Telebediende Live-Line distributierobot Werkende Robot gebaseerd op mens-robot gedeelde besturing

Samenvatting

Er is een telebediende live-line distributierobot ontwikkeld die gebaseerd is op mens-robot gedeelde besturing. Laboratoriumexperimenten toonden aan dat shared-control weging de trajectefficiëntie verbeterde en de taak voltooiingstijd en subbewegingen verminderde. Een abrupt algoritme voor detectie van teleoperatiegedrag verminderde plotselinge operatorbewegingen en werd succesvol gevalideerd in veldtapoperaties.

Samenvatting

Traditioneel live-line werk op distributiestroomlijnen is afhankelijk van handarbeid, gekenmerkt door hoog risico, hoge arbeidsintensiteit en hoge opleidingskosten; Daarom is het ontwikkelen van distributie-live-line werkende robots een essentiële weg om handmatige bewerkingen te vervangen. De werkomgeving is echter zeer ongestructureerd en dynamisch, met uitdagingen zoals complexe buitenverlichting en onvoorspelbare windomstandigheden. Bestaande robots gebruiken voornamelijk master-slave teleoperatie of volledig autonome modi, die zware mentale lasten leggen aan operators, zeer gevoelig zijn voor miswerking en beperkte omgevingsaanpassing vertonen.

Om deze problemen aan te pakken, presenteert deze studie een telebediende distributie-liveline werkende robot gebaseerd op mens-robot gedeelde besturing. Het uiteindelijke manipulatortraject wordt verkregen door een lineair gewogen combinatie van twee referentietrajecten, afzonderlijk geleverd door de menselijke operator en de automatische planningsmodule van de robot. Deze aanpak vermindert de afhankelijkheid van de robot van de operator, verlicht de mentale last van de operator, verbetert de efficiëntie en voorkomt abrupte mishandelingen door de menselijke operator. Tot slot presenteert het artikel het systeemontwerp en verifieert het de effectiviteit ervan door toepassing in praktijkpraktijk in live-line taping-operaties.

Inleiding

Stroomlijnbediening is een cruciale methode voor inspectie, testen en onderhoud van hoogspanningsapparatuur. Het volume van live-line werk in China is snel toegenomen. Vanuit het perspectief van de vraag in de industrie is het oplossen van het probleem van personeelsveiligheid bij live-line werken een langdurige en zware taak. Innovatie en verbetering zijn nog steeds nodig in methoden, technologieën, apparatuur en concepten.

Distributie live-line werken is een van de meest voorkomende vormen van live-line werken, bedoeld voor het onderhoud van stroomverdeling live-line. Door de complexe verlichtingsomgeving, de dichte apparatuurindeling en de kleine fase-tot-fase en fase-naar-grond afstanden in distributiestroomlijnen, zijn deze operaties grotendeels gebaseerd op traditionele handmatige methoden. Deze traditionele aanpak kent echter problemen zoals hoog risico, hoge arbeidsintensiteit en hoge trainingskosten¹. Daarom is het ontwikkelen van robots met live-line werkmogelijkheden ter vervanging van handarbeid een onvermijdelijke trend geworden voor toekomstige distributienetwerkoperaties en onderhoud.

Sinds de jaren tachtig hebben landen als Japan en de Verenigde Staten onderzoek en proeven op dit gebied uitgevoerd (zoals te zien in Figuur 1). De vroegste systemen waren master-slave tracking telebediende robots. Zo installeerde Japan's Phase II live-line werkrobot² een drie-vrijheidsgraad (DOF) hulpmanipulator op het platform, naast een dual-DOF elektrische manipulator. De menselijke operator bestuurde het via een bedieningsstok op korte afstand.

Het Amerikaanse TOMCAT^3-model maakte gebruik van een hydraulische manipulator die door een menselijke operator binnen een werkbak werd bestuurd. Evenzo heeft het Shandong Power Grid⁴ in China hydraulische manipulatoren geïmplementeerd die worden bestuurd door operators die in een werkende bak staan. Bovendien gebruikte de Spaanse ROBTET ^5,6 glasvezelkabels voor afstandscommunicatie, waardoor operators teleoperatie vanaf de grond konden uitvoeren, om de toegestane afstand tussen de master- en slave-uiteinde te vergroten. Deze robotteleoperatiemodi kunnen worden samengevat als een master-slave trackingmodus. Ze lijden aan onvoldoende autonome intelligentie, waardoor personeel de omgeving moet observeren en de robot op korte afstand moet besturen, en dragen een aanzienlijke mentale last, waardoor ze mensen niet kunnen vervangen in hoogspannings- en gevaarlijke omgevingen.

Om het gebrek aan robotintelligentie aan te pakken, is onderzoek nodig naar intelligente technologieën zoals computervisie, trajectplanning en mens-robot afstandsinteractie om de autonome capaciteiten van de robot te verbeteren.

Bij distributie live-line werken is de taptaak goed voor ongeveer 20^{% van} de totale werkdruk (distributiedraden zijn weergegeven in Figuur 2). Daarom is het cruciaal om zichtsensoren te gebruiken om de draad en het gestripte gebied, dat is het verwijderde isolatiegebied, te identificeren en te lokaliseren om de robot te sturen. In 2020 ontwikkelde State Grid Ruijia⁸ een distributie live-line werkende robot die in staat is tot afstandsinteractie, waarbij LiDAR- en verrekijkercamera-informatie wordt samengevoegd voor doelherkenning en positionering. Daarnaast worden algoritmen gebruikt die morfologische bewerkingen combineren met Hough-transformatie om de extractie van de ^{hoogspanningslijn 9,10} te vergemakkelijken. De Hough-transformatie wordt gebruikt om hoogspanningslijnen te detecteren, gevolgd door stereovisie-algoritmen die de gedetecteerde 2D-pixelgegevens omzetten naar 3D-ruimtelijke coördinaten¹¹. State Grid Hubei Electric Power Research Institute¹² stelde een filter voor gebaseerd op kleur-dieptekaartfusie. Deze methode filtert complexe achtergronden rondom de hoogspanningslijnen eruit en extraheert vervolgens duidelijke stroomlijncontouren door pixelwaardeverschillen in de omgeving te analyseren. Daarnaast stelde de University of Science and Technology of China¹³ een deep learning-gebaseerd powerline-herkenningsalgoritme voor, waarmee snelle identificatie en lokalisatie van meerdere hoogspanningslijnen mogelijk is.

Ondanks de snelle ontwikkeling van computer vision-algoritmen blijven buitenactiviteiten uitdagend. Complexe lichtomstandigheden en reflecterende draadoppervlakken leiden vaak tot verlies van diepte-informatie, wat resulteert in lage herkenningspercentages en grote positioneringsfouten voor methoden die sterk afhankelijk zijn van dieptegegevens¹³. Tegelijkertijd zijn, vanwege verschillende onregelmatige vervormingen in distributiedraden, een reeks rechtlijnige detectiemethoden niet langer toepasbaar, zoals weergegeven in Figuur 3. Bovendien veroorzaken veranderingen in windrichting op verhoogde hoogtes verticale beweging van de lijnen, wat leidt tot centimeterfouten in de resultaten van bestaande off-line algoritmen.

In zulke zeer gevaarlijke, ongestructureerde en dynamische omgevingen, die speciale operatieomgevingen kunnen worden genoemd, zijn het zicht en de dynamische besluitvormingsmogelijkheden van de robot beperkt, waardoor het moeilijk is om complexe taken autonoom uit te voeren.

Daarom blijft het noodzakelijk om menselijke intelligente besluitvormingsmogelijkheden te introduceren en deze te combineren met de hoogprecisie bewegingsbesturing van de robot. De vroege hierboven genoemde teleoperatietechnologieën boden een kanaal voor menselijke interventie. Door deze te combineren met snel ontwikkelende technologieën voor remote interaction en teleoperatie, is er een onderzoeksreeks ontstaan naar intelligente telebediende distributie live-line werkende robots.

De University of Science and Technology of China¹⁴ implementeerde incrementele positiemapping tussen de master- en slave-zijde en maakte gebruik van de Artificial Potential Field (APF)-methode voor het vermijden van robotobstakels. Vervolgens werd inlaatgebaseerde teleoperatie geïmplementeerd in distributie live-line werkrobots. Voortbouwend op master-slave tracking stelt deze aanpak de robot in staat om zijn houding dynamisch aan te passen als reactie op veranderingen in omgevingscontactkrachten. De University of Electronic Science and Technology of China¹⁵ implementeerde virtuele beperkingskrachten aan de masterzijde om het gevoel van telepresence van de operator te versterken. Daarnaast heeft de University of Manitoba¹⁶ tijdens het teleoperatieproces een reeks virtuele apparaten opgezet om de meeslepende ervaring van de haptische waarneming van de operator te versterken.

De hierboven genoemde tele-bediende robots staan echter nog steeds voor verschillende uitdagingen. De taak van de slave-zijde is het volgen van het bewegingstraject van de master, waardoor het sterk afhankelijk is van het referentietraject dat door de menselijke operator wordt gegenereerd. Door eisen zoals korte werktijden en het vermijden van obstakels legt het een aanzienlijke mentale last op de hoofdoperator, wat nadelig is voor langdurige en complexe operationele taken. De operator kan onjuiste of onjuiste handelingen verrichten, waardoor de eigenlijke baan van de manipulator abrupt wordt geactiveerd. Dit kan leiden tot veiligheidsproblemen zoals botsingen met de omgeving of fase-tot-fase kortsluitingen.

Gedeelde controle is een methode die effectief de besluitvormingsmogelijkheden van mens en robot combineert^17,18. Over het algemeen vereist het dat zowel de mens als de robot gelijktijdig gewenste trajecten of trajectpunten genereren, en vervolgens een nieuwe gedeelde baan berekenen via een lineair gewogen duo. Deze aanpak stelt het systeem in staat de voorkeur van de gedeelde baan aan te passen door de besluitvormingsgewichten van de mens en de robot aan te passen.

Daarom ontwerpt dit artikel een telebediende distributie-werkende robot gebaseerd op mens-robot gedeelde besturing. De belangrijkste bijdragen zijn als volgt: ten eerste wordt een mens-robot gedeelde besturingsmethode bestudeerd, waarbij het probleem van de overmatige frequentie van referentietraject-invoer door de menselijke operator tijdens telewerking wordt behandeld. Door controlegewichten toe te wijzen aan de menselijke operator en de robot en een lineaire gewogen combinatie uit te voeren op hun referentietrajecten, vermindert het systeem de afhankelijkheid van de referentietraject van de menselijke operator, waardoor de last van de operator wordt verlicht. Daarnaast wordt de impact van verschillende menselijke operatorgewichten geverifieerd door veldexperimenten met distributiedraadafluisteroperaties. Ten tweede, om gevaarlijk gedrag in de masterbaan aan te pakken, is een abrupt operationele gedragsdetectiemethode ontworpen om de soepelheid en veiligheid van het daadwerkelijke traject van de manipulator te waarborgen. Ten derde worden fysieke experimenten uitgevoerd in een speciale operationele omgeving (live-line working) om de effectiviteit van het gedeelde besturingsalgoritme en het teleoperatiesysteem te verifiëren.

De rest van dit artikel presenteert eerst de gedeelde besturingsmethode voor de telebediende robot, introduceert vervolgens de systeemhardware en -opstelling, en valideert de aanpak tenslotte via laboratoriumexperimenten en veldinzet op een live 10 kV distributienetwerk.

Protocol

Alle experimenten waarbij operators betrokken waren, werden uitgevoerd volgens de veiligheidsrichtlijnen. De teleoperatie-experimenten werden uitgevoerd door drie getrainde operators (allemaal rechtshandig, met minstens 1 uur training) die lid zijn van het onderzoeksteam. Er werden geen externe menselijke deelnemers gerekruteerd, en deze studie vereiste geen institutionele ethische beoordeling. Vrijwilligers werden geïnformeerd over de experimentele procedures en er werden tijdens het onderzoek geen persoonlijke of gevoelige gegevens verzameld.

Shared control framework

In live-line working scenario's zorgen factoren zoals onregelmatige buiging van hoogspanningslijnen, verlies van diepte-informatie door complexe buitenverlichting en de willekeurige beweging van hoogspanningslijnen voor een zeer ongestructureerde en dynamische omgeving. Deze factoren maken het voor de robot moeilijk om elektriciteitskabels in de omgeving nauwkeurig te herkennen en te lokaliseren. Daardoor zou volledig vertrouwen op autonome robotbediening leiden tot het falen van taken.

Om de beperkte aanpassingsvermogen van volledig autonome robotoperaties aan te pakken, grijpen menselijke operators in het besluitvormingsproces van de robot via teleoperatie, waarbij menselijke ervaring wordt benut om de robot te helpen zich aan te passen aan de omgeving. Bovendien wordt om het probleem van de overmatige frequentie van referentietraject-invoer door de menselijke operator tijdens teleoperatie aan te pakken, een mens-robot gedeelde besturingsmethode bestudeerd. Deze methode vermindert de afhankelijkheid van het daadwerkelijke traject van de menselijke operator, waardoor de mentale last van de operator wordt verlicht en een effectieve combinatie wordt bereikt van menselijke intelligente besluitvormingsmogelijkheden en de zeer precisie van de robot.

De structuur van de telebediende distributie live-line werkende robot gebaseerd op gedeelde besturing zoals voorgesteld in dit artikel is weergegeven in Figuur 4. Waar x_h het trajectpunt is dat door het teleoperatieapparaat wordt uitgegeven, r_h het referentietraject is dat door de menselijke operator wordt geleverd (afgebeeld naar de cartesische ruimte van de manipulator), r_{r het} referentietraject dat autonoom door de robot wordt gepland en een hulpfunctie vervult. r is het geïntegreerde referentietrajectpunt dat naar de slave-manipulator wordt gestuurd (wat in de volgende tekst de gedeelde trajectoire wordt genoemd), f_o is de ruwe gegevens die door de krachtsensor aan het einde van de manipulator worden verzameld, f_e is de contactkracht tussen het gereedschap aan het uiteinde van de manipulator en de omgeving na zwaartekrachtcompensatie en x is de huidige houding van de manipulator.

De telebediende distributie live-line werkrobot is verdeeld in twee delen: de masterzijde en de slave-zijde. De masterzijde bevindt zich op de grond, waar de menselijke operator de beweging van het teleoperatieapparaat regelt. Door de force feedback van het apparaat te ontvangen die aan de hand van de operator wordt weergegeven en informatie die door het vision-systeem wordt teruggegeven, bereikt de operator een meeslepende werking. De slave-zijde is de robot die zich op een verhoogde hoogte bevindt. Na het ontvangen van de pose x_h van de masterzijde voert de robot ruimtelijke mapping uit om r_h te verkrijgen en stuurt de verzamelde visuele en haptische gegevens terug naar de masterzijde.

Vanwege de onvolledige afstemming van waarneming tussen de robot en de operator met betrekking tot contactkrachten, doelen en obstakels in de daadwerkelijke omgeving, moet de operator intense concentratie behouden om de risico's van rechts_{en lucht} te minimaliseren. Om de afhankelijkheid van r van r_h te verminderen en de mentale last voor de operator tijdens langdurige operaties te verlichten, moet de robot autonoom een hulptraject r_{r plannen} dat ongeveer het kortste pad is en veilig is op basis van waarnemingsinformatie die echte fouten bevat. Deze r_{r wordt} vervolgens lineair gewogen met r_h om r te verkrijgen, dat als doelpose aan de manipulator wordt gestuurd.

Bewegingsruimtelijke mapping

De incrementele methode werd gebruikt om de traject-increment Δx_h te berekenen, gegeven door de menselijke operator:

Δx_h = x_h - x^′_h (1)
waarbij x^′_h de houding is op het beginpunt van de teleoperatie. Voor live-line werkende robots waarbij de bewegingsruimtes van de master- en slave-kant aanzienlijke verschillen hebben, stelt incrementele mapping de operator in staat om willekeurig een handige pose te kiezen en deze als teleoperatie-startpose in te stellen.

De traject-increment, Δx_h, werd vervolgens in de cartesische ruimte van de slave side robot afgebeeld om uiteindelijk r_h te verkrijgen. De wiskundige uitdrukking voor deze afbeelding is als volgt:

Δr_h = Δx_h * k, r_h = x^′ + Δr_h       (2)
waarbij k de lineaire afbeeldingsparameter is en x' de houding van de manipulator op het beginpunt van de teleoperatie.

Autonome trajectplanning
Het autonome trajectplanningsproces gebruikt lineaire interpolatie om de kortste trajectoire r_{r te} berekenen van de huidige pose naar de doelpose P. Het berekeningsproces verloopt als volgt:

(3)

waarbij P het doelpunt is, wordt berekend door het visiesysteem, dat een verrekijkercamera en een stereolaser LiDAR omvat. De berekening kan worden uitgevoerd door punten met de muis te selecteren en de coördinaten te transformeren met behulp van de hand-oog kalibratiematrix. N is het aantal interpolatiepunten, en i is het volgnummer van het interpolatiepunt. Het moet worden opgemerkt dat onder complexe lichtomstandigheden P die door het visiesysteem wordt berekend fouten bevat, waardoor r_{r de} taak niet onafhankelijk kan voltooien.

Gedeelde besturingsmethode

Om de aanpasbaarheid van r_h aan de omgeving en de efficiëntie van r_{r te} combineren, is het noodzakelijk een gedeelde controller te ontwerpen die twee trajecten integreert. De gedeelde controller gebruikt vaste parameterarbitragegewichten α, en het implementatieproces verloopt als volgt:

r = (1 - α) * r_r + α * r_h (4)

Methode voor het detecteren van abrupt bedrijfsgedrag

Tijdens het proces van remote teleoperatie kan er foutief gedrag optreden door de operator, wat leidt tot abrupte veranderingen in de baan en zelfs een botsing met de omgeving. Om de veilige en soepele beweging van de manipulator aan de slave-zijde te garanderen, is het noodzakelijk om dergelijk overmatig teleoperatiegedrag aan de masterzijde te detecteren en aan te pakken. De flow van het gedeelde controlealgoritme, inclusief abrupt gedragsdetectie, wordt weergegeven in Figuur 5.

Constructie van teleoperatiesystemen

De werkomgeving in de live-line wordt gekenmerkt door een zeer ongestructureerd en dynamisch karakter. Daarom kunnen robots niet uitsluitend vertrouwen op hun autonome waarneming en besluitvormingsvermogen om taken uit te voeren; ze moeten worden aangevuld met menselijke intelligentie. Teleoperatie biedt een effectieve techniek om menselijke interventie te integreren in het trajectplanningsproces van de robot. In zo'n systeem houdt de masterzijde een operator in dat een teleoperatieapparaat op de grond bestuurt, terwijl de slave-zijde op hoogte uit meerdere subsystemen bestaat.

Deze studie beschrijft de ontwikkeling van een teleoperatie-robotsysteem dat specifiek is ontworpen voor distributienetwerk, met als doel het uitvoeren van live-line tapping-taken.

Introductie van het telebediende robotsysteem

Het teleoperatiesysteem omvat het waarnemingssubsysteem, controlesubsysteem, manipulatorsubsysteem, gereedschapsubsysteem, isolatiedragersubsysteem en master-side mens-robot interactieapparaten. Het gedetailleerde gebruik van elk subsysteem dat door de robot in het systeem wordt gedragen, wordt weergegeven in Tabel 1, en het hardwaresysteem is weergegeven in Figuur 6.

Perceptiesubsysteem: Het subsysteem is verantwoordelijk voor het leveren van 2D RGB-beelden en ruimtelijke diepte-informatie om de beweging van de robot te sturen en operationele veiligheid te waarborgen. Om dit te bereiken is het uitgerust met een laser LiDAR voor grootschalige milieumodellering op grote afstanden; een verrekijkercamera voor nauwkeurige doelherkenning en lokalisatie op korte afstanden; een pan-tilt-zoom (PTZ) monitoringcamera om een operationeel beeld te bieden en dit gedurende het hele proces aan de operator terug te geven. Bovendien is een krachtsensor geïntegreerd om externe krachten waar te nemen en krachtfeedback te geven aan de menselijke operator, wat helpt systeemuitval te voorkomen veroorzaakt door overmatige contactkrachten tussen het robotuiteinde en de omgeving.

Manipulatorsubsysteem: Als primaire uitvoerder van taken bestaat dit subsysteem uit twee manipulatoren die in een homogene dual-arm configuratie zijn gerangschikt.

Besturingssubsysteem: Als het kernsubsysteem van de live-line werkende robot fungeert het als het computationele, besturings- en energievoorzieningscentrum van het platform, verantwoordelijk voor het uitzenden van operationele commando's naar alle andere subsystemen. Om isolatie en veiligheidsisolatie van de aardzijde te bereiken, maakt de stroommodule gebruik van een onafhankelijke stroomvoorziening op het verhoogde platform. Het maakt gebruik van een 48V DC-voeding voor zowel stroom als aandrijfregeling, wat inversieverliezen vermindert en daardoor het volume en gewicht van het stroomsysteem minimaliseert.

End-effector subsysteem: Gespecialiseerde end-effectors (tools) zijn gemonteerd aan het uiteinde van de manipulator om specifieke bewerkingen uit te voeren. Er is een reeks gespecialiseerde tools met standaardinterfaces ontwikkeld voor verschillende taken. Voor distributienetwerkoperaties omvatten deze een stripgereedschap en een krimpgereedschap (zoals weergegeven in Figuur 7), waarbij het stripgereedschap drie lasergeneratoren van 80 W, 450 nm golflengte gebruikt met een brandpuntgrootte van 130 × 180 μm, gemoduleerd via 5 V PWM. De gemiddelde gebruiksduur voor het strippen van een 120 mm sectie op een distributiekabel met een diameter van 18–24 mm is ongeveer 2 minuten bij het volledige nominale vermogen onder omgevingstemperatuur. Het krimpinstrument is verantwoordelijk voor het stevig vastmaken van de tapdraad met een klem aan de hoofdstroomdraad, waardoor elektrische continuïteit wordt gehandhaafd.

Geïsoleerd draagsubsysteem: Dit subsysteem wordt gebruikt om de robot naar de verhoogde werkpositie te transporteren. Het bestaat doorgaans uit een rups- of wielgeïsoleerd luchtwerkplatform (ook wel een emmerwagen genoemd). Om geïntegreerde besturing van het gehele robotsysteem mogelijk te maken, beschikt het over digitale besturingsmogelijkheden (zoals weergegeven in Figuur 8).

Master-side mens-robot interactiesubsysteem: Tijdens de bediening geeft de menselijke operator commando's aan het robotsysteem via een handtablet, pc, teleoperatiehendel en andere computerapparaten. Deze apparaten reproduceren de sensorgegevens, waaronder zicht en contactkracht die door de robot worden teruggestuurd, waardoor de operator de status van de robot in realtime kan monitoren en ook de beweging van de hand van de operator kan kortleggen naar het uiteinde van de manipulator. De communicatieverbindingen tussen de subsystemen worden geïllustreerd in Figuur 9.

Teleoperasieapparaten

In dit systeem zijn de master- en slave-apparaten voor telewerking respectievelijk het haptische apparaat en de manipulator. De Denavit-Hartenberg (DH) parameters voor elk worden geïntroduceerd.

Zoals weergegeven in Figuren 10A,B, zijn dit de linkcoördinatenframes van de manipulator. Voor de zes repeterende gewrichten van de manipulator (L_{1,L 2,L 3,L 4,L 5,L 6}) wordt voor elk gewricht een coördinaatraam vastgesteld volgens de rechterhandregel en de principes van de Denavit-Hartenberg (DH) conventie.

In Figuur 10B stellen x₁∼x₆, y₁∼y6, z₁∼z₆ respectievelijk de x,y,z-assen van het coördinatenkader van elk gewricht weer voor. Op basis van deze gevestigde linkframes kan het forward kinematicamodel van de manipulator worden gemaakt. De DH-notatie gebruikt vier parameters: a_i, α_i, d_i en θ_i.

Deze parameters worden als volgt gedefinieerd: a_i: vertegenwoordigt de afstand van het bewegen van de z-as van de i-de staaf langs zijn x-as tot de z-as van de (i+1)-de staaf; α_i: verwijst naar de hoek waarbij de z-as van de i-de staaf rond zijn x-as wordt gedraaid naar de z-as van de (i+1)-de staaf; d_i: geeft de afstand aan van het verplaatsen van de x-as van de i-de staaf naar zijn x-as langs de z-as van de i-de staaf;  θ_i: verwijst naar de hoek waarbij de x-as van de i-de staaf wordt gedraaid naar zijn x-as rond de z-as van de i-de staaf.

Het kinematische model wordt vastgesteld met behulp van de DH-parametermethode, en de DH-parameters voor de manipulator worden weergegeven in Tabel 2 hieronder.

De teleoperatiehendel is het haptische apparaat dat wordt gebruikt als de hoofdmanipulator, waarvan de verbindingen in een seriële keten zijn geconfigureerd. De gezamenlijke coördinatenframes zijn weergegeven in Figuur 10C; De modelleringsmethode is dezelfde als die van de slave manipulator.

Experimentontwerp

Om het voorgestelde shared control-algoritme kwantitatief te valideren vóór de uitrol in het veld, voeren we twee laboratoriumexperimenten uit op een 6-DOF manipulator-teleoperatieplatform dat werkt op 50 Hz, wat werd bereikt met een Python-script op een standaard pc. Bij elke controlecyclus leest het script de master-side pose, berekent de gedeelde baan en stuurt de doel-Cartesische pose naar de manipulator. Een vast interval van 20 ms wordt gehandhaafd tussen opeenvolgende commando's, wat resulteert in een updatesnelheid van 50 Hz, hetzelfde als het laboratoriumplatform. Het laboratoriumplatform deelt dezelfde besturingsarchitectuur en gedeelde besturingsalgoritme (Vergelijking 4) als de live-line werkrobot beschreven in de teleoperatiesysteemconstructie, en verschilt alleen in manipulatorkinematica en werkruimteschaal. Er wordt een gesimuleerde taptaak gebruikt: in aanwezigheid van obstakels (een waterfles en een aluminium kolom) bestuurt de operator de manipulator-eindeffector van startpositie A naar doelpositie B, waarbij de draadaftappingsoperatie wordt nagebootst, zoals weergegeven in Figuur 11. Om de exacte herhaalbaarheid van de laboratoriumexperimenten te waarborgen, werden de fysieke obstakels en het doeleindpunt nauwkeurig geplaatst binnen het basiscoördinatensysteem van de slave-manipulator. Twee primaire obstakels werden in de werkruimte geplaatst: een plastic waterfles (basisafmetingen: 8 cm × 8 cm, hoogte: 25 cm) geplaatst met de onderkant in het midden op coördinaten (X = 55 cm, Y = 5 cm), en een aluminium profiel (basisafmetingen: 2 cm × 2 cm, hoogte > 50 cm) geplaatst met de onderkant in het midden op coördinaten (X = 35 cm, Y = -30 cm). Het doelpunt voor de teleoperatietaak werd ingesteld op coördinaten (X = 50 cm, Y = -17 cm, Z = 26 cm). Vervolgens wordt het gevalideerde algoritme ingezet op de live-line werkende robot voor velddemonstratie.

De experimentele procedure wordt uitgevoerd via een continue, geïntegreerde workflow. Ten eerste worden tijdens systeeminitialisatie zowel de slave- als de mastermanipulator ingeschakeld, en wordt de besturingssoftware gestart om stabiele bilaterale communicatie op een frequentie van 50 Hz te verifiëren. Om plotselinge controle-sprongen bij het begin van teleoperatie te voorkomen, wordt een master-slave uitlijningsfase uitgevoerd voorafgaand aan actieve teleoperatie. In deze fase leidt de operator handmatig de mastermanipulator totdat de end-effector Cartesiaanse positie (gedefinieerd in het basisframe van de master) binnen 30 mm ligt van de huidige end-effector Cartesische positie van de slave-manipulator (gedefinieerd in het basisframe van de slave). Deze cartesische posities worden direct verkregen uit de ingebouwde controllerfeedback van elke manipulator, terwijl de besturingssoftware hun Euclidische afstand in realtime monitort. Zodra deze uitlijning slaagt, wordt de huidige slave-positie geregistreerd als de startpositie, aangeduid als positie A. Vervolgens wordt de doelspecificatie uitgevoerd door de operator handmatig de slave-eindeffector naar de gewenste doellocatie te laten leiden om de Cartesische coördinaten vast te leggen, die worden aangeduid als doelpositie B. De autonome planner genereert vervolgens een lineaire referentiebaan die loopt van de startpositie naar positie B. Hierna start de operator de gedeelde controle teleoperatietaak. Tijdens actieve uitvoering werkt het systeem met een controlecyclus van 20 ms, waarbij continu de masterpositie als invoer wordt gelezen, een online controle wordt uitgevoerd om abrupt operatorgedrag te detecteren, het gedeelde besturingstraject als output wordt berekend (zoals geformuleerd in Vergelijking 4), en overeenkomstige commando's wordt gegeven aan de slave-manipulator. Als veiligheidsmaatregel bevriest de slave-manipulator onmiddellijk en houdt zijn laatste geldige positie vast in een speciale position-hold-modus; om van deze toestand te herstellen en automatisch gedeelde besturingsteleoperasie te hervatten, moet de operator de mastermanipulator handmatig terugplaatsen totdat de master-slave eindeffector Euclidische afstand onder een hersteldrempel van 20 mm komt. Ten slotte wordt de proef voltooid en als succesvol beschouwd wanneer de slave-eindeffector 5 mm van doelpositie B bereikt en binnen blijft.

Experiment 1: detectie van abrupt bedrijfsgedrag
Dit experiment valideert het detectiemechanisme op het laboratoriumplatform. Tijdens teleoperatie op 50 Hz wordt de verplaatsing per frame van de master end-effector gemonitord. Wanneer het D_th = 6 mm/frame overschrijdt (momentane snelheid 300 mm/s), gaat het systeem in de FREEREN-toestand: de slave-manipulator stopt met volgen en behoudt zijn laatst geldige configuratie. De slave blijft bevroren totdat de operator de master tot binnen 20 mm van de bevroren positie terugbrengt.

Experiment 2: Vergelijking van gedeelde besturingsprestaties

Drie arbitragegewichten α=0,3, α=0,8, α=1,0 worden vergeleken op het laboratoriumplatform, zoals gedocumenteerd in de Aanvullende Video 1, Aanvullende Video 2 en Aanvullende Video 3. In totaal werden 45 experimentele proeven uitgevoerd, waarbij drie operators vijf herhalingen uitvoerden onder elk van de drie arbitragevoorwaarden. De systeemprestaties werden beoordeeld met behulp van drie belangrijke evaluatie-indicatoren. Ten eerste, voltooiingstijd T: Totale duur vanaf de eerste operatorinvoer tot de slave-eindeffector die de doelpositie B bereikt; Kortere tijd duidt op een hogere operationele efficiëntie. Ten tweede is de trajectefficiëntie η= L_recht/L_actueel, waarbij L_recht de Euclidische afstand is van startpositie A tot doelpositie B, en L_{daadwerkelijk} de totale padlengte is die door de slave-eindeffector tijdens de proef is doorlopen, η=1 duidt op een perfect efficiënt, direct pad; Lagere waarden duiden op meer redundante, omleidingsrijke beweging. Ten derde vertegenwoordigt het aantal deelbewegingen N_sub het aantal verschillende bewegingssegmenten, dat wordt berekend door nuldoorgangen te tellen in het gladde snelheidsprofiel van de master eindeffector; Een kleinere telling duidt op een meer continue, zelfverzekerde werking met een lagere cognitieve belasting voor de operator. Ten slotte wordt de statistische significantie over de drie arbitragevoorwaarden beoordeeld met behulp van de Kruskal-Wallis H-test, waarbij paargewijze Mann-Whitney U-tests worden gebruikt voor post-hoc vergelijkingen.

Experiment 3: Veldinzet

Na laboratoriumvalidatie worden het gedeelde besturingsalgoritme (α=0,3) en abrupt gedragsdetectie ingezet op de live-line werkende robot zoals beschreven in de constructie van het teleoperatiesysteem.

Resultaten

Detectie van abrupt bedrijfsgedrag
Figuur 12 toont de tijdreeksanalyse van een representatieve proef op het laboratoriumplatform, die twee opzettelijke plotselinge bewegingen bevat.
Beide abrupte bewegingen werden gedetecteerd (TPR = 100%) respectievelijk op 1,81 sek en 5,72 s, met nul vals-positieven (FPR = 0%) gedurende 13,2 seconden van normale werking. Bevriezingsreactietijd: 1 frame (20 ms), gemeten met de timing van de regellus.

Gedeelde controleprestaties
Figuur 13 toont de vergelijking tussen 45 proeven (3 operators × 5 herhalingen ×3 condities) op het laboratoriumplatform, de gegevensdetails zijn te vinden in Tabel 3.
De resultaten tonen aan dat een passend gedeeld controlegewicht de teleoperatieprestaties aanzienlijk kan verbeteren. Onder robot-dominante gedeelde controle (α=0,3) daalde de taak voltooiingstijd met 31,4% en nam het aantal subbewegingen af met 37,9% vergeleken met pure teleoperatie (α=1,0), waardoor de mentale last van de operator werd verminderd door minder corrigerende acties en beslissingen te vereisen. Ondertussen verbeterde de trajectefficiëntie met 57,8%, wat aangeeft dat de autonome trajectplanning van de robot redundante paden effectief elimineert en de operator naar directere, efficiëntere bewegingen leidt. Deze trends waren consistent bij alle drie de onafhankelijke exploitanten.

Veldinzet op live-line werkende robot
Het gevalideerde gedeelde besturingsalgoritme (α = 0,3) met abrupt gedragsdetectie werd ingezet op de live-line werkende robot uitgerust met een 6-DOF industriële manipulator. De robot voltooide met succes een live-line tapping-operatie op een 10 kV distributienetwerk, waarmee de overdraagbaarheid van het laboratoriumgevalideerde algoritme naar het daadwerkelijke veldsysteem werd aangetoond. Figuur 14A toont de robot die een live-line tapping-operatie uitvoert op verhoogde hoogte, terwijl Figuur 14B de operator toont die teleoperatie uitvoert vanaf het grondstation.

BESCHIKBAARHEID GEGEVENS:
Alle ruwe gegevens ter ondersteuning van de bevindingen van deze studie zijn openlijk beschikbaar in https://github.com/huchenyu778797-lgtm/piper_shared_control/issues en Aanvullend Bestand 1.

Figuur 1: Vroege telerobotsystemen voor live-line onderhoud. (A) De Fase II-robot ontwikkeld in Japan. (B) Het TOMCAT-systeem ontwikkeld in de Verenigde Staten. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: Typische 10 kV distributiedraden. De buitenste laag is een isolerende schil, terwijl de binnenste laag van metaal is. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: Visuele uitdagingen in buitenomgevingen. De afbeelding benadrukt de onregelmatige buiging van kabels en het verlies van diepte-informatie veroorzaakt door complexe belichting. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: Structuur van het gedeelde besturingssysteem. Het diagram illustreert de integratie van menselijke operatorinput van de masterzijde en de autonome planning van de robot aan de slave-zijde om een fused traject te genereren. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Stroomdiagram van het gedeelde controle-algoritme. Het proces omvat gegevensverzameling, abrupte operationele detectie, trajectfusie op basis van gedeelde besturing en uitvoering van de laatste bewegingscommando's. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 6: Het telebediende distributiesysteem met een live-line werkende robot. (A) Overzicht van het complete systeem dat in het veld is ingezet. (B) Gedetailleerd hardwareontwerp en componentindeling van het robotsysteem. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 7: Belangrijke stappen in de stroomvoorziening van de taping. (A) Laserablatie van de buitenste isolatielaag. (B) Verwijdering van de isolatielaag om de metalen kern bloot te leggen. (C) Het bevestigen van de tapgeleiderdraad aan de hoofdstroomlijn met een klem. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 8: Voorbereiding op veldinzet. Een geïsoleerde emmerwagen wordt gebruikt om de slavemanipulator naar de verhoogde werkpositie nabij de hoogspanningsleidingen te vervoeren. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 9: Communicatiearchitectuur. Het schema toont de datatransmissieroutes tussen het hoofdcontrolestation en de externe slave-manipulator, waarmee teleoperatie met lage latentie wordt gegarandeerd. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 10: Kinematische modellering van de manipulatoren. (A) Het gezamenlijke coördinatensysteem dat is vastgesteld voor de slave-manipulator. (B) Gedetailleerde weergave van de gewrichtsframes van de slavenmanipulator. (C) Het gezamenlijke coördinatensysteem van de meestermanipulator. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 11: Laboratoriumexperimentele opstelling. (A) De mastermanipulator en de slavemanipulator worden gebruikt voor testen. (B) De gesimuleerde tap-taakomgeving met fysieke obstakels en een doel-eindpunt. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 12: Tijdreeksanalyse van abrupte gedragsdetectie op het laboratoriumteleoperatieplatform. (Boven) Master (blauw) en slave (rood) posities in X, Y, Z. Rode schaduw = bevroren intervallen. (Midden) Meester-slaaf afstand (oranje); groene stippellijn = 20 mm hervatingsdrempel. (Onderaan) Per-frame verplaatsing (paars); rode lijn = D_th = 6 mm; rode stippen = overschreden frames. Parameters: 50 Hz, D_th = 6 mm/frame. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 13: Vergelijking van gedeelde besturingsprestaties op het laboratoriumteleoperatieplatform onder drie voorwaarden. Staven = gemiddeld; foutbalken = ±1 SD. Rode vakjes = Kruskal-Wallis p-waarden. Haakjes = Mann-Whitney U paargewijze p-waarden. 45 proeven (3 operators × 5 herhalingen × 3 condities). (A) Voltooiingstijd. (B) Trajectefficiëntie. (C) Subbewegingen. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 14: Veldtoepassing van het gedeelde besturingssysteem. (A) De slave-manipulator werkt op een actieve distributielijn. (B) Succesvolle plaatsing van het blootliggende metalen deel in de klem met behulp van de voorgestelde gedeelde controlemethode. Klik hier om een grotere versie van deze figuur te bekijken.

Subsystemen	Belangrijke Component	Hoofdfunctie	Kenmerken
Manipulatorsubsysteem	Enkele/dubbele manipulator(en)	Bereikt multi-DOF beweging	Hoge laadcapaciteit, lichtgewicht, grote werkruimte
	Manipulatorstuursysteem	Drijft gecombineerde motoren aan via gelijkstroom om de beweging van de manipulator te bereiken	DC-ingang, hoge aandrijfefficiëntie
Besturingssubsysteem	Industriële computer	Databerekening, communicatie tussen modules	Hoge betrouwbaarheid, sterke rekenkracht, grote opslagcapaciteit
	Communicatiemodule	Voert afstandsbediening en monitoring uit	Stabiliteit, betrouwbaarheid, voldoet aan elektromagnetische compatibiliteitseisen (EMC)
	Voedingsmodule	Levert stroom voor het gehele robotplatform	Voldoet aan stabiele systeemwerking gedurende 6+ uur
Perceptiesubsysteem	Module voor verrekijkers	Kleinschalige, hoogprecisie point cloud acquisitie	Positioneringsnauwkeurigheid > 1%, werkafstand > 2 m
	LiDAR-module	Grootschalige puntwolkenscanning	Bereik: 10 meter >, reconstructiehoek > 25°, dichtheid van puntwolken > 300.000 punten
	Krachtsensormodule	Verkrijgt informatie over zesassige krachten	Force feedback-frequentie > 10Hz, force feedback-nauwkeurigheid beter dan 1N
Gereedschapssubsysteem	Droogijsreinigingsmodule	Voert de droogijsreinigingsfunctie uit	Lichtgewicht, voldoet aan de reinigingseisen van isolatoren, EMC-bescherming vereist
	Nulwaardedetectiemodule	Implementeert detectie van hoogspanningspuls nulwaarde	Uitgangspulsspanning 0-60 kV, voldoet aan EMC-beschermingseisen
	Bouten/Ontgrendelen module	Implementeert de functie voor het ontgrendelen en ontgrendelen	Lichtgewicht, voldoet aan koppelvereisten, EMC-bescherming vereist
	Laser peelingmodule	Gereedschap die de buitenste isolatielaag van distributiedraden loslaat	Niet-contact, geen schade aan het metalen deel van de draad, en kan effectief de halfgeleidende afschermlaag verwijderen
	Andere geserialiseerde functionele modules	Draad samenvoegen/knippen, installatie van vogelafweer, installatie van foutindicatoren, boomverzorging, isolatiereparatie, installatie van overspanningsbeveiliging, patrouilletaken	Modulair, lichtgewicht, voldoet aan EMC-bescherming en bijbehorende functionele eisen
Emmerwagensubsysteem	Geïsoleerd hef- en montageapparaat	Biedt geïsoleerde ondersteuning voor het equipotentiaal-werkplatform en maakt digitale bediening op afstand mogelijk	Hoge EMC-niveaus, met het einde in staat om belastingen van 250 kg of meer te dragen, sterke weerstand tegen elektromagnetische interferentie en de mogelijkheid om op afstand te besturen onder booginterferentie bij 220kV spanning
	Intelligente draaggolf	Bereikt grondmobiliteit voor de robot	Klein en lichtgewicht, geschikt voor smalle werkplaatsen met live-line en complex terrein
Master Side Subsysteem	Operator-robot remote interaction platform	Maakt afstandsteleoperatie naar het robotplatform mogelijk. Bereikt uithoudingsvermogen, gewicht en andere gebruiksgemakken	Klein en lichtgewicht, geschikt voor werkplaatsen met live-line

Tabel 1: Subsysteemspecificaties. Gedetailleerde functies van de verschillende subsystemen waaruit de live-line werkende robot bestaat.

UR10
Gezamenlijk	theta [rad]	a[m]	d[m]	Alpha [Rad]
Joint 1	0	0	0.1273	π/2
Joint 2	0	-0.612	0	0
Joint 3	0	-0.5723	0	0
Joint 4	0	0	0.163941	π/2
Joint 5	0	0	0.1157	-π/2
Joint 6	0	0	0.0922	0

Tabel 2: DH-parameters voor de manipulator. De kinematische parameters die worden gebruikt om het gezamenlijke coördinatensysteem van de slave-manipulator te modelleren.

Metriek	α=0.3	α=0.8	α=1.0	p Waarde
T	5,9±1,6	8.2±4.0	8.6±2.2	0.0061
η	0,789±0,074	0,557±0,081	0,5±0,081	<0,0001
N_sub	5.9±2.1	9.0±4.1	9,5±2,9	0.0035

Tabel 3: Gegevensdetails.Kwantitatieve vergelijking van gedeelde controleprestaties over drie arbitragegewichten (α = 0,3, 0,8, 1,0). Data uit 45 onderzoeken (3 operatoren × 5 herhalingen × 3 condities). Metrieken: taakvoltooiingstijd T (s), trajectefficiëntie η, en subbewegingsaantal N_sub. Waarden gerapporteerd als gemiddelde ± standaarddeviatie.

Aanvullende video 1: Gedeelde besturingsteleoperatie met α = 0,3. Deze video demonstreert de laboratoriumexperimentele procedure voor de gesimuleerde tapping-taak onder een robot-dominante gedeelde besturingscondantie. Het toont de hoge trajectefficiëntie en de verminderde onderbewegingen van de operator die worden bereikt wanneer de robot het grootste deel van de padplanning op zich neemt. Klik hier om dit bestand te downloaden.

Aanvullende video 2: Gedeelde besturingsteleoperatie met α = 0,8 . Deze video demonstreert de laboratoriumexperimentele procedure onder een mens-dominante gedeelde controleconditie. Omdat de menselijke input ruimschoots zwaarder weegt dan de robotautonome planning, lijkt de operatie visueel op pure teleoperatie, wat samenhangt met het ontbreken van significante kwantitatieve verbetering in efficiëntie en voltooiingstijd ten opzichte van de basislijn. Klik hier om dit bestand te downloaden.

Aanvullende video 3: Master-slave tracking teleoperatie baseline α = 1,0 . Deze video demonstreert de basis-experimentele procedure met traditionele tracking teleoperatie zonder autonome hulp. Het benadrukt de relatief langere taak voltooiingstijd en handmatige subbewegingen die de operator nodig heeft, en vermindert de trajectefficiëntie. Klik hier om dit bestand te downloaden.

Discussie

Deze studie stelt een telebediende distributie live-line werkende robotsysteem voor, gebaseerd op mens-robot gedeelde controle. In tegenstelling tot volledig autonome systemen die worstelen met dynamische buitenverlichting en ongestructureerde achtergronden¹², en traditionele master-slave tracking teleoperatie die hoge cognitieve en fysieke belastingen oplegt aan operators 14,15,16, combineert onze aanpak menselijke intentie met robotautonome planning. Daarnaast pakt deze studie mogelijke fouten van de operator aan door een abrupt-motion detection algoritme voor te stellen om operationele veiligheid te waarborgen. Dit onderzoek bevordert het veld van fysieke mens-robot interactie (pHRI) in extreme omgevingen door een veldgevalideerde integratie van gedeelde besturing voor hoogspanningsonderhoud te bieden, waarmee de kloof wordt overbrugd tussen theoretische gedeelde regelkaders^17,18 en praktische industriële toepassingen.

Laboratoriumexperimenten tonen aan dat een passend gedeeld controlegewicht de taakvoltooiingstijd en handmatige besturingsinspanning van de operator aanzienlijk kan verminderen (minder subbewegingen), terwijl de trajectefficiëntie verbetert. Specifiek nam de voltooiingstijd onder robot-dominante gedeelde controle (α = 0,3 af met 31,4%, verbeterde de trajectefficiëntie met 57,8% en nam het aantal subbewegingen af met 37,9% vergeleken met het volgen van teleoperatie. Bovendien bereikte het abrupte-bewegingsdetectiemechanisme een 100% echte positieve snelheid met een responstijd van 20 ms. De voorgestelde methode is van groot belang voor het moderniseren van het onderhoud van het elektriciteitsnet door vermoeidheid die gepaard gaat met gevaarlijke operaties objectief te verminderen. Naast stroomdistributienetwerken heeft dit gedeelde besturingsraamwerk potentiële toepassingen in andere speciale robotica die opereren in zeer ongestructureerde en gevaarlijke omgevingen, zoals robots die worden ingezet voor brandredding of geologische verkenning, waar menselijke cognitieve aanpassingskracht gecombineerd moet worden met robotprecisie.

Hoewel deze resultaten haalbaarheid aantonen in gecontroleerde scenario's, zijn beperkingen onder meer één type taak (tappen) en het ontbreken van analyse van de effecten op verschillende operatorervaringen. Verdere validatie over diverse taken, operators en omgevingscondities is nodig. Toekomstig werk zal zich richten op adaptieve α aanpassing en uitgebreide veldproeven, waarbij α worden bijgewerkt op basis van het risico op de huidige Cartesiaanse positie, en op het bouwen van een risicoveld om het risico te berekenen.

Ondanks de succesvolle demonstraties kent deze studie verschillende beperkingen. Ten eerste richtte de experimentele validatie zich voornamelijk op één type taak (live-line tapping). Ten tweede was het gedeelde controlegewicht vóór elke taak vastgelegd, omdat het realtime aanpassingsvermogen aan veranderende onzekerheden ontbrak. Ten slotte evalueerde de studie een beperkt aantal getrainde operators, en het effect van verschillende ervaringsniveaus werd niet geanalyseerd. Toekomstige richtingen zullen zich richten op het ontwikkelen van een adaptief shared control-framework dat het arbitragegewicht dynamisch aanpast op basis van realtime taakcontext en operatorstatus¹⁷. Daarnaast zijn we van plan uitgebreide veldproeven uit te voeren met diverse onderhoudstaken, de ervaring van verschillende operators en wisselende weersomstandigheden om de robuustheid van het systeem verder te valideren.

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
Hikvision DS-2DC2D20IW-DE3	Hikvision	https://www.hikvision.com/cn/products/pdplist/161056/	pan-tilt-zoom (PTZ) bewakingscamera
KUNWEI KWR75	KUNWEItech	https://www.kunweitech.com/products/866.html	krachtsensor
LivoxAVIA	Livox(DJI)	https://www.livoxtech.com/cn/avia	laser LiDAR
Piper	AGILEX	https://www.agilex.ai/page/690abe7b5e78cfa260412c92?mi=1&rn=PIPER+%E6%A0%87%E5%87%86%E7%89%88	master/slave manipulator voor experimentvalidatie in laboratoriumplatform
Python	Python Software Foundation	https://www.python.org/	programmeertaal
RealSenseD435	Intel	https://store.realsenseai.com/buy-intel-realsense-depth-camera-d435.html	binoculaire camera
Touch	3D Systems	https://cn.3dsystems.com/haptics-devices/touch	haptisch apparaat
Ubuntu 24.04	Canonical Ubuntu	https://ubuntu.cn/	besturingssysteem
UR10	Universal Robots	https://www.universal-robots.cn/	manipulator van de Live-line werkrobot