ugg和koalabi区别（一文读懂什么是UGV）
ugg和koalabi区别（一文读懂什么是UGV）▶自主移动▍各个部分如何分工协作？室外复合机器人在组成机构上与室内复合机器人类似，即由移动底盘 协作机械臂 执行末端 各类传感器组成，是一种集移动、环境感知、抓取等功能于一体的复合型机器人。图片源自史河机器人官方微信图片源自史河机器人官方微信
说起复合机器人或移动操作机器人，大家肯定不陌生。早在2015年，新松就推出了由国内首款复合机器人。经过几年发展，复合机器人凭借“手脚”协同带来的优势，在3C、半导体等多个行业找到了应用场景。
图片源于新松官网
实际上，复合机器人（移动操作机器人）可以分为以AMR COBOT为代表的室内复合机器人和以UGV COBOT为代表的室外复合机器人两大类，前者“主内”，为解决厂内柔性生产而生；后者“主外”，为巡检、移动抓取、农业采摘等诸多的场景而生。室外移动机器人由于还未规模落地应用，更多的场景还在研究开发中，大家对于它也许会陌生一些，今天，我们就聊聊室外复合移动机器人这个“复合机器人”中的“新物种”。
▍室外复合机器人（UGV COBOT）是什么？
室外复合机器人在组成机构上与室内复合机器人类似，即由移动底盘 协作机械臂 执行末端 各类传感器组成，是一种集移动、环境感知、抓取等功能于一体的复合型机器人。
图片源自史河机器人官方微信
图片源自史河机器人官方微信
▍各个部分如何分工协作？
▶自主移动
室外移动底盘（UGV）作为整体系统承载，负责“移动”的工作。类似AMR，UGV也可以实现自主移动。它使用点云ICP 匹配算法，融合 3D激光雷达、IMU、GPS 数据，实时构建环境 3D 点云地图，在接到去往指定目标点位时，UGV可以进行智能路径规划。
图片源自史河机器人官方微信
▶目标识别
深度视觉负责对目标物体的识别。识别的方法来是通过深度学习来实现，即在可能的场景下预先对大量包含识别目标的数据集进行标注，并加入干扰项得到完整的训练集。对训练集的样本实例按照一定策略进行缩放与分割后利用卷积神经网络迭代训练生获得特征图。后续利用这些特征图在实际画面中进行特征锚的匹配，最后用边框回归算法修正特征边缘以得到特征候选区域。
图片源自史河机器人官方微信
▶抓取
机械臂 机械手组成的执行部分，在接收到目标物的点位后，由机械臂控制器控制，进行运动规划，并最终抓取目标物的任务。
移动、识别、抓取是复合机器人完成一个抓取任务的三大步骤。在这个过程中，技术上的难点在于：如何解决底盘、机械臂、雷达、深度相机等各个单元之间的控制与内部通讯呢？秘诀在于工控系统，它在执行任务过程中扮演着大脑的角色。
工控系统通过串口与移动底盘进行通讯，同时获取雷达、IMU、GPS等传感器的数据并与环境模型进行匹配，得到机器人的精确位姿，从而实现对底盘实现精准控制，使其在室外进行自主导航时能达到厘米级的定位精度。而机械臂、视觉、夹爪则通过高速数据接口直接与工控系统进行通讯，并由工控系统进行控制。其中支持ROS的机械臂，如kinova机械臂，可直接由基于ROS的工控系统控制，而不支持ROS的协作机械臂，则由封装并集成机械臂通信协议的工控系统发送指令到机械臂控制箱，再由机械臂控制箱完成机械臂的运动控制。
实际上，室外复合机器人不是简单的“堆料”，而是以工控系统为核心，通过多传感器融合，可实现自主导航、视觉识别、抓取等多种复杂功能的机器人系统。
▍室外复合机器人的应用及其前景
需要特别说明的是，室外复合机器人目前处于科研阶段，离真正规模化落地应用还有很长的路要走。作为复杂的机器人系统，室外复合机器人其涵盖了机器人的运动控制、环境感知、导航规划、ROS学习、机械臂运动规划、计算机视觉等机器人相关领域的多个方面，而到目前为止，很多方面的技术还未达到实际落地应用的要求。
图片源自网络
但与室内移动机器人（AMR）不同，室外移动机器人（UGV）在通过性上有天然优势，这种优势在复合机器人上会被放大，并让机械臂突破固定点位的限制，能在更广阔的天地有所作为。UGV能到的地方，就是机械臂的舞台。因此，成熟的室外复合机器人除了在室外能大展拳脚，比如可应用在垃圾拾取、农业采摘、园区配送、助老助残等多个场景，也可以做一些室内场景的应用，其应用前景是极其光明的！
垃圾拾取（图片源自史河机器人官方微信）
园区配送（图片源自史河机器人官方微信）
农业采摘（图片源自史河机器人官方微信）
Kinova gen2应用于助老助残（图片源于网络）
史河机器人作为室外移动机器人专业制造商，特别关注室外复合机器人的发展，并推出了旨在为广大的从事ROS研究、运动控制研究、农业采摘研究、巡检研究、视觉研究的科研院所、高校等机构和个人节约开发成本、提高科研效率的室外复合机器人。该复合机器人基于其自主研发的室外移动机器人平台打造，具有支持ROS、通过性强、环境适应能力强等特点。还可以根据用户学习、研究需求定制，非常适合相关专业的科研人员、学生使用。
