在大多数制造业中，机器人会按照他们的指示行事。他们无法自学。这种情况开始发生变化，尤其是焊接机器人。路径机器人

训练有素的焊工可以查看打印件、查看焊接程序、将零件固定到位并开始焊接。机器人不是这样，至少传统上不是。

从历史上看，人、硬件和软件的组合已经教机器人做什么，通常由操作员使用示教器。所有这些都会消耗机器人的生产时间。教学可以动态发生，操作员沿着特定路径移动机器人手臂。它甚至可以通过在协作机器人焊接单元中激增的简化编程接口来实现。

另一种选择涉及离线编程和仿真。这通常伴随着机器人、夹具、零件本身的数字表示，甚至是单元周围的辅助组件，所有这些都是为了防止碰撞和验证过程。

所有这些都将现场工作减少到（***坏的情况）一些编程修饰。即便如此，还是需要有人开发夹具并运行离线程序。人类和软件仍然必须进行教学，无论是在办公室还是在车间离线。这需要时间和编程资源。机器人不能简单地“查看”零件并开始焊接——这一限制阻碍了机器人技术渗透到多品种、小批量、非连续生产的“长尾”。

这可能会改变。视觉、软件和机器学习方面的进步正在为一种新型制造机器人——有大脑的机器人奠定基础。

看，然后做

金属制造行业已经出现了一些可以帮助机器人看到然后做的技术。总部位于蒙特利尔附近的Omnirobotic已经实施了用于粉末涂料和类似应用的自学习机器人和协作机器人。在瑞典，OpiFlex开发了灵活的移动机器人，这些机器人经过训练可以“看到”特定机器上的特定工作——无论是折弯机、折弯机、加工中心、冲压机还是其他任何东西——并且知道什么接下来做。

具体方法不同，但总的来说，这种自动化被赋予了一种“机器人训练”，控制机器人如何与现实互动。因此，当机器人以这样的方式、方向和速度“看到”挂在粉末喷涂线上的零件时，它就知道以某种方式移动和喷涂。

一些公司已经深入研究寻找机器人焊接的类似解决方案，并且在过去几年中，一些组织已经将他们的技术推向了市场。从他们***初的成功来看，机器人焊接领域在未来几年可能会大不相同。

加速学习

Andy 和 Alex Lonsberry 在他们父母的定制摩托车工厂周围长大。兄弟俩从小就学会了焊接，但两人没有进入家族企业，而是进入了学术界。俄亥俄州本地人在凯斯西储大学攻读博士学位。Alex 专注于计算神经科学，Andy 专注于双足步行机器人的机器学习。

“我们专注于让系统像人类一样学习，”安迪说，并补充说他们的工作导致两人创办了一家咨询公司。“那家公司的全部目的就是去寻找市场痛点。”

有焊接机器人的金属制造车间

两个焊接机器人协同工作，焊接一个大型工件。他们直接从 CAD 文件和其中嵌入的焊接信息中绘图。Abagy 机器人系统公司

***终，两人在一家消声器制造商遇到了几位工程经理，讨论了一个与焊接无关的问题。正如安迪回忆的那样，“会议进行到一半，公司总裁走进房间说，‘让我们谈谈焊接吧。’ 他说他们有许多焊工都在老化。他们正在努力招募新人，因此无法扩大公司规模。

“他们是一家拥有大约 3,000 个 SKU 的高混合、小批量制造商，他们将运行 5 和 10 个批量。他们正在考虑多种选择，包括离岸外包。但他们是一家美国制造的公司。他们不想失去品牌知名度，他们担心质量下降。” 此外，该公司不想保留数百万美元的库存。“他们是一家现金流业务。他们想接受订单，制作并发货。”

制造商曾尝试过机器人焊接，但为如此多的零件变化构建定制夹具是不切实际的。零件公差也是一个问题，而且由于零件由薄不锈钢制成，因此焊接参数至关重要。

“长话短说，”安迪说，“他们就是没能成功。所以公司带着一个想法来找我们。“我们喜欢人类焊工。我们想要更多，但似乎找不到。我们正在努力发展这家公司。你有没有办法让这个机械臂给它眼睛和大脑？

在设计了多次迭代后，兄弟俩做到了，并于 2018 年成立了总部位于俄亥俄州哥伦布市的Path Robotics。该公司一直在以自动化即服务模式销售其系统。Path 保留设备的所有权，而制造商每月向 Path 支付固定费用，这一切都取决于对生产力和质量的某些保证。

如今，Path 单元的操作员使用简单的肘节夹和其他现成的物品，可以将零件固定在焊接台上的任何位置和任何方向。只要机器人可以物理地接近焊接接头，确切的位置并不重要。

系统的传感器扫描该区域，然后将他们看到的内容与嵌入在 CAD 文件中的信息进行比较。CAD 文件可以包括大量的焊接数据点，包括那些遵循焊接程序规范中规定的说明的数据点。至少，即使零件与模型不同，系统也会调整和适应零件。

该技术的起源源于兄弟俩的研究。“这关于机器能够评估返回给它们的数据，并允许它们在环境中进行探索，根据自己的探索将好与坏之间的模式联系起来。”

过于简单化，他们的研究涉及机器人和其他自动化“学习”而不需要大量数据集的方式。机器学习和人工智能中的传统方法通过从大量数据中提取而随着时间的推移而改进。这就是您的智能手机似乎每年都变得更智能的方式。Path 采用的学习方法当然可以从他们可以获得的所有相关数据中受益，但他们并不需要这些数据。

“这确实是使 [我们需要的那种机器学习] 在焊接环境中工作的***方法，”Andy 说。“我们需要能够通过小数据集推动价值。”

Path 使用自己的视觉、传感和软件技术，使机器人能够看到并评估夹在它面前的焊接挑战。传感器在焊接过程中反馈数据并在电弧之前查看工件几何形状，以适应装配变化。

Path 还使用了自适应填充技术。“我们看到[制造商]有不同的关节装配和准备，其中根间隙的大小和形状会发生变化，”安迪说。“我们调整焊接参数，以便能够适当地填充焊道，从而实现良好的焊接。

Andy 解释说，这种适应在 WPS 的限制下工作，对于结构焊接中的代码级工作尤其重要。在许多情况下，WPS 控制着技术（例如纵梁珠与编织）、行程和其他特性。

夹紧和走

Abagy Robotic Systems位于洛杉矶的战略和业务发展副总裁 Alexander Domanitskiy播放了一段视频，视频中技术人员使用简单的拨动和止动装置将工件夹紧在机器人单元中，从而将零件固定在随机位置。他走出牢房，走到一个计算机工作站前，查看了一个 3D CAD 模型。该模型仅包括零件和焊接数据——没有夹具、挡块或任何固定装置的模型。

气体保护金属电弧焊机器人单元有一个视觉系统，可以进行多次扫描，之后计算机屏幕上会出现一个红色的“浊点”。该系统可以匹配浊点数据和 3D 模型，了解它们之间的差异，并能够为实际工件而非理论 3D 模型执行轨迹规划。

此时，系统会针对任何焊接访问问题进行调整；在视频中，技术人员在调整机器人路径以适应夹具时监控系统。“在过去，机器人单元是为特定零件、SKU 或产品系列开发的，”Domanitskiy 说，“所有这些都需要复杂的工具。现在，我们正在切换到涉及分析工作区体积的不同概念。任何适合该空间的东西都可以焊接。只要机器人可以物理到达它，它就可以焊接它。您不需要特殊的固定装置或这些固定装置的 3D 模型。”

Abagy 在欧洲和美国（在休斯顿以外设有办事处）拥有安装和支持团队，其根源可以追溯到位于俄罗斯的全球展览制造商。“创始人有一个大约200人的生产车间，所有的工作都是金属和木头，当他意识到当你需要生产一批时，真的没有办法使用机器人时，他感到非常惊讶， ”多马尼茨基说。“他承诺在四年半前解决这个问题。我们的***次商业安装是在 2020 年 2 月。”

Abagy 的方法涉及使用本地和基于云的处理组合部署的专有软件。云执行繁重的计算和规划，而本地软件管理机器人单元。“也就是说，如果制造商需要，我们可以创建一个本地解决方案，”Domanitskiy 说。

该软件适用于各种现有的视觉和机器人系统。“在硬件方面，我们是相当不可知的，”Domanitskiy 说。“我们与主要的机器人品牌和各种焊接电源制造商合作，包括主要的制造商。我们使用各种视觉系统，具体取决于应用程序。”

他补充说，该公司的系统已部署在各种尺寸的零件上，包括使用一个或多个机器人的涉及大型结构梁和板的工作。该技术以多种方式与多焊接机器人设置配合使用。一种方法是设置两个虚拟焊接单元，每个机器人都在执行特定任务。另一种选择涉及设置单元，以便两个机器人可以协作工作。

焊接机器人

在扫描工件并将其与嵌入焊接数据的 CAD 模型进行比较后，机器人开始焊接——无需示教器、离线编程或动力学示教。路径机器人

“两个机器人可以并排工作，我们可以检查它们之间的连接以进行协作操作，”Domanitskiy 说。“想象一下，一个机器人的电线用完了。在这种情况下，我们可以自动将一些焊接任务重新分配给其他机器人。”

他补充说，该软件可以与与龙门和定位器一起移动的机器人一起使用。“我们基本上对可以支持的轴数没有任何限制。我们使用数字双胞胎进行所有轨迹规划，以检查碰撞和奇点。每当我们允许操作员按下按钮执行工作时，我们已经使用数字双胞胎对其进行了测试。”

正如 Domanitskiy 解释的那样，该系统还可以检测并实时调整焊缝收缩。“当我们进行焊接时，我们确切地知道焊丝***应该在哪里......当我们沿着路径分布热量时，我们知道我们将在零件几何形状方面经历一些变形。因此，我们不断修正焊丝***的位置以适应接缝几何形状。”

自治的未来？

普遍的看法是，机器人在制造业中无处不在。但任何在车间工作的人——尤其是金属制造行业的人——都知道这不是真的。

制造商与集成商合作，围绕具有可预测需求的特定产品开发机器人自动化。然而，大多数工作都像往常一样流动，从切割到弯曲再到手工焊接。

到 2022 年，该行业可能会显示出逐渐发生巨变的开始，自主自动化使机器人技术不仅适用于一个产品系列或价值流，而且适用于车间的几乎所有地方。当机器人有大脑时，它们的潜力就会增长。