1. 课程导入与协同场景认知
在智能制造与柔性产线快速演进的今天，机器人早已不是孤立执行动作的"单机设备"。一条典型产线上，往往同时存在多台六轴机器人、SCARA、AGV/AMR、视觉相机、PLC、安全控制器以及上位 MES 系统。它们各自完成搬运、装配、检测、上下料等任务，但真正决定产线效率的，不是单台机器人有多快，而是这些设备能否在正确的时间、以正确的顺序、把正确的数据交给彼此。这正是"设备协同"要解决的核心问题，也是本课程围绕 ctrlX AUTOMATION 展开的出发点。
ctrlX AUTOMATION 是博世力士乐推出的开放式自动化平台，它的定位可以概括为"以 Linux 实时系统为底座、以 App 化软件为核心、以开放接口连接一切"的自动化与 IT 融合平台。与传统 PLC 或运动控制器相比，它最大的不同在于：控制逻辑、运动控制、通信协议、可视化、数据分析都可以作为独立 App 运行在同一套 ctrlX CORE 硬件之上，并通过 ctrlX Data Layer（数据层）实现统一的数据交换。对于机器人协同场景而言，这意味着机器人控制器、PLC、视觉系统、上位系统不必再依赖点对点的硬接线或私有协议，而是围绕一个共享的、语义化的数据空间来组织协同逻辑。
要建立对协同场景的整体认知，先要梳理典型产线上究竟存在哪些协同需求。以一条"机器人上下料 + 视觉定位 + AGV 供料"的柔性装配单元为例，可以归纳出四类协同：
- 时序协同：机器人取件、相机拍照、夹具开合、AGV 到位之间存在严格的先后与互锁关系，任何一步提前或滞后都会导致碰撞或空抓。
- 运动协同：多台机器人或机器人与变位机、传送带之间需要保持速度、相位或轨迹上的同步，例如双机协同搬运同一工件。
- 数据协同：视觉系统输出的位姿偏差、机器人当前关节角、AGV 电量与位置等数据，需要在设备之间实时共享，供决策与补偿使用。
- 安全协同：当安全光幕触发、急停按下或某台设备进入故障状态时，相关设备必须在确定的响应时间内进入安全状态，这依赖安全信号与标准控制信号的协调。
这四类协同并不是彼此独立的。时序协同往往依赖数据协同提供的状态信息，运动协同又必须在安全协同的约束下运行。因此，一个合理的知识框架应当从"设备与接口"出发，经过"数据与通信"，再到"协同逻辑与同步控制"，最后落到"安全与诊断"。本课程后续章节大体沿这条主线展开：先认识 ctrlX CORE、Data Layer 与各类 App 的作用，再学习如何用统一的数据模型描述机器人、相机、AGV 等设备；随后进入实际的协同实现，包括基于 Data Layer 的数据读写、基于 PLC 与运动 App 的时序与同步控制、基于 OPC UA/MQTT 的上位集成；最后讨论安全协同、异常诊断与产线级优化。
从图中可以看到，ctrlX CORE 与 Data Layer 处于协同的中心位置：机器人通过 EtherCAT 接入，视觉系统通过 OPC UA 接入，AGV 通过 MQTT 接入，上位系统通过 REST 或 OPC UA 接入。不同协议、不同厂商的设备，最终都在 Data Layer 中被映射为统一的路径化数据节点。例如，机器人当前 TCP 位姿可以映射为 plc/robot1/tcp/pose，相机识别结果映射为 vision/cam1/result/offset，AGV 状态映射为 agv/agv01/status。协同逻辑不再关心数据来自哪个物理接口，而只关心数据节点的语义与更新时机。这种"接口归一、数据统一"的方式，是 ctrlX AUTOMATION 支撑复杂协同的关键。
为了便于后续学习，这里给出一个简化的协同数据流示例，帮助建立直观印象。假设机器人需要根据相机给出的偏移量修正抓取位置，其数据流可以描述为：相机拍照后把偏移量写入 vision/cam1/result/offset；PLC App 读取该节点，判断偏移量是否在允许范围内（例如 ±2 mm）；若在范围内，则把修正后的目标位姿写入 plc/robot1/target/pose；机器人运动 App 读取目标位姿并执行运动。整个过程通过 Data Layer 完成，无需机器人控制器与相机之间建立直接通信。这种解耦带来的好处是：更换相机品牌时，只需调整相机接入 App 的映射，协同逻辑本身几乎不变。
本课程的学习目标可以归纳为四点：第一，能够说明 ctrlX AUTOMATION 的组成与在机器人协同中的角色；第二，能够使用 Data Layer 描述和读写机器人、视觉、AGV 等设备的数据；第三，能够针对时序、运动、数据、安全四类协同需求，选择合适的实现方式并完成基本配置；第四，能够通过状态监控与日志判断协同是否正常，并在异常时定位问题环节。这四点从"认知"到"操作"再到"排障"，构成一个完整的闭环。