行业资讯
-
[置顶] 中国机器人公司有哪些?主流厂商分类盘点与业务领域梳理
盘点中国机器人公司需按具体应用领域分类梳理。截至2026年,国内在工业机械臂、协作机器人、移动机器人AMR、具身智能人形机器人及特种医疗等赛道已涌现出一批成熟代表企业。本文提供26家主流厂商分类总览表
-
光模块插拔测试怎么自动化?对位精度、插拔力与节拍协同
光模块插拔测试怎么自动化?本文拆解插拔测试的六段工序构成,给出三个技术难点的解决路径:金手指视觉对位与治具容差配合、力反馈插拔保护金手指、测试时长与插拔动作的多工位错峰,并说明方案四要素、适用边界与评
-
3C视觉检测和协作上下料怎么配合?节拍、布局与联调要点
3C视觉检测和协作上下料怎么配合?本文给出完整配合方法:机器人送料、视觉判定、系统握手的架构设计,检测节拍拆解与双工位并行对策,来料定位与OK/NG分流布局,IO/PLC/MES通信握手和五步联调路径
-
3C外壳抛光能不能用协作力控?恒力跟踪能力与适用边界
3C外壳抛光能不能用协作力控?本文给出直接可行性判断:平面与浅曲面规整外壳的批量去毛刺、砂光与抛光可以引入协作力控机器人,深腔内凹与镜面高光需谨慎。文章拆解六维力传感器恒力跟踪原理、四个可行条件与人工
-
汽车半导体封装柔顺装配系统由什么构成 力控插装与评估要点
汽车半导体封装工序引脚细密、基板易翘曲、插接力敏感,柔顺装配系统由力控插装、视觉引导对位、洁净防静电与过程数据追溯四部分构成。本文说明各模块职责与车规工艺背景,并给出力传感器量程精度、插装成功率与损伤
-
3C产线空间紧凑时机械臂怎么装 先看安装形态与占地反推
3C产线工位紧凑时,机械臂安装先量工位、反推工作半径与本体占地,再在桌面式、线边落地、倒装、壁装、挂装中选定安装形态,随后布置控制柜与线缆走向、核对人机安全距离与设备间距。本文给出可直接执行的安装决策
-
激光器封装点胶机器人怎么选?先看胶量控制与耦合精度
激光器封装点胶机器人怎么选?关键在于微小胶量的精确点涂,以及不扰动已对准光路的耦合精度保持。本文拆解点胶在芯片固定、耦合后锚定与密封中的作用,TO、同轴、蝶形封装的工艺差异,固化收缩对耦合的影响,以及
-
协作机器人关节扭矩传感器原理与作用:感知层级和精度怎么看
协作机器人关节扭矩传感器怎么工作、有什么用?本文先讲清关节电流估计为什么会因谐波减速器摩擦而失真,再拆解扭矩传感器弹性变形直接测量的机制,梳理关节电流、关节扭矩传感器与末端六维力传感器的三级感知层级与
-
巡检机器人续航一般多久?影响因素、测算方法与补能策略
巡检机器人标称续航多在 6~10 小时区间,实际能跑多久取决于电池容量、整机功耗、移动速度、作业负载与环境温度。本文讲清标称口径怎么读、哪些情况不能直接套用,并给出按点位数、往返距离与班次测算所需续航
-
汽车总装线边双手搬运机器人方案怎么做?从选型到节拍验证
汽车总装线边双手搬运机器人方案怎么做?本文先拆解线边供料工艺与人工上下料节拍紧、重复搬运、人机混线三大痛点,再给出机器人选型、双手爪与桁架式端拾器、托盘与线体对接、安全策略的方案构成,并附节拍测算公式
-
协作SCARA打螺丝优势 平面高速、安全部署与适用边界
协作SCARA打螺丝的优势来自两条线叠加:SCARA构型的平面高速与铅垂顺应,正好匹配孔位同平面分布、垂直下行锁付的任务结构;协作化再带来免围栏、拖拽示教与人机混线。本文拆解扭矩控制、浮动轴与供钉的配
-
光模块耦合用什么机器人?先看对准精度与力控插入要求
光模块耦合该用人工微调台、耦合专机、力控协作机器人还是复合机器人?本文按有源与无源对准的精度要求、插接力控、换型频率与产量边界同口径对比四种方案,并拆解重复定位精度、六维力传感器、视觉引导精度等选型参
-
协作机械臂恒力打磨工艺包是什么?能力构成与评估要点
协作机械臂恒力打磨工艺包是什么、包含哪些模块、怎么评估?本文先讲清恒力跟踪与位置控制的机制差异,再拆解力控参数配置、轨迹规划、耗材补偿与浮动主轴适配四个能力模块,最后给出力控精度、曲面适应性、换产配置
-
消费电子工业机器人怎么选?协作SCARA六轴Delta适配对比
消费电子/3C 产线选工业机器人,先按工序定品类:锁付点胶看SCARA、高速分拣看Delta、复杂装配与上下料看六轴、人机共线频繁换产看协作机器人。本文用同口径表格对比四类机型在负载、精度、节拍、空间
-
机器人产线怎么快速换型 换型时间四段构成与缩短方法
多品种小批量产线里,机器人换型时间主要由程序/配方切换、夹具/末端更换、工装调整和视觉定位重标定四段构成。本文拆解每段耗时成因,说明图形化编程、工艺包多配方、拖拽示教、快换接口与离线仿真如何缩短换型,
-
巡检机器人怎么识别指针表 图像采集、角度拟合与误差控制
巡检机器人识别指针表的本质是角度测量加量程换算:图像采集、表盘定位、指针角度拟合、示值换算四步完成读数,传统视觉与深度学习两条路线按表型与成本取舍,反光污损等误差靠置信度与复拍控制。本文拆解全过程并给