Hivatalos elismerés|Lanxin elnyerte Zhejiang tartomány tudományos és technológiai eredményeinek regisztrációs oklevelét

Nemrég,Lanxin, vezető inmesterséges intelligenciaésrobotika, jelentős mérföldkövet ért el, hiszen aZhejiang Tartományi Tudományos és Technológiai Osztályhivatalosan elnyerte a céget aTudományos és technológiai eredmények regisztrációs bizonyítványa(Regisztrációs szám: DJ101002024Y0420). Ez a rangos elismerés kiemeli a vállalat úttörő kutatásaitAIésrobottechnológiák, megerősítve innovatív munkájuk értékét és hatását ezeken az élvonalbeli területeken.

Az elismert technológiai teljesítmény összefoglalása: "3D-s látás észlelése és fürt intelligens alkalmazások mobil robotokhoz ultranagy komplex forgatókönyvekben"

Küldetés és jelentősége

Alkalmazásakéntipari mobil robotokelmélyül, a működési környezetek egyre nagyobbak és összetettebbek, egyre nagyobb precizitási követelményeket támasztanak. Az egy telephelyen történő koordinációhoz szükséges mobil robotok száma az üzleti műveletek léptékével tovább növekszik.Rendkívül nagy összetett forgatókönyvekúj kihívások elé állítják a mobil robotokat: ezekben a kiterjedt és rendkívül dinamikus környezetekben nagy léptékű robotkoordinációra van szükség, miközben a robotoknak precíz műveleteket kell végrehajtaniuk összetett célpontokon, például fényvisszaverő vagy kis méretű tárgyakon. Ezért egy átfogó műszaki keret létrehozása a mobil robotok precíz működéséhez ultranagy, összetett forgatókönyvekben, valamint az ipari szintű alkalmazás elérése kulcsfontosságú a globális ipar versenyelőnyének megszerzéséhez.

AAMR (Autonomous Mobile Robot) technológiaterület kiterjedt és összetett. Jelenlegi hazai és nemzetközi fejlesztésekérzékelő technológia, navigáció, ésrobotikus ütemezésmég nem alkalmazkodtak teljesen a robotok precíz működési követelményeihez az ultranagy, összetett környezetekben. A fő probléma abban rejlik, hogy javítani kell a robotok képességeit a dinamikus, összetett környezetek és saját műveleteik átfogó valós idejű észlelésére és megértésére. Ennek a projektnek a középpontjában a „3D Vision Fusion Perception + AI Large Model Technology” áll egy teljes műszaki rendszer kiépítéseszemantikus SLAM természetes navigáció, célobjektum póz becslése, autonóm robotkar pályatervezés, nagy pontosságú mozgásvezérlés és nagyszabású mobil robot ütemezés összetett környezetben. Ez a rendszer jobban alkalmazkodik a változatos, személyre szabott és nagy léptékű gyártási forgatókönyvekhez, kibővítve a termékek alkalmazási körét.AMR-ekvalamint a stabilitás, a biztonság és a precizitás fokozása.

Technikai kihívások

Az AMR-ek bővülő ipari alkalmazásaival a személyre szabott és rugalmas gyártás válik a jövő fő hajtóerejévéokos gyárak. A feldolgozóipar nagyobb komplexitást és pontosságot követel meg, különösen az ultranagy, rendkívül dinamikus komplex környezetben működő mobil robotok esetében. Számos technikai szűk keresztmetszet azonban továbbra is fennáll:

1. NagyüzembenAMR műveletek, az érzékelőknek legalább 30 méteres távolságból kell érzékelniük a környezeti információkat széles látómezővel és nagy felbontással. Azonban kevés hazai érzékelő elégíti ki ezeket a nagy hatótávolságú érzékelési igényeket. A főbb 3D-s látásérzékelők, mind hazai, mind nemzetközi szinten, jellemzően az elégtelen látómezőtől és az alacsony felbontástól szenvednek.
2. Az elmúlt években a mobil robotok elsősorban azokra támaszkodtaklézer alapú SLAM(Simultaneous Localization and Mapping) technológia jelenettérképezéshez és információszerzéshez. Ez a megközelítés azonban jelentős kihívásokkal néz szembe a térbeli lokalizáció robusztussága terén, és költséges is.
3. A gyakorlati műveletekben a nagy területeken mozgó robotoknak precíz feladatokat kell végrehajtaniuk összetett célpontokon, például fényvisszaverő vagy kis tárgyakon. A robotok gyakran szembesülnek felismerési hibákkal, amelyek befolyásolják a működési pontosságot és a megbízhatóságot. Ezenkívül hiányzik az autonóm akadályelkerülési pályatervezés és a nagy pontosságú mozgásvezérlési technológia a robotkarokhoz bonyolult környezetben.

Az ütemező algoritmusok összetettsége exponenciálisan növekszik a mobil robotok léptékével. A hagyományos módszereket, például az útvonaltervezés többtérképes szegmentálását az ütemezési lépték és az egytérképes ütemezési képességek korlátozzák. Az adatsilók kezelése az „egyéni” és „csoportos” intelligencia, valamint a „mobil robotok” és a „dokkolók” közötti hatékony koordináció érdekében továbbra is sürgető kihívást jelent az iparág számára.

Kulcsfontosságú innovációk

1. Kifejlesztett egy szabadalmaztatott3D látásérzékelőnagy hatótávolságú, nagy területű és nagy felbontású érzékelési képességekkel. Egyetlen érzékelővel nagy hatótávolságú helymeghatározást és navigációt, középtávú akadálykerülést és közeli, nagy pontosságú dokkolást lehet elérni a mobil robotok számára.
2. A 2D és 3D kovizuális keretek közötti szemantikai asszociációt felhasználva a projekt egy sűrűSLAM rendszermély tanuláson alapul ipari alkalmazásokhoz. Az olyan technikák megvalósításával, mint a dinamikus objektumszűrés, a statikus jellemzők javítása és az elmosódott kép mozgásának becslése, a rendszer markermentes, természetes navigációt tesz lehetővé a mobil robotok számára rendkívül dinamikus környezetben.
3. Kifejlesztett egy "jellemző-kép" generatív pózbecslési módszert. A hatdimenziós tér sokrétű leírását felhasználva a projekt egy kettős modális dekódert épített fel a pózmimika és a közös jellemzők maradványai számára az összetett célpontok pontos felismerése érdekében. Ezenkívül a projekt autonóm akadályelkerülési pályatervezési technológiát hozott létre a robotkarokhoz összetett környezetben, optimális működési pályákat generálva. A projekt emellett bevezette a megerősítő tanulási mozgásvezérlési technológiát a robotkarokhoz, amelyek dinamikus azonosításon alapuló előrecsatoláson alapulnak, és nagy pontosságú műveleti mozgást érnek el.
4. Elosztott ütemezési rendszert valósított meg konfliktusmentes klaszterezési megközelítést alkalmazva, leküzdve a versenytársak hagyományos módszerei, például a többszerveres bővítés és a többtérképes szegmentálás által az ütemezési léptékű korlátokat. A feladatkezelésre és a feladatok különböző folyamatok szerinti összehangolására összpontosítva, valamint agráf konvolúciós neurális hálózat optimalizálási algoritmus, a projekt első ízben sikerült több ezer mobil robot összehangolt ütemezését egyetlen térképen.

Az értékelő bizottság arra a következtetésre jutott, hogy ez a projekt szisztematikusan fejlesztette az alapvető technológiákat és szoftver-hardver rendszereket3D-s látás észleléseés intelligens alkalmazásokat klasztereznek mobil robotokhoz rendkívül nagy, összetett forgatókönyvekben. Az átfogó eredmény nemzetközileg előrehaladott, a3D látás érzékelési technológiaa mobil robotok világelső szintet érnek el.