Oficiálne uznanie|Lanxin získal osvedčenie o registrácii vedy a techniky provincie Zhejiang

nedávnoLanxin, líder vumelá inteligenciaarobotika, dosiahol významný míľnik, keďžeProvinčné oddelenie vedy a techniky Zhejiangspoločnosť oficiálne udelilaOsvedčenie o zápise do vedy a techniky(Evidenčné číslo: DJ101002024Y0420). Toto prestížne uznanie vyzdvihuje priekopnícky výskum spoločnosti vAIarobotické technológie, potvrdzujúc hodnotu a vplyv ich inovatívnej práce v týchto špičkových oblastiach.

Zhrnutie uznaného technologického úspechu: „Vnímanie 3D videnia a klastrové inteligentné aplikácie pre mobilné roboty v ultra veľkých komplexných scenároch“

Poslanie a význam

Ako aplikáciapriemyselné mobilné robotyprehlbuje, prevádzkové prostredia sú čoraz väčšie a komplexnejšie, s vyššími požiadavkami na presnosť. Počet mobilných robotov potrebných na koordináciu na jednom mieste neustále rastie s rozsahom obchodných operácií.Mimoriadne veľké komplexné scenárepredstavujú nové výzvy pre mobilné roboty: v týchto rozsiahlych a vysoko dynamických prostrediach je potrebná koordinácia robotov vo veľkom meradle, zatiaľ čo roboty musia vykonávať presné operácie na zložitých cieľoch, ako sú reflexné alebo malé objekty. Preto je vytvorenie komplexného technického rámca pre presné operácie mobilných robotov v ultra veľkých, zložitých scenároch a dosiahnutie aplikácie na priemyselnej úrovni kľúčové pre získanie konkurenčnej výhody v globálnom priemysle.

TheTechnológia AMR (Autonomous Mobile Robot).oblasť je rozsiahla a komplexná. Súčasný domáci a medzinárodný pokrok vsenzorová technológia, navigácia, arobotické plánovaniesa ešte úplne neprispôsobili presným prevádzkovým požiadavkám robotov v ultra veľkých komplexných prostrediach. Hlavná otázka spočíva v potrebe zlepšiť schopnosti robotov pre komplexné vnímanie a pochopenie dynamických, zložitých prostredí a ich vlastných operácií v reálnom čase. Tento projekt sa sústreďuje na „3D Vision Fusion Perception + AI Large Model Technology“ s cieľom vybudovať kompletný technický systém presémantická prirodzená navigácia SLAM, odhad polohy cieľového objektu, plánovanie trajektórie autonómneho robotického ramena, vysoko presné riadenie pohybu a plánovanie veľkých mobilných robotov v zložitých prostrediach. Tento systém sa lepšie prispôsobuje rôznorodým, prispôsobeným a rozsiahlym výrobným scenárom, čím sa rozširuje rozsah použitiaAMRa zvýšenie stability, bezpečnosti a presnosti.

Technické výzvy

S rozširujúcimi sa priemyselnými aplikáciami AMR sa personalizovaná a flexibilná výroba stáva hlavnou hnacou silou budúcnostiinteligentné továrne. Výrobný priemysel vyžaduje vyššiu zložitosť a presnosť, najmä pre mobilné roboty pracujúce v ultra veľkých, vysoko dynamických komplexných prostrediach. Zostáva však niekoľko technických prekážok:

1. Vo veľkom meradleOperácie AMRmusia senzory vnímať informácie o životnom prostredí zo vzdialenosti 30 metrov alebo viac so širokým zorným poľom a vysokým rozlíšením. Len málo domácich senzorov však spĺňa tieto potreby vnímania na veľké vzdialenosti. Bežné snímače 3D videnia, na domácom aj medzinárodnom trhu, zvyčajne trpia nedostatočným zorným poľom a nízkym rozlíšením.
2. Mobilné roboty sa v posledných rokoch spoliehajú predovšetkým naSLAM na báze lasera(Simultaneous Localization and Mapping) technológia pre mapovanie scény a získavanie informácií. Tento prístup však čelí významným výzvam v robustnosti priestorovej lokalizácie a je tiež nákladný.
3. V praktických operáciách musia roboty pohybujúce sa na veľkých plochách vykonávať presné úlohy na zložitých cieľoch, ako sú reflexné alebo malé predmety. Roboty často čelia chybám v rozpoznávaní, ktoré ovplyvňujú prevádzkovú presnosť a spoľahlivosť. Okrem toho chýba autonómne plánovanie trajektórie vyhýbania sa prekážkam a vysoko presná technológia riadenia pohybu pre robotické ramená v zložitých prostrediach.

Zložitosť plánovacích algoritmov sa exponenciálne zvyšuje s rozsahom mobilných robotov. Tradičné metódy, ako napríklad segmentácia viacerých máp na plánovanie trasy, sú obmedzené mierou plánovania a možnosťami plánovania na jednej mape. Riešenie dátových síl na dosiahnutie efektívnej koordinácie medzi „individuálnou“ a „skupinovou“ inteligenciou, ako aj medzi „mobilnými robotmi“ a „dokovacími stanicami“, zostáva pre toto odvetvie naliehavou výzvou.

Kľúčové inovácie

1. Vyvinutý proprietárny3D snímač videnias schopnosťami vnímania na veľké vzdialenosti, na veľkú plochu a s vysokým rozlíšením. Jediný snímač môže dosiahnuť určovanie polohy a navigáciu na veľké vzdialenosti, vyhýbanie sa prekážkam v strednom dosahu a vysoko presné dokovanie na blízko pre mobilné roboty.
2. Využitím sémantickej asociácie medzi 2D a 3D ko-vizuálnymi snímkami projekt vytvára hustúSystém SLAMzaložené na hlbokom učení pre priemyselné aplikácie. Implementáciou techník, ako je dynamické filtrovanie objektov, vylepšenie statických funkcií a odhad pohybu rozmazaného obrazu, systém umožňuje prirodzenú navigáciu bez značiek pre mobilné roboty vo vysoko dynamických prostrediach.
3. Vyvinul metódu generatívneho odhadu pozície „vlastného obrazu“. Pomocou rozmanitého opisu šesťrozmerného priestoru projekt skonštruoval duálny modálny dekodér pre pozostatky mimikry a kĺbových funkcií, aby sa dosiahlo presné rozpoznanie zložitých cieľov. Okrem toho projekt zaviedol technológiu autonómneho plánovania trajektórie vyhýbania sa prekážkam pre robotické ramená v zložitých prostrediach, čím sa generujú optimálne prevádzkové trajektórie. Projekt tiež zaviedol technológiu riadenia pohybu učenia sa pre robotické ramená založenú na dynamickej identifikácii, čím sa dosiahol vysoko presný operačný pohyb.
4. Implementovaný distribuovaný systém plánovania využívajúci bezkonfliktný klastrovací prístup, čím sa prekonali obmedzenia škály plánovania, ktoré predstavujú tradičné metódy konkurentov, ako je rozšírenie na viacero serverov a segmentácia viacerých máp. Zameraním sa na riadenie úloh a priraďovanie úloh podľa rôznych procesov a využívaním agraf optimalizačný algoritmus konvolučnej neurónovej siete, projekt po prvýkrát úspešne dosiahol koordinované plánovanie tisícov mobilných robotov na jednej mape.

Hodnotiaca komisia dospela k záveru, že tento projekt systematicky rozvíjal základné technológie a softvérovo-hardvérové ​​systémyVnímanie 3D videniaa klastrové inteligentné aplikácie pre mobilné roboty v ultra veľkých a zložitých scenároch. Celkový úspech je medzinárodne pokročilý, sTechnológia vnímania 3D videniamobilných robotov dosahujúcich poprednú svetovú úroveň.