<p id="3phnn"><output id="3phnn"><font id="3phnn"></font></output></p>

<noframes id="3phnn"><p id="3phnn"></p><p id="3phnn"><p id="3phnn"><delect id="3phnn"></delect></p></p>
<video id="3phnn"></video>
<font id="3phnn"></font>

<p id="3phnn"></p>

<p id="3phnn"><output id="3phnn"><delect id="3phnn"></delect></output></p>

<p id="3phnn"></p>
<p id="3phnn"></p>
<p id="3phnn"><output id="3phnn"></output></p>

<video id="3phnn"><output id="3phnn"></output></video>

<noframes id="3phnn"><output id="3phnn"></output><p id="3phnn"></p>

<p id="3phnn"><p id="3phnn"><delect id="3phnn"></delect></p></p><video id="3phnn"></video>
<noframes id="3phnn"><video id="3phnn"><delect id="3phnn"></delect></video>
<p id="3phnn"><p id="3phnn"><delect id="3phnn"></delect></p></p>

2022機器人技術趨勢:機器視覺+AI+邊緣計算

   2022-04-20 53610
核心提示:機器人執行新任務(例如在倉庫中挑選和移動產品)不可或缺的一項功能是增加對 2D 和 3D 視覺系統的使用。"盲"機器人(或沒有視覺系統的機器人)只能完成簡單的重復性任務,而具有機器視覺的機器人可以對周圍環境做出直觀反應。

2022年,我們可以看到機器人發展的一個顯著趨勢,那就是更大的靈活性。在最近的一次采訪中,機器人軟件公司Insident的首席執行官Wendy Tan White預測,工業機器人領域將出現更多的創新。她認為,在軟件優先解決方案、更便宜的傳感器和更豐富的數據的推動下,我們正處在工業機器人復興的風口浪尖。

今天的制造商正尋求在機器人方面做更多的工作。用于希望更小、更靈活的設計能夠輕松地適應現有的生產線,或者他們現有的機器人能夠輕松地重新調整用途并重新分配任務。

在物流、倉庫或實驗室等其他領域,對機器人在正常制造空間之外發揮作用的需求將不斷增長。特別是協作機器人(cobots),將繼續提供與人類進行更大的合作和協作工作的可能性。一個著名的例子是亞馬遜的 Kiva 機器人,它是機器人化的托盤搬運車,可以跟隨倉庫周圍的工人并支持他們完成任務。

在 2022 年及以后,機器人將越來越多地用于在倉庫或生產線周圍揀選和移動產品。其他增長領域將包括與計算機數控 (CNC) 設備一起運行的協作機器人,焊接應用的可能性也越來越大。那么,機器人是否已經準備好勝任這些不同的角色了嗎?下面,我們來看看今后工業機器人將必備哪些技術。

2022機器人技術趨勢:機器視覺+AI+邊緣計算

機器人視覺系統將不可或缺

機器人執行新任務(例如在倉庫中挑選和移動產品)不可或缺的一項功能是增加對 2D 和 3D 視覺系統的使用。"盲"機器人(或沒有視覺系統的機器人)只能完成簡單的重復性任務,而具有機器視覺的機器人可以對周圍環境做出直觀反應。

借助2D 系統,機器人就配備了一個攝像頭。這種方法更適合讀取顏色或紋理很重要的應用,例如條形碼檢測。另一方面,3D系統是從 2003 年首次在麻省理工學院 (MIT) 開發的空間計算發展而來的。它們依靠多個攝像頭來創建目標對象的 3D 模型,適用于任何形狀或位置需要考慮的任務,例如自動抓取零件。

2D 和 3D 視覺系統都可以提供很多功能。尤其是 3D 系統,可以克服配備 2D 的機器人在執行物理任務時遇到的一些錯誤,否則這些錯誤會需要人工診斷和解決,并可能產生故障。展望未來,配備 3D 視覺系統的機器人將在檢查發動機零件或產品質量等缺陷、包裝檢查、檢查組件方向等方面釋放更多的潛力。

從傳感器轉向 AI

未來幾年,工業機器人技術的重點將從傳感器設備硬件轉向構建人工智能(AI),以幫助優化傳感器的使用,并最終提高性能。

AI、機器視覺和機器學習的結合將迎來機器人技術的下一階段。預計將看到更多旨在幫助制造商實現更高水平的卓越運營、彈性和成本效益的數據管理和增強分析系統。

這將包括機器視覺與學習能力的結合。以精確的無序揀選應用為例,這是機器人最搶手的任務之一。對于以前的機器人系統,需要專業的計算機輔助設計 (CAD) 編程來確保機器人能夠識別形狀。雖然這些 CAD 系統可以識別揀選箱中的任何給定物品,但如果,物品在揀選箱分揀任務中以隨機順序出現,系統就會遇到問題。

取而代之的是,先進的視覺系統使用被動成像,即光子被物體發射或反射,然后形成圖像。因此,機器人可以自動檢測物品,無論它們的形狀或順序如何。

Shibaura Machine 的視覺系統 TSVision3D 就是一個例子,它使用兩個高速攝像機連續捕捉 3D 圖像。通過使用智能軟件,該系統可以處理這些圖像并識別物品的確切位置。通過這個過程,機器人可以確定最合乎邏輯的順序并以亞毫米的精度拾取物品,就像人類工人一樣輕松。

機器人技術在將機器視覺與機器人學習相結合方面具有巨大潛力??赡艿膽冒ɑ谝曈X的無人機、倉庫拾放應用和機器人分揀或回收等。

機器人將從錯誤中學習并適應

借助 TSVision3D,我們看到機器人 AI 發展到可以像人類一樣可靠地解釋圖像的程度。這種演變的另一個關鍵特征是機器學習,它允許機器人從錯誤中學習并適應。

一個例子是由人工智能研究實驗室 OpenAI 創建的 DACTYL 機器人系統。借助 DACTYL 系統,虛擬機械手可以通過反復試驗進行學習。這些數據被傳輸到現實生活中靈巧的機器人手上,通過類似人類的學習,機器人能夠更有效地抓取和操作物體。

這個過程也稱為深度學習,是機器人 AI 的下一步。希望通過試錯過程,就像 DACTYL 系統一樣,機器人可以學會在不同的環境中執行更多不同的任務。

邊緣智能應用到機器人

邊緣計算意味著將數據處理盡可能靠近其源頭,以便更好地獲取數據并確定其優先級。它不是像傳統麥克風或攝像頭那樣的"啞巴"傳感器,而是使用智能傳感器,例如配備語言處理能力的麥克風、濕度和壓力傳感器,或配備計算機視覺的攝像頭。

邊緣計算可以與上述技術相結合。因此,機械臂可以通過智能傳感器和 3D 視覺系統讀取數據,然后將其發送到帶有人機界面 (HMI) 的服務器,在那里工作人員可以檢索數據。

使用邊緣系統可以減少與云之間的數據傳輸,從而緩解網絡擁塞和延遲,并允許更快地執行計算。這些工業 4.0 創新將用于改進最新的機械臂末端工具硬件系統,例如機器人的夾具或加工中心的夾緊系統,使這些硬件系統的精度逐年提高。

我們應該期待在工業機器人領域看到更多的創造力和變革。改進的視覺系統、AI和邊緣系統也可以結合起來,以幫助確保制造商及其機器人在未來幾年繼續蓬勃發展。

 
 
更多>同類資訊
免責申明
推薦資訊
點擊排行
最新資訊更多>
最新供應更多>
網站首頁  |  聯系方式  |  關于我們  |  問題解析  |  版權隱私  |  使用協議  |  網站地圖  |  排名推廣  |  廣告服務  |  積分換禮  |  網站留言  |  RSS訂閱  |  違規舉報  |  粵ICP備1207862號

中國智能化網(zgznh®)--引領工業智能化產業發展 共享智能化+優質平臺

版權所有:深圳市智控網絡有限公司 學術指導:深圳市智能化學會

粵ICP備12078626號 | 增值電信業務經營許可證號 粵B2-20120463

深公網安備案證字第 4403101901094 號 | 粵公網安備 44030702001206號

 
免费 人妻 无码 不卡中文...

<p id="3phnn"><output id="3phnn"><font id="3phnn"></font></output></p>

<noframes id="3phnn"><p id="3phnn"></p><p id="3phnn"><p id="3phnn"><delect id="3phnn"></delect></p></p>
<video id="3phnn"></video>
<font id="3phnn"></font>

<p id="3phnn"></p>

<p id="3phnn"><output id="3phnn"><delect id="3phnn"></delect></output></p>

<p id="3phnn"></p>
<p id="3phnn"></p>
<p id="3phnn"><output id="3phnn"></output></p>

<video id="3phnn"><output id="3phnn"></output></video>

<noframes id="3phnn"><output id="3phnn"></output><p id="3phnn"></p>

<p id="3phnn"><p id="3phnn"><delect id="3phnn"></delect></p></p><video id="3phnn"></video>
<noframes id="3phnn"><video id="3phnn"><delect id="3phnn"></delect></video>
<p id="3phnn"><p id="3phnn"><delect id="3phnn"></delect></p></p>