De meeste van industriële robots zijn nog steeds geprogrammeerd met behulp van de typische leerproces, door het gebruik van de robot leren hanger. In deze paper wordt voorgesteld een versnellingsmeter gebaseerde systeem om te bepalen van een industriële robot met behulp van twee lage kosten en kleine 3 assen draadloze versnellingsmeters. Deze versnellingsmeters zijn gekoppeld aan de menselijke armen, vastleggen van haar gedrag (gebaren en houdingen). Een Artificial Neural Network (ANN) getraind met een terug-propagatie algoritme werd gebruikt voor het herkennen van arm gebaren en houdingen, die vervolgens zal worden gebruikt als input in het besturingselement van de robot. Het doel is dat de robot het verkeer bijna op hetzelfde moment begint als de gebruiker start een gebaar of houding (laag reactietijd) uit te voeren. De resultaten tonen aan dat het systeem kan het besturingselement van een industriële robot op een intuïtieve manier. Echter moet de bereikte mate van gebaren en houdingen (92%) worden verbeterd in de toekomst, het compromis met de responsietijd van het systeem (160 milliseconden) te houden. Tot slot zijn de resultaten van sommige tests uitgevoerd met een industriële robot gepresenteerd en besproken.
Jongens in dit project gaan we twee communicatiestandaarden gebruik onze robot control is een xbee voor grijper regeltechniek in drie as en GSM voor controle mobiliteit van drone.
In dit project dat we leren over XBEE normen, typen, de configuratie, interfacing met microcontrollers, DTMF-decodering, DTMF signaalverwerking, fundamentele robot control, motor stuurprogramma circuits, servo motor control, PWM signaal generatie.
