Oficialus pripažinimas|Lanxin apdovanotas Džedziango provincijos mokslo ir technologijų pasiekimų registracijos sertifikatu

NeseniaiLanksinas, lyderisdirbtinis intelektasirrobotika, pasiekė reikšmingą etapą, nesDžedziango provincijos mokslo ir technologijų departamentasoficialiai apdovanojo bendrovęMokslo ir technologijų pasiekimų registracijos pažymėjimas(Registracijos Nr.: DJ101002024Y0420). Šis prestižinis pripažinimas pabrėžia novatoriškus bendrovės tyrimusAIirrobotų technologijos, patvirtindami savo novatoriško darbo vertę ir poveikį šiose pažangiausiose srityse.

Pripažinto technologinio laimėjimo santrauka: „3D vizijos suvokimas ir mobiliųjų robotų klasterio intelektualios programos itin dideliuose sudėtinguose scenarijuose“

Misija ir reikšmė

Kaip taikymaspramoniniai mobilieji robotaigilėja, operacinės aplinkos tampa vis didesnės ir sudėtingesnės, joms keliami didesni tikslumo reikalavimai. Mobiliųjų robotų, reikalingų koordinavimui vienoje vietoje, skaičius ir toliau auga, atsižvelgiant į verslo operacijų mastą.Itin dideli sudėtingi scenarijaikelia naujus iššūkius mobiliesiems robotams: šioje plačioje ir labai dinamiškoje aplinkoje reikalingas didelio masto robotų koordinavimas, o robotai turi atlikti tikslias operacijas su sudėtingais taikiniais, tokiais kaip atspindintys ar mažo dydžio objektai. Todėl norint įgyti konkurencinį pranašumą pasaulinėje pramonėje, labai svarbu sukurti išsamią techninę sistemą, skirtą tikslioms mobiliųjų robotų operacijoms itin dideliuose, sudėtinguose scenarijuose ir pasiekti pramoninio lygio pritaikymą.

TheAMR (Autonomous Mobile Robot) technologijasritis yra plati ir sudėtinga. Dabartinė vidaus ir tarptautinė pažangajutiklių technologija, navigacija, irrobotinis planavimasdar nėra visiškai prisitaikę prie tikslių robotų veikimo reikalavimų itin didelėse sudėtingose ​​aplinkose. Pagrindinė problema yra poreikis pagerinti robotų galimybes visapusiškai realiuoju laiku suvokti ir suprasti dinamišką, sudėtingą aplinką ir jų pačių operacijas. Šio projekto tikslas – „3D Vision Fusion Perception + AI Large Model Technology“, siekiant sukurti visą techninę sistemąsemantinė SLAM natūrali navigacija, tikslinio objekto pozos įvertinimas, autonominis roboto rankos trajektorijos planavimas, didelio tikslumo judesių valdymas ir didelio masto mobiliojo roboto planavimas sudėtingose ​​aplinkose. Ši sistema geriau prisitaiko prie įvairių, pritaikytų ir didelio masto gamybos scenarijų, praplėsdama taikymo sritį.AMRir padidinti stabilumą, saugumą ir tikslumą.

Techniniai iššūkiai

Plečiantis pramoniniam AMR pritaikymui, individualizuota ir lanksti gamyba tampa pagrindine ateities varomąja jėgaišmaniosios gamyklos. Gamybos pramonė reikalauja didesnio sudėtingumo ir tikslumo, ypač mobiliesiems robotams, dirbantiems itin didelėse, labai dinamiškose sudėtingose ​​aplinkose. Tačiau išlieka keletas techninių kliūčių:

1. Dideliu mastuAMR operacijos, jutikliai turi suvokti informaciją apie aplinką iš 30 metrų ar didesnio atstumo su plačiu matymo lauku ir didele raiška. Tačiau nedaugelis buitinių jutiklių atitinka šiuos tolimojo suvokimo poreikius. Pagrindiniai 3D matymo jutikliai tiek šalies viduje, tiek tarptautiniu mastu paprastai kenčia dėl nepakankamo matymo lauko ir mažos skiriamosios gebos.
2. Pastaraisiais metais mobilieji robotai pirmiausia pasitikėjolazeriu paremtas SLAM(Simultaneous Localization and Mapping) technologija, skirta scenos žemėlapiams sudaryti ir informacijai gauti. Tačiau šis metodas susiduria su dideliais erdvinės lokalizacijos patikimumo iššūkiais ir yra brangus.
3. Praktinėse operacijose dideliuose plotuose judantys robotai turi atlikti tikslias užduotis su sudėtingais taikiniais, tokiais kaip atspindintys ar maži objektai. Robotai dažnai susiduria su atpažinimo klaidomis, kurios turi įtakos veikimo tikslumui ir patikimumui. Be to, trūksta autonominio kliūčių vengimo trajektorijos planavimo ir didelio tikslumo judesio valdymo technologijos, skirtos robotų ginklams sudėtingose ​​aplinkose.

Planavimo algoritmų sudėtingumas eksponentiškai didėja didėjant mobiliųjų robotų mastui. Tradicinius metodus, tokius kaip kelių žemėlapių segmentavimas maršruto planavimui, riboja planavimo mastelis ir vieno žemėlapio planavimo galimybės. Duomenų rezervuarų sprendimas siekiant veiksmingo „individualaus“ ir „grupinio“ žvalgybos, taip pat „mobiliųjų robotų“ ir „dokų stočių“ koordinavimo tebėra neatidėliotinas iššūkis pramonei.

Pagrindinės naujovės

1. Sukūrė patentuotą3D matymo jutiklissu didelio nuotolio, plataus ploto ir didelės raiškos suvokimo galimybėmis. Vienu jutikliu galima nustatyti tolimojo nuotolio padėtį ir navigaciją, išvengti vidutinio nuotolio kliūčių ir artimo nuotolio didelio tikslumo prijungti mobiliesiems robotams.
2. Naudojant semantinį ryšį tarp 2D ir 3D bendro vaizdo kadrų, projektas sukuria tankųSLAM sistemapagrįsta giliu mokymusi pramoniniam pritaikymui. Įdiegdama tokias technologijas kaip dinaminis objektų filtravimas, statinių funkcijų tobulinimas ir neryškaus vaizdo judesio įvertinimas, sistema įgalina natūralią mobiliųjų robotų navigaciją labai dinamiškoje aplinkoje.
3. Sukūrė generatyvinį pozos įvertinimo metodą „ypatybė-vaizdas“. Naudodamas daugialypį šešiamatės erdvės aprašymą, projektas sukūrė dvejopo modalinio dekoderio pozos imitaciją ir jungtinių funkcijų likučius, kad būtų galima tiksliai atpažinti sudėtingus taikinius. Be to, projekte buvo sukurta autonominė kliūčių vengimo trajektorijų planavimo technologija robotizuotoms ginklams sudėtingose ​​aplinkose, sukuriant optimalias veikimo trajektorijas. Projektas taip pat pristatė sustiprinimo mokymosi judesio valdymo technologiją, skirtą robotų ginklams, pagrįstą dinamikos identifikavimo grįžtamuoju ryšiu, siekiant didelio tikslumo operatyvinio judėjimo.
4. Įdiegta paskirstyta planavimo sistema, naudojant bekonfliktinį klasterizacijos metodą, įveikiant planavimo masto apribojimus, kuriuos kelia tradiciniai konkurentų metodai, tokie kaip kelių serverių išplėtimas ir kelių žemėlapių segmentavimas. Sutelkiant dėmesį į užduočių valdymą ir užduočių derinimą pagal skirtingus procesus bei panaudojant agrafo konvoliucinio neuroninio tinklo optimizavimo algoritmas, įgyvendinant projektą pirmą kartą pavyko suderinti tūkstančių mobiliųjų robotų planavimą viename žemėlapyje.

Vertinimo komisija padarė išvadą, kad šis projektas sistemingai plėtojo pagrindines technologijas ir programinės-aparatinės įrangos sistemas3D matymo suvokimasir sutelkti išmaniąsias programas mobiliesiems robotams itin dideliuose sudėtinguose scenarijuose. Bendras pasiekimas yra tarptautiniu mastu pažangus, su3D regėjimo suvokimo technologijamobiliųjų robotų, pasiekiančių pirmaujantį pasaulyje lygį.