Yanshee 机器人采用Raspberry Pi + STM32 开放式的硬件平台架构，有丰富的开源资源支持。具有17 个自由度的高度拟人设计，并支持模块化拆装；支持AI 语音/ 视觉技术；支持多传感器及通信模块，并兼容多种开源传感器包；提供自研工具软件并适配专业开源软件，支持Python、Java、C/C++、BLockly 等多种编程语言及多种AI 应用的学习和开发。

产品详细介绍1、25个自由度：头部2个；手臂10 个；胯部1个；腿部10个；手部2个。2.、音频：2个扬声器：直径=36mm；阻抗=8 ohms ；声道音量=87dB/w +/-3 dB；音频范围=可达约20kHz；输入=2W；4个扩音器：敏感度: -40 +/- 3 dB；音频范围: 20Hz-20kHz；信噪比=58dBA。3、致动器：霍尔效应传感器（Academics版：36个）：12位精确度，例如每转4096约相当于精确度0.1°；dsPIC微控制器；采用直流空心杯电机。4、传感器：36个霍尔效应传感器；2个单轴陀螺仪；1个三轴加速计；2个碰撞器；超声波系统：2个发射器，2个接收器。频率：40kHz。敏感度：-86dB。分辨率：1cm。检测范围：0.25mm~2.55m。 有效锥形：60°。2个红外线仪。波长：940nm。发射角：+/- 60°。功率：8 mW/sr。摄像头：2个，有效像素1288*968，分辨率1.22MP，30帧/秒（FPS）。聚焦范围：30cm ~无限大。视野：72.6°DFOV[60.9°HFOV，47.6°VFOV]，数据格式：YUV422。压力传感器：0-110N，每只脚上4个；5、发光二极管（LED）：眼部：2套8个全彩RGB发光二极管；耳部：2套10个16级蓝色发光二极管；胸部：1个全彩RGB发光二极管；脚部：2个全彩RGB发光二极管；头部：12个16级蓝色发光二极管。6、本体内部主版：CPU：ATOM Z530，高速缓冲存储器：512KB，时钟速度：1.6GHZ，FSB速度：533mHz；RAM：1GB；闪存：2GB ；MICRO SDHC卡：8GB。7、嵌入式软件：操作系统：嵌入式GNU/Linux (32 bit x86 ELF)，基于Gentoo的发行套件；8、编程语言：上位机软件支持：C++/Python/.NET/Jave/MatLab/Choregrahpe编程语言，机器人本体支持C++/Python编程语言。9、网络连接：以太网连接 1*RJ45-10/100/1000 BASET；WIFI无线网络连接（IEE 802.11b/g）。10、电力：输入：100-240Vac-50/60Hz-最大1.2A；输出：25.2Vdc-2A；电池：类型：锂电池，额定电压/容量：21.6V/2.15Ah，能量：27.6Wh，充电用时：3小时，自主动力：60分钟（活跃使用）/90分钟（正常使用）。11、软件开发包与智能控制系统：智能刚度功能、防自撞功能 、摔倒管理功能、物体识别、面部探测与识别、自动语音识别（8种语言，其中中英文语音识别免费提供）、声音合成（19种语言，其中中英文为免费提供）、声源定位。12、认证许可：符合 CE、FCC。13、为保证产品质量及售后服务，投标人必须提供制造厂家针对该项目的授权及售后服务承诺书原件。14、提供专用参考书供科研、教学参考。联系方式：028-66311152转802/803/805/808联系人：张经理、林经理成都正烁科技有限公司 

产品详细介绍机器人身高1.30米,重量65KG，ABS材质，最大移动速度3.6km/h，操作系统：UROS；具有深度语音交互、机器人视觉、自主定位与导航、自动避障、运动控制、机器人仿生模拟和模块化设计等功能。能运用声控识别、自然语言理解、人脸识别、情绪识别等技术为商业客户提供更加人性化的交互式服务。具有语音识别、人脸识别、动作识别、手势识别、表情识别、触控识别、感应识别等多模态人机交互形式。内置国学教学系统，实现国学交互教学。

产品详细介绍  创新教育改革  新型机电技术教学项目        创新与创业的新型教学产品----可拆装可组合教学机器人机械手                 AT-X  6轴教学机器人（步进伺服驱动，6轴联动，示教编程）      可拆装可组合6轴教学机器人（可拆装，与工业4-6轴喷漆、焊接、取件机器人接轨）           视频：百度搜索：教学机械手，6轴教学机械手        报价：4轴3万，5轴3.8万，6轴4.3万珠海市华普自动化科技有限公司网址 http://huapu.114ct.com/ 视频www.tudou.com/home/_75709667http://u.youku.com/user_show/id_UMjY2NTE3NTY4.htmlhttp://you.video.sina.com.cn/pnpnpnpnhttp://pnpnpnpnpn.51sole.com/继电脑、手机、互联网之后，机器人作为又一个新兴产业已经悄悄崛起，机器人技术是机械、电子、控制、计算机、软件和传感器等多学科交叉融合的前沿技术，其产值将迅速增长。而一个新兴产业的发展，需要大批的科研、工程人员，大专院校作为培养人才的主要场所，对机器人技术的人才培养尤为重要。AT-X  6轴教学机械手，产品融入了新技术和新工艺，其特点是结构合理，性能先进，精度高，实用性强，六个轴采用步进电机驱动方式，适合精度高，快速作业的需要。产品规格350*350*1000mm。采用垂直多关节串连结构，最大工作负载1/3公斤，可以应用于工业生产中焊接，工业喷漆，涂胶，切割、等作业蕴涵的工程教学内容：6轴机械手的构成，材料选择，星形和涡轮涡杆减速传动原理、步进电机工作原理，6轴控制系统及其程序编制，电气控制箱设计与制造。机器人机械手项目有助学校在“融入”上做文章，在“对接”上下工夫，在“服务”上创特色。教学机器人控制系统特点：1、控制器采用多达20级的运动指令缓冲区运动控制芯片，特别适合高速多线段或圆弧连续插补的运动控制；6轴联动，采用5.6寸液晶屏执行ISO国际标准G代码；采用多层线路板，32位高性能的CPU和超大规模可编程器件FPGA，系统的整个工艺采用表贴元器件，从而使整套系统更为紧凑；2、48路输入，40路输出接口，全光耦隔离，抗干扰性强，运行稳定3、有手动，自动，归零，手轮，编辑，录入操作，单步手轮模式；可通过键盘对机械手进操作；在示教编程的基础上，指挥六个伺服/步进电机完成指定的动作4、主要零配件配置有6轴控制系统及电气箱，步进马达，星形和涡轮涡杆减速机，铝合金手臂、支架，钢材底座5、示教编程过程支持绝对位置、相对位置、延时、等待任意IO口输入信号、控制任意IO口输出信号、程序段循环调用等等。6、工作速度，灵活可调，产品适用于教学、科研，适用于机床、家电、汽车、摩托车、轻工等行业部件的搬运、弧焊、涂胶、喷涂、切割、等领域。今后，该产品将广泛应用，市场前景广阔。技术参数：项目     参数型号     AT-Q自由度     6驱动方式    步进/伺服驱动有效负载     3kg重复定位精度     ±0.5 mm运动范围     J1轴     ±150°     J2轴     ＋120°～－85°     J3轴     ＋85°～－170°     J4轴     ±160°     J5轴     ±115°     J6轴     ±300°最大速度J1轴     2.18rad/s，125°/s     J2轴     2.09rad/s，120°/s     J3轴     2.18rad/s，125°/s     J4轴     3.93rad/s，225°/s     J5轴     2.53rad/s，145°/s     J6轴     5.24rad/s，300°/s周围环境     温度     0～45℃     湿度     20～80％（不结露）     振动     4.9m/s2以下安装方式     地面安装本体质量     42kg本体尺寸   380*330*1000臂长       500  活动范围  *400*400 *800珠海市华普自动化科技有限公司  网址 http://huapu.114ct.com/       http://pnpnpnpnpn.51sole.com/联系电话：13417736537   0756-7796528  13267957849 联系人：吴先生   电子邮件： 1113789835@qq.com  QQ：1113789835      http://pnpnpnpnpn.tgshebei.cn/usercplist.aspx 视频www.tudou.com/home/_75709667 http://u.youku.com/user_show/id_UMjY2NTE3NTY4.htmlhttp://you.video.sina.com.cn/hpzdhkj地址：珠海市金湾红旗广安路113号

通过引入机器人，提升数据中心的数字化、自动化、智能化水平。拓展数据中心自动化感知和远程控制能力，大幅度提升腾讯数据中心基础设施的各项软硬件性能水平，从最基础层助力腾讯各项业务的竞争力提升。 1.解决数据中心运维人力不足和难以招聘问题，通过自动化运维，替换人力，提升效率。 2.大规模数据中心内部巡检，解决人力资源巡检不安全、不细心、不及时问题。 3.大规模数据中心硬件运维操作量大，通过自动化运维，降低人力依赖。 4.完成随工管理、智能门禁、烟感警报、PM2.5管理、远红外监控、视频采集、自动巡检等主要功能。

随着社会的发展和技术的进步，人们对于机械臂的需求也越来越广，为了适应任务的复杂性、智能性、柔顺性要求，双臂机器人应运而生。双臂机器人是基于睿尔曼超轻量仿人机械臂打造的一款智能化通用平台。 平台搭载2台7轴机械臂，可以像人手臂一样自由工作，具备单臂独立操作和双臂协同操作能力；底端配备移动机器人，具备运动、导航、避障能力。同时平台集成了语音模块和深度视觉，赋予双臂机器人语音交互与视觉感知能力。

研制了网络化移动机器人群编队的分布式协调控制系统，系统地开展了关于多机器人编队寻迹控制方法、无线网络下多机器人通信环境的建模和协议设计两个方面的研究；研制了基于OPNET的多机器人编队控制仿真平台和具有非完整约束的多移动机器人实物演示系统。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

本实用新型公开了一种变电站绝缘子带电水冲洗机械臂，包括基座、刚性主臂、绝缘臂、高压水喷 头，所述刚性主臂下端与基座通过第一销轴铰接，所述基座上设有与第一销轴相连的第一驱动装置，刚 性主臂顶部与绝缘臂底部通过第二销轴铰接相连，刚性主臂上设有与第二销轴相连的第二驱动装置，所 述高压水喷头与绝缘臂顶部通过第三销轴铰接，所述绝缘臂上设有主动皮带轮和驱动主动皮带轮的第三 驱动装置，第三销轴上设有固定相连的从

项目背景：目前电力机器人在作业过程中，由于环境恶 劣，电磁刚绕强度高，造成控制系统不稳定；同时在巡检过 程中，要对各种线路金具、各种作业仪表进行识别与检测， 通常采用机器视觉技术。但由于机器人作业在野外或阴暗照 明等复杂环境，存在识别率低，不稳定等问题。本项研究针 对特殊应用环境，拟开发一套基于机器视觉的巡检机器人控 制系统。 所需技术需求简要描述：1.基于多传感器信息融合的机 器人越障系统：主要包含视觉、激光雷达、超声、红外等传 感器信息，能够实现对巡检路径上障碍物的实时识别与定 位；2.巡检机器人远程监控平台：用于对巡检机器人采集到 的信息进行远程传输和监控，包含巡检路径上的实时视频传 输、机器人运行状态信息显示、巡检故障诊断与显示等；3. 小样本深度学习算法：针对极端环境下数据采集困难，数量 少等问题，研究基于小样本学习的深度学习算法，提高极端 环境下的障碍物识别精度；4.图像增强算法：针对高空强光、 阴暗、潮湿等极端环境所带来的图像识别困难问题，研究相 应的图像增强算法，提高识别精度。主要技术指标：1.开发 设计一种适合高压线路金具视觉检测与识别技术，对输电线 路各种金具进行动态识别与检测，解决野外环境下识别率低 的问题，形成一套完整的线路金具机器视觉识别与检测方 法。2.开发设计一种适合地下阴暗、潮湿、多尘环境下视觉检测与识别技术，形成一套完整的机器视觉识别与检测方 法。包括线路金具的识别模型和线路金具的定位方法与双目 测距技术。  对技术提供方的要求:拟与高校联合开发，要求团队具 有类似经验，具备电力机器人研究经历，具有电力线路识别 研究基础，最好有研发案例。