FRANKA RESEARCH 3

FRANKA RESEARCH 3

Franka Research 3是一款引用世界级、敏感力的研究机器人系统,为研究人员提供易于使用的机器人功能以及对机器人控制和学习能力的低级访问权限。

分类:

描述

特性

首选平台,用于尖端人工智能和机器人技术研究

Frank Research 3是一款引用世界级、敏感力的研究机器人系统,

为研究人员提供易于使用的机器人功能以及对机器人控制和学习能力的低级访问权限。

人工智能和机器人工具集

机器人系统

Franka Research3机器人系统包括了Armand控制系统。这款敏感且灵活的机械臂在每个关节都配备了扭矩传感器,具有工业级姿态重复性为+/-0.1mm,并且即使在高速运动时也几乎没有路径偏差。它具有3kg的负载能力,855mm的作业半径和94.5%的工作空间覆盖率。

FCI(Franka控制接口)

FCI列表是探索低级编程和控制方案的理想接口,提供机器人的当前状态,并使其能够以1kHz的速度进行指挥。在C++接口库franka之上,与最流行的生态系统ROS、ROS2和MATLAB&Simulink集成可用!

DESK

Desk是基于浏览器的用户界面,提供快速的机器人控制选项,并且可以将应用程序拖放到序列中以快速创建整个任务。非常适合快速原型设计机器人行为、设置实验、进行简单的人机交互研究和演示。

Watchman

易于使用和快速实施安全。感谢基于浏览器的用户界面Watchman,通常复杂的安全设置被大大简化,以确保您的实验室和实验人员得到保护。

每个使用案例的正确界面

三个访问级别针对不同的需求和技能,适用于整个机器人研究领域。

DESK

使用简单且编程时间最短的特点使得Desk成为快速原型设计、简单人机交互研究和演示中最合适的界面。

RIDE

它使研究人员能够将Franka Emika系统完全整合到实验设置中,并利用其集成的高性能控制器。这也是一个很好的教学工具,适用于初级机器人学。

FCI

FCI绕过机器人的控制,让研究人员能够在外部实时可行的个人电脑上以1kHz运行自己的控制算法。这是探索低级规划和控制方案的理想接口。

技术参数

机械臂
自由度7接口

•以太网(TCP/IP)用于视觉直观编程

•带有桌面安全输入外部启用设备
•2个可配置的安全输入用于紧急停止装置、保护装置或其他防护装置(通过外部OSSD转换器连接)

•硬件准备:2个DI和2个DO(24V,隔离,符合EN61131-2类型3特性,100Hz采样率)

•Control连接器

•末端效应器连接器

负载3kg
最大伸展距离855mm
力/扭矩传感所有七个轴上都配备了链侧扭矩传感器
关节位置限制A1,A3:-166/166度 A2:-105/105度 A4:-176/-7度 A5:-165/165度 A6:25/265度 A7:-175/175度
安装法兰DIN ISO9409-1-A50
安装位置直立用户界面位于手臂驾驶员握把上•集成安全评级的导向使能开关
•导向按钮
•导向模式选择器
重量~17.8kg
防护等级IP40
环境温度+5°C至~+45°C
空气湿度20-80%非冷凝用户界面在Arm的驾驶员盘上•状态指示灯
•飞行模式选择器
•方向键、学习、确认、删除
控制性能
控制器尺寸(19英寸)355×483×89mm(长×宽×高)运动
供电电压100-240V交流电关节速度限制A1-A4:150°/s A5-A7:301°/s
主频率50-60Hz 
功耗~80W笛卡尔速度限制高达2米/秒的传送速度
主动功率因数校正(PEC)姿态重复性<+/-0.1mm(ISO9283)
重量~7kg 
防护等级IP20交互
环境温度+5°C至~+45°C引导力~2.5N
空气湿度20-80%非冷凝可调的平移刚度10-3000N/m
允许的安装方向水平可调旋转刚度1-300Nm/rad
接口•以太网(TCP/IP)用于互联网/车间连接 •电源连接器 IEC60320C14(V-Lock) •臂式连接器监控信号关节位置、速度、力矩,笛卡尔位置和力量。

从机器学习、机器人控制和运动规划,到操作和强化学习。

对于处在人工智能和机器人技术前沿的研究者来说,FRANK  RESEARCH3提供了一个参考力敏感机器人平台和强大的控制接口,以便快速获得结果并进行发布。该平台还为寻求自动化实验设置的研究者提供了低门槛入门机会,并支持教授机器人控制和自动化课程。

引导不确定性意识到政策优化

基于目标的模仿学习的动作推理

RL Bench: 机器人学习基准

受限的概率运动原理用于机器人轨迹适应

离地球空间环境中,强化学习用于机器人岩石抓取学习

学习通用的能力 通过低维几何描述符进行障碍物避免的耦合术语

6自由度在杂乱环境中的目标驱动物体操控

可证明安全且高效的运动规划与不确定人类动力学

一种新颖的自适应控制器,用于使用主动推理的机器人操纵器。

一个用于MOCA的远程操作界面,用于控制机器人的运动和操纵。

规划最大-可操纵性切割路径-R RT*-R MM

在线规划在信念空间中针对部分可观测的任务和动作问题

在动态环境中的目标导向任务和运动规划

搭建学习: 学习如何搭建机器人操作技能的发展

学习生成具有可达性意识的6自由度抓取姿势。

学习预抓取 从无法抓取的姿势中操纵物体

交互力计算 利用环境刚度估计无传感器机器人应用

基于反馈的织物条折叠

描述物理学的物理推理:基于力量的顺序操作规划

深度视觉推理:从图像中学习预测任务和动作规划的行动序列

工业装配任务的能力感知角色分配方法

人机交互用户研究的框架

基于搜索的任务规划与学习技能效果模型,用于终身机器人操作

用于多臂系统遥控操作的共享自主可重构控制框架