汇川机器人软件RobotLab常规操作

汇川机器人软件RobotLab常规操作

一.权限管理注意事项

1.1 软件登录权限管理

连接上软件后,修改轴参数、点位数据需要权限。点击人物图标,登录对应的权限,管理员权限登录密码6个0。

1.2机器人控制权限管理

点击“锁”,打开机器人控制权配置页面。

选择“InoRoboLabt”,机器人受编程软件控制,使用软件可手动移动点位、示教位置信息。

选择“远程IO单元”,机器人受外部设备控制如PLC、上位机,机器人进入自动模式,收到交互信号就按照程序执行。

选择“远程以太网客户端”,机器人受远程客户短控制,用于查找问题、远程调试。

二、 使用过渡点注意事项

程序中点到点直线运动会有机构干涉或有安全风险时,使用过渡点在运动规避风险。

使用过渡点时,注意指令的工具坐标系,选择正确的Wobj工具好,否则运动出错有撞机风险。

如下图所示为例,wobj0为A工位,wobj1为B工位,注意在“轴控制面板”中选择对应工具坐标号

三、使用全局点位移动注意事项

双击左侧“P.pts”,打开全局点位列表。

程序使用全局点位移动一般有两种形式

1)程序调用编号走位,如Movj P[0]

2)程序调用自定义标签名,如Movj P_Home

在程序内使用指令进行点位移动、示教过程中,注意检查运动方式、标签和描述内容。

四、点位示教注意事项

打开“轴控制面板”,选择正确的直角坐标系和工具号(例如拧紧工位工位一选择0号,工位二选择1号),速度不可设置过高。

注意不能切换工具号和用户号时,检查机器人是否在示教模式并且主任务处于运行中,或再现模式时下也不支持切换。

选择寸动模式,点击X、Y、Z、R将机器人移动到目标位置

在程序中点击右键,选择“查看点数据”,在打开的程序位置点中,右键选中空白行,点击“取当前点”,则机器人当前位置信息就存入系统中。

注意要编辑合适的标签名,提示当前点位的功能,方便程序阅读。

五、全局变量监控注意事项

程序中包含大量的全局变量(定义的Global变量)

在全局监控表中单个添加时名字输入错误时会导致添加失败,可在程序内添加监控。

可在程序内选中变量,鼠标点击右键,选择“添加到全局变量监控”。

注意变量值显示为“未识别”时,检查当前程序块运行是否包含此变量,否则无法从控制器查询到数值,监控列表中变量值必须在值被有效刷新的时候才能查看到。

六、程序备份注意事项

点击“配置文件备份”,选择保存路径,输入文件名后确认,待系统提示“备份配置文件完成”则表示备份完成。

注意不能将多台机器人的配置文件相互导入,会导致机器人的出厂设置参数改变,后果不可预料。导入后降低程序运行速度和轴移动速度,验证配置是否正确。

Read more

目标检测数据集——无人机视觉VisDrone数据集

目标检测数据集——无人机视觉VisDrone数据集

随着无人机技术的飞速发展,无人机在航拍、监控、农业、物流等领域的应用日益广泛。与此同时,无人机视角下的视觉任务,如目标检测、目标跟踪和场景理解,也成为了计算机视觉研究的热点。然而,相比传统的地面视角数据集,无人机视角下的图像具有高度变化、小目标密集、复杂背景等独特挑战,这对现有算法提出了更高的要求。 为了应对这些挑战并推动无人机视觉技术的发展,天津大学机器学习与数据挖掘实验室推出了 VisDrone数据集。作为一个大规模、标注精细的无人机视觉数据集,VisDrone 不仅涵盖了丰富的场景和多样化的目标类别,还为研究人员提供了一个极具挑战性的测试平台。无论是小目标检测的精度提升,还是密集场景下的鲁棒性优化,VisDrone 都成为了学术界和工业界不可或缺的资源。该数据集采集自中国14个不同城市,覆盖复杂城市场景、交通枢纽、密集人群等多种环境。 VisDrone官方Github下载渠道可点击访问: https://github.com/VisDrone/VisDrone-Dataset?tab=readme-ov-file 下载的数据集为VisDrone2019-DET-train

By Ne0inhk

【论文阅读笔记】GlobeDiff:用扩散模型从局部观测生成全局状态,破解多智能体部分可观测难题

ICLR 2026 poster GlobeDiff: State Diffusion Process for Partial Observability in Multi-Agent Systemopenreview: https://openreview.net/forum?id=96g2BRsYZXarXiv: https://arxiv.org/abs/2602.15776 在多智能体强化学习(MARL)中,部分可观性(Partial Observability, PO) 是一个长期存在的难题。每个智能体只能看到局部信息,却需要基于此做出全局协调的决策。现有的方法(如信念状态估计或通信)往往难以准确还原全局状态,容易出现“模式坍塌”(Mode Collapse),即把多种可能的全局状态平均成一个模糊的状态,导致决策失误。 本文介绍了 GlobeDiff,一种基于条件扩散模型(Conditional Diffusion Model)

By Ne0inhk
【FPGA】Vivado 保姆级安装教程 | 从官网下载安装包开始到安装完毕 | 每步都有详细截图说明 | 支持无脑跟装

【FPGA】Vivado 保姆级安装教程 | 从官网下载安装包开始到安装完毕 | 每步都有详细截图说明 | 支持无脑跟装

安装包下载:Xilinx_Vivado Download Link(下好后可直接安装) 目录 (有安装包后,可直接跳转至 Step5,免得去官网下了,比较麻烦) Step1:进入官网 Step2:注册账号 Step3:进入下载页面 Step4:下载安装包 Step5:安装 Step6:等待软件安装完成 安装完成 Step1:进入官网 ① 我们可以选择在 XILINX 官网下载其公司旗下的产品 Vivado 🔍 官网地址:www.xilinx.com           (英文)www.china.xilinx.com  (官方中文网站) 👉 点击直达:Xilinx - Adaptable. Intelligent | together we advance_    (英文)

By Ne0inhk
基于深度学习的无人机航拍小目标检测算法研究

基于深度学习的无人机航拍小目标检测算法研究

本项目针对无人机航拍场景下的小目标检测问题,基于 YOLO11 系列模型,在 VisDrone 2019 数据集上进行训练与优化,并提供了完整的检测系统桌面应用,支持图片、视频、摄像头的实时检测与训练指标可视化。 一、项目概述 无人机航拍图像具有目标尺度小、密集分布、多尺度混合等特点,传统检测算法难以取得理想效果。本项目采用 Ultralytics YOLO11 框架,结合 VisDrone 数据集进行训练,实现了对行人、车辆等 10 类交通相关目标的高效检测,并配套开发了基于 PyQt6 的桌面应用,便于模型验证与日常使用。 二、数据集 2.1 数据集简介 本项目使用 VisDrone 2019-DET 数据集,由天津大学机器学习与数据挖掘实验室 AISKYEYE 团队发布,对应 ICCV 2019 "Vision

By Ne0inhk