据美国先进制造
机器人（ARM）创新机构官网2023年1月26日报道，该机构将为11个新技术项目提供近790万美元资金支持，这11个项目总投资额大约为1660万美元。这11个项目涉及美国制造业的关键需求领域，特别是国防部和工业界在机器人技术方面的关键需求领域。
项目征集由ARM创新机构的内部专家团队、ARM成员和美国国防部合作伙伴共同策划和实施，通过征集到的项目，在工业界、政府和学术界之间架起了一座可以鞭策制造业先进机器人领域关键创新的桥梁。到目前为止，ARM创新机构已经投资了120多个机器人技术和劳动力开发项目。此次获资助项目是通过ARM创新机构ARM-TEC-22-01号技术项目公告征集的，侧重于以下专题领域：自适应实时路径规划与控制，人类行为&意图预测，机器人学习，特征和姿态识别与估计，先进机器人系统的虚拟调试，先进制造机器人系统的人工智能（AI）与数据，离散与连续制造过程的多智能体运动规划与任务处理，先进镀膜
应用中的虚拟掩模。
本次资助的11个项目的简述如下：
（一）陶瓷基复合材料的自动抓取、铺放和成型
主研单位：波音公司
合作团队：南加州大学和明尼苏达矿业及制造公司（3M）
项目描述：该项目旨在开发自适应路径规划，以确保高超声速平台或超过5倍音速（5马赫或更高）的物体使用陶瓷基复合材料（CMC）部件的经济性。同时该项目还关注使用基于三维视觉的传感器处理CMC织物预浸料的自动拾取、放置和成型，项目寻求对这一方面的整合改进，以降低CMC结构高速生产的成本和可变性。这种方法的优点包括拥有具有成本竞争力的钛替代品、更高的加工效率，以及可应用于其他材料和工艺的应用。
（二）热塑性复合材料结构的快速焊接
主研单位：雷神科技研究中心
项目团队：卡内基梅隆大学、沃森技术有限责任公司和柯林斯航空航天公司
项目描述：轻质碳纤维增强热塑性复合材料（CF-TPCs）是国际公认的能够满足未来航空航天市场高速率需求，并提供可持续性益处的材料。CF-TPCs快速制造速率的一个关键因素就是其焊接能力，这种材料无需使用传统耗时的粘合剂进行粘合或机械紧固。目前，有三种发热方法在焊接TPC（热塑性复合材料）的应用和发展中占主导地位；然而，这些方法现在大多都无法应用于复杂的航空器结构。本项目旨在促进TPC部件快速超声焊接的机器人自动化。这些创新有望提高焊接速度，提升在更广泛产品中的适用性，减少装配时间，并减少焊接试验和工艺校准件的数量。
（三）敏捷自动目视检查
主研单位：通用电气公司研发中心
项目团队：华盛顿大学和GKN航空航天防务公司
项目描述：零部件的精确目视检查对于航空航天的安全性至关重要，并且这往往是制造过程中的限制因素，尤其是对于复合材料零部件而言。当前的流程耗时、需手动、主观，往往并不准确，并且需要大量培训。该项目旨在构建一个敏捷的自动化目视检查系统，通过自动化表面分割和集成智能照明来减少新零件几何形状的设置时间，从而实现优化成像的实时决策，并利用人工智能（AI）构建一个自动化和稳健的缺陷识别与分类系统。
（四）多
开云电竞官网下载app融合制造
主研单位：伦斯勒理工学院
项目团队：通用电气公司研发中心、WasonTechnology、日本安川电机和美国西南研究院
项目描述：该项目旨在通过多个机器人的协调运动进行融合制造，以实现准确快速的相对刀具运动，从而完成增材制造、减材制造和转换制造任务。该项目的成果将使来自多个供应商的机器人能够高精度、高质量地制造零部件，使制造工程师能够做出更好的工艺决策和调整，并通过自动化运动编程节省时间。这个项目将建立在ARM研究所之前几个项目的成果上，其中也包括机器人Raconteur。
（五）开云电竞官网下载app 检测应用视觉系统（VCVS）的虚拟调试
主研单位：西门子公司
项目团队：波音公司与PremierAutomation
项目描述：安装或修改用于生产线检测的机器人图像采集系统可能是一个繁琐的手动过程，需要来自如照明、相机、机器人、自动化、人工智能和生产过程等不同领域的全职人力资源。该项目旨在利用数字孪生技术来减少自动化目视检查所需的工作量、时间和训练数据，使这一检查系统可以工业应用中得到更广泛的实施。该项目的成果力求减少检测系统的调试工作，减少训练AI检测模型所需的真实单元数据，并缓解劳动力短缺造成的生产瓶颈。
（六）机器人3D服装缝制
主研单位：西门子公司
项目团队：Sewbo、LeviStrauss、BluewaterDefense、SaitexUSA和ISAIC
项目描述：自2018年以来，先进制造机器人（ARM）创新机构已经完成了多个机器人项目，大大推进了机器人缝纫的技术发展。该项目试图在之前这些机器人缝纫技术的基础上，通过在三维空间中实现自动化缝制，来增强人工操作者与服装组装相关的常见行为，如拾取、对齐和缝制具有复杂三维形状的工件。该系统将基于边缘人工智能（物体姿态估计）和高级控制（三维缝纫）。除了缝纫，这项技术还将应用于如航空航天等需要处理柔性材料的行业。
（七）减少大型金属加工变形的基于人工智能的机器人计量学
主研单位：艾瑞斯科技
项目团队：奥什科什公司、日本安川电机、美国西南研究院、卡内基梅隆大学、Plectix
机器人公司
项目描述：本项目旨在通过训练人工智能模型来开发一个人工智能框架，以减少金属加工中的变形。项目团队将通过研究结构、标准和实践来收集和管理基于人工智能的变形减少数据，并利用这些数据为过程中的传感提供闭环。预计这些产出可以提高质量、减少训练数据集要求、降低成本并节省时间。
（八）复杂零部件表面处理的协作式机器人工艺规划
主研单位：俄亥俄州立大学
项目团队：美国西南研究院、日本安川电机和诺斯罗普·格鲁曼公司
项目描述：该项目将开发一个具有自然语言交互和手势识别功能的增强现实（AR）环境，为复杂几何形状的机器人表面处理的高级刀具路径规划提供直观界面。该环境将利用快速作用的喷涂模型来预测工艺结果，以指导用户和训练机器学习算法，从而不断改进工艺计划。该项目旨在减少准备时间并提高小批量、高混合部件的表面加工操作质量。
（九）大型结构制造中的多机器人任务规划
主研单位：伦斯勒理工学院
项目团队：AnchorIndustries和PvilionTechnologies
项目描述：该项目旨在为有时间限制的多机器人任务开发一个先进的运动计划器，并求出完成任务的最佳无碰撞机器人轨迹。本项目研发建立在项目团队之前的工作基础上，该团队之前构建了一个多机器人织物操作系统。该项目的成果有望改善和简化大型结构制造中的多机器人系统编程。
（十）无夹具机器人装配和制造环境（框架）
主研单位：洛克希德·马丁公司（LockheedMartin）
项目团队：南加州大学、卡内基梅隆大学、CapSen机器人公司
项目描述：本项目旨在为无夹具和动态高混合/小批量（HMLV）制造，构建一个可配置的机器人系统，该系统可识别/检查装配部件，自主规划运动和任务，并优化人类与机器人制造单元的协作。通过消除夹具，该项目能够实现机器人制造单元的快速再利用，并降低生产成本。为了增强单元的灵活性和吞吐量，任务规划器将接受高级装配指令，并根据操作复杂性在人类和机器人之间分解任务。
（十一）基于决策与控制强化学习的分层机器人学习框架
主研单位：通用汽车公司
项目团队：通用电气公司研发中心、弗吉尼亚大学、西门子公司
项目描述：本项目旨在采用强化学习（RL）算法，使制造机器人系统能够在最小或无人工干预的情况下执行新任务。该团队将通过构建一个分层RL框架来实现这一点，在该框架中，专家知识、历史数据和数字孪生模型被用于有效地学习操作策略，以执行非结构化任务。预计这些产出将减少实施灵活自动化的时间和成本。
