Квантовая программная промышленная инжинерия и интеллектуальная когнитивная робототехника в Индустрии 4.0 как объекты управления – прототипы моделей Индустрии 5.0/6.0: Введение
Боковая панель статьи
Основное содержимое статьи
Аннотация
Международный проект Индустрия 4.0 (на основе интеллектуальной когнитивной робототехники и Интернета вещей (IoT) как четвертая промышленная революция) вместе с реализациями Quantum Software Engineering и Quantum smart control (как третья квантовая революция) открывают новые возможности для развития «мудрой Индустрии 5.0». с практически неограниченными информационными ресурсами (на основе новой сквозной информационной технологии квантовых мягких вычислений и малых квантовых компьютеров для квантового Интернета вещей). Гибкая производственная система (FMS), включающая несколько роботов с разными возможностями в контексте планирования работы цеха [1-3]. Этот вариант использования состоит из автоматической производственной системы и набора ручных рабочих станций, где оператору могут помогать коботы-манипуляторы для сборочных задач. В этой статье рассматриваются автономные и интеллектуальные роботы с разным уровнем интеллекта и когнитивных способностей для Индустрии 4.0 с применением встроенных квантовых интеллектуальных контроллеров в качестве модельного проекта Индустрии 5.0.
Скачивания
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Chen B. et al. Smart Factory of Industry 4.0: Key Technologies, Application Case, and Challenges // IEEE Access. – 2018. – No 6. – Pp. 6505 – 6519.
Havard V. et al. Digital twin and virtual reality: a co-simulation environment for design and assessment of industrial workstations // Production & Manufacturing Research. – 2019. –Vol. 7. –No 1. –Pp. 472-489. –DOI: 10.1080/21693277.2019.1660283.
Huang Z. AI-Driven Digital Twins // Sensors. – 2021. – No 21. – Pp. 6340. – DOI: 10.3390/s21196340.
Tyatyushkina O., Ulyanov S. Intelligent cognitive control of robotic sociotechnical systems. Pt.1: Robotic systems and «Human being - robot» interactive models in project «Industry 4.0» // System Analysis in Science and Education. – 2021. – No 3. – Pp. 44–101. – URL: http://sanse.ru/download/447.
Ulyanov S. V. Intelligent cognitive control of sociotechnical robotic systems. Pt. 2: Nonlinear model generation of intelligent cognitive robotics for project “Industry 4.0” // System Analysis in Science and Education. – 2021. – No 3. – Pp. 1–43. – URL: http://sanse.ru/download/449.
Alcácer V., Cruz-Machado V. Scanning the Industry 4.0: A Literature Review on Technologies for Manufacturing Systems // Intern. J. Eng. Sci. and Technol. – 2019. – Vol. 22. – Pp.899 – 919. – DOI: 10.1016/j.jestch.2019.01.006.
Pegman G. Leading European Robotics: Robotic Visions to 2020 and beyond – The Strategic Research Agenda for robotics in Europe. Industrial Technologies Conference Brussels. – Belgium, 2020.
Bhirangi R. et al. All the Feels: A dexterous hand with large area sensing // arXiv:2210.15658v1 [cs.RO] 27 Oct 2022.
Berscheid L. et al. Robot Learning of 6DoF Grasping using Model-based Adaptive Primitives // arXiv:2103.12810v1 [cs.RO] 23 Mar 2021.
Liu J. et al. Robot Cooking with Stir-fry: Bimanual Non-prehensile Manipulation of Semi-fluid Objects // arXiv:2205.05960v1 [cs.RO] 12 May 2022.
Lv J. et al. SAM-RL: Sensing-Aware Model-Based Reinforcement Learning via Differentiable Physics-Based Simulation and Rendering // arXiv:2210.15185v1 [cs.RO] 27 Oct 2022.
Marinho M.M. et al. Design and Validation of a Multi-Arm Robot Platform for Scientific Exploration // arXiv:2210.11877v1 [cs.RO] 21 Oct 2022.
Shi B. et al. Robust Control of a New Asymmetric Teleoperation Robot Based on a State Observer // Sensors. – 2021. – Vol. 21. – Pp. 6197. – DOI: 10.3390/s21186197.
Cui Z. et al. Caveats on the first-generation da Vinci Research Kit: latent technical constraints and essential calibrations // arXiv:2210.13598v1 [cs.RO] 24 Oct 2022.
Giberti H. et al. A Methodology for Flexible Implementation of Collaborative Robots in Smart Manufacturing Systems // Robotics. – 2022. – Vol. 11. – No 9. – DOI: 10.3390/ robotics11010009.
Kasaei H., Kasaei M. Throwing Objects into A Moving Basket While Avoiding Obstacles // arXiv:2210.00609v1 [cs.RO] 2 Oct 2022.
Ulloa C. et al. A Mixed-Reality Tele-Operation Method for High-Level Control of a Legged-Manipulator Robot // Sensors. – 2022. – Vol. 22. – Pp. 8146. – DOI: 10.3390/s22218146.
Xia K. et al. Towards Semantic Integration of Machine Vision Systems to Aid Manufacturing Event Understanding // Sensors. – 2021. – Vol. 21. – Pp. 4276. – DOI: 10.3390/s21134276.
Tyatyushkina O.Yu., Ulyanov S.V. Unmanned Aerial Vehicles. Pt. 1: Bio-inspired and aerial–aquatic locomotion // System analysis in science and education. – 2022. – No 3. – Pp. 8-52. – URL : http://sanse.ru/download/473.
Tyatyushkina O.Yu., Ulyanov S.V. Unmanned Aerial Robotic Vehicles. Pt. 2: Unconventional models of unmanned aerial systems and aerial embedding manipulators // System analysis in science and education. – 2022. – No 3. – Pp. 53-109. – URL : http://sanse.ru/download/474.
Mohiuddin A. et al. A survey of single and multi-UAV aerial manipulation // Unmanned Systems. - 2020. – Vol. 8. - No 2. – Pp. 119-147. DOI : 10.1142/S2301385020500089.
Ollero A. et al. Past, Present and Future of Aerial Robotic Manipulators // IEEE TRANSACTIONS ON ROBOTICS. – 2022. – Vol. 38. – No. 1. – Pp. 626-645.
Sanalitro D. Aerial Cooperative Manipulation: full pose manipulation in air and in interaction with the environment. - DOCTORAT DE L’UNIVERSITÉ FÉDÉRALE TOULOUSE MIDI-PYRÉNÉES. l’Institut National des Sciences Appliquées de Toulouse (INSA de Toulouse), 2022.
Huan N., Kostas A. Forceful Aerial Manipulation based on an Aerial Robotic Chain: Hybrid Modeling and Control // IEEE Robotics and Automation Letters. – 2021. – Vol. 6. – No 2. – Pp. 3711-3719. – DOI : 10.1109/LRA.2021.3064254.
Fu J. et al. Myoelectric Control Systems for Upper Limb Wearable Robotic Exoskeletons and Exosuits - A Systematic Review // Sensors. - 2022. - Vol. 22. - Pp 8134. – DOI : 10.3390/ s22218134.
Gull M.A. et al. A Review on Design of Upper Limb Exoskeletons // Robotics. – 2020. – Vol. 9. – No 16. – DOI : 10.3390/robotics9010016.
Shi, Y. et al. Soft Wearable Robots: Development Status and Technical Challenges // Sensors. – 2022. – Vol. 22. – Pp. 7584. – DOI : 10.3390/s22197584.
Gunasekara J.M. et al. Control Methodologies for Upper Limb Exoskeleton Robots // IEEE/SICE International Symposium on System Integration (SII) Kyushu University, Fukuoka, Japan December 16-18, 2012. – 2012. – Pp. 19-24. – DOI : 10.1109/SII.2012.6427387.
Villegas I. Recognition and Characteristics EEG Signals for Flight Control of a Drone // IFAC PapersOnLine. – 2021. – Vol. 54 – No 4. – Pp. 50–55.
Jeong J-H. et al. Towards Brain-Computer Interfaces for Drone Swarm Control // arXiv:2002.00519v1 [cs.NE] 3 Feb 2020.
Tyatyushkina O. Yu., Reshetnikov A.G., Ulyanov S. V. Intelligent cognitive robotics. Vol. 1: Soft computational intelligence and information-thermodynamic law of intelligent cognitive control. – M.: Kurs, 2022.
Кореньков В.В., Ульянов С.В. Интеллектуальная когнитивная робототехника. Ч. 1: Технологии квантовых когнитивных вычислений. – М.: Курс, 2022.
Ulyanov S.V. Intelligent cognitive robotics. Vol. 2. – M.: Kurs, 2022.
Ivancova O.V., Korenkov V.V., Ulyanov S.V., Zrelov P.V. Quantum soft engineering toolkit. Pt I. – M.: Kurs, 2022.
Perez-Salinas A. et al. Data re-uploading for a universal quantum classifier // Quantum. – 2020. – Vol. 4. - Pp. 226.
Park C. et al. Visual Simulation Software Demonstration for Quantum Multi-Drone Reinforcement Learning // arXiv:2211.15375v1 [quant-ph] 24 Nov 2022.