1000毫米/秒)的100%，90%和80%下执行任务。接下来，表(表1、表2和表3)显示了执行的不同测试的结果和度量的结果。在10个循环后，根据零件/模具的种类，最大数量可以是20个(头部和身体)或40个(手臂和腿)。

　　表2在90%速度和力下的结果

　　表3 100%速度和力下的结果

　　其次，从实验结果中得出了一些结论。由于手臂和腿部的形状较长，因此比其他部件更难脱模，这使得材料更集中，部件更紧凑。这一事实迫使系统对这些部件执行两步脱模程序。首先将工件的上部抽离，使模具内表面与工件之间有气流流动，便于抽离过程。然后在下节脱模。此外，由于身体部分是最大的部分，机器人在脱模过程中需要做更多的动作，这意味着它比其他部分需要更多的时间。最后，头饰是最容易脱模，由于其均匀和圆形的形状。耳机内部也有大量的空气，夹手的手指可以应用真空，使脱模任务更容易。考虑到每个零件的形状不同，机器人在脱模过程中遵循不同的路径。拉长的部分需要补充运动，以最初释放上部部分，然后脱模的其余部分。此外，身体和头部是直接脱模的。

　　一般来说，可以看到所施加的力和速度的百分比与APS(公式1)之间的正向相关性，这证明了脱模任务需要操作员付出很大的努力。而检测模块的APS与机器人的速度或力无关，没有明显的变化;这取决于相机。最后，由于零件的柔软和柔性，抓取模块发生了变化，导致机器人从检测到抓取的时间过长;零件可能因温度不足而变形。

　　如前所述，APS (Eq. 1)度量独立度量每个模块的成功，并且可以看到它如何随着力和速度的增加而增加。然而，检测模块与机器人的性能无关，所以它大致保持不变。ATP (Eq. 2)指标与前一个指标具有相同的行为，因为它与机器人性能的力和速度直接相关。同时，机器人在80%时脱模1个头需要9秒，增加10%的时间减少1.5秒，最后，在100%时仍然快了1秒。在机器24小时工作的工业过程中，每天以80%的生产率生产9600头;与13292名100%的员工相比，这家公司有巨大的差异。ATPO (Eq. 3)和NTPH (Eq. 4)指标在三种情况下是相似的，因为包括滚塑过程和冷却的时间，它们是恒定的;然而，在1年的时间里，机器人在80%和100%之间的差异代表了1000多个生产件。最后，MOPH (Eq. 4)考虑APS (Eq. 1)，从表中可以看出3次脱模试验的差异很大。从80%到90%，性能提高了75.82%，从90%到100%，性能提高了34.83%。从长远来看，这些增量代表着显著的生产改善。在1年的时间里，机器人在80%的状态下运行9855个操作，每个操作是一个模具的完整周期，即生产了118,260个，在90%的状态下机器人生产了207,927个，在100%的状态下机器人生产了280,355个。20%的差异是一年生产数量的两倍多。总之，在不同的能力水平上进行测试，可以全面了解机器人的性能、安全边际、效率、结果有效性和适应性。这种方法确保了机器人的能力得到彻底的检查和验证，以实现最佳性能和安全操作，同时也考虑到操作条件随着时间的推移可能发生的变化。

　　最后，图14显示了机器人在头饰脱模过程中跟踪的轨迹。这种视觉表现为机器人在其环境中进行的运动和位移提供了有价值的视角。三维图形可以更好地理解机器人的位置和机器人工具施加的力之间的关系。蓝线表示机器人沿着任务路径的位置，红圈表示机器人工具获得的力的大小(尺寸越大，力越大)。

　　图14

　　

　　头部零件脱模时机器人的运动轨迹

　　如图14所示，一旦检测算法提供了工件提取点，机器人就会移动到模具上，执行抓取工件并脱模的轨迹。轨迹从“Init”标记开始。随后，机器人向前移动到“A”点，即检测到的耳机提取点。在此之后，机器人执行一个旋转运动，在“B”点施加力，在那里它使用抓手抓住工件。最后，机器人从“B”移动到“C”，并执行向上拉，成功地将零件从模具中取出。当机器人抓住、旋转并拉起以移除碎片时，会出现更大的圆圈。然而，机器人提供的力的大小仅在末端执行器中检测到，而不是在所有关节中检测到。为了更好地理解任务性能数据，图15显示了机器人的末端执行器位置和方向，以及脱模任务期间的力。这些值沿着迭代轴显示。

　　图15

　　

　　头部零件脱模过程中机器人的位置、方向和力

　　在比较之前的两幅图(图14和15)时，“A”、“B”和“C”点之间的关系变得明显。机器人开始运动，移动到A点，在A点方向和位置稳定在恒定值;然后，当力呈现上升趋势时，位置会发生短暂的变化。随后，机器人在到达点“B”时，随着力的施加而旋转前进，与初始点的z轴旋转一致。最后，当机器人到达“C”点时，它向上拉，显示沿z轴的位置和力升高。综上所述，当从模具中提取工件时，末端执行器记录了一个超过40牛顿的力，这意味着其他关节也受到更高的力大小。因此，很明显，机器人必须充分利用其能力，甚至接近其极限，以成功地执行脱模过程。

　　综上所述，本工作提出了一种新的自动化和协作机器人系统，能够在玩偶制造公司的真实工业环境中执行软塑料件的脱模任务。该系统基于视觉算法检测模具和零件的提取点，并将其发送给机器人进行脱模。该任务对力的要求对协作机器人是一个挑战;然而，通过执行与专家算子相似的轨迹，可以正确执行任务。

　　最后，这种协作任务允许操作员在机器人执行任务时执行其他需要更灵活的任务，避免受伤。结果表明，该系统的成功率为公司提供了有用的帮助，提高了产量，并为小型公司的技术转移提供了第一步。

　　ccDownload: /内容/ pdf / 10.1007 / s00170 - 023 - 12466 - y.pdf