Službeno priznanje|Lanxin dodijelio certifikat o registraciji za dostignuća u nauci i tehnologiji provincije Zhejiang

nedavno,Lanxin, lider uumjetna inteligencijairobotika, postigao značajnu prekretnicu, kaoOdeljenje za nauku i tehnologiju provincije Zhejiangslužbeno dodijelio kompanijiCertifikat o registraciji dostignuća nauke i tehnologije(Registarski broj: DJ101002024Y0420). Ovo prestižno priznanje ističe pionirsko istraživanje kompanijeAIirobotske tehnologije, potvrđujući vrijednost i utjecaj njihovog inovativnog rada u ovim vrhunskim područjima.

Sažetak priznatog tehnološkog dostignuća: "Percepcija 3D vizije i inteligentne aplikacije klastera za mobilne robote u ultra-velikim složenim scenarijima"

Misija i značaj

Kao primjena odindustrijski mobilni robotiprodubljuje, operativna okruženja postaju sve veća i složenija, sa višim zahtjevima za preciznošću. Broj mobilnih robota potrebnih za koordinaciju na jednoj lokaciji nastavlja rasti s obimom poslovnih operacija.Ultra veliki složeni scenarijipredstavljaju nove izazove za mobilne robote: unutar ovih ekspanzivnih i vrlo dinamičnih okruženja potrebna je velika koordinacija robota, dok roboti moraju izvoditi precizne operacije na složenim ciljevima kao što su reflektirajući ili objekti male veličine. Stoga je uspostavljanje sveobuhvatnog tehničkog okvira za precizne operacije mobilnih robota u ultra-velikim, složenim scenarijima i postizanje industrijske primjene ključno za stjecanje konkurentske prednosti u globalnoj industriji.

TheAMR (Autonomous Mobile Robot) tehnologijapolje je opsežno i složeno. Aktuelni domaći i međunarodni napredak usenzorska tehnologija, navigacija, irobotsko zakazivanjejoš nisu u potpunosti prilagođene preciznim operativnim zahtjevima robota u ultra velikim kompleksnim okruženjima. Ključni problem leži u potrebi da se poboljšaju sposobnosti robota za sveobuhvatnu percepciju i razumijevanje dinamičnih, složenih okruženja i njihovih vlastitih operacija u realnom vremenu. Ovaj projekat se fokusira na "3D Vision Fusion Perception + AI Large Model Technology" za izgradnju kompletnog tehničkog sistema zasemantička SLAM prirodna navigacija, procjenu položaja ciljanog objekta, autonomno planiranje putanje robotske ruke, preciznu kontrolu pokreta i zakazivanje velikog broja mobilnih robota u složenim okruženjima. Ovaj sistem se bolje prilagođava različitim, prilagođenim i velikim proizvodnim scenarijima, proširujući opseg primjeneAMRsi povećanje stabilnosti, sigurnosti i preciznosti.

Technical Challenges

Uz sve veću industrijsku primjenu AMR-a, personalizirana i fleksibilna proizvodnja postaje ključna pokretačka snaga budućnostipametne fabrike. Proizvodna industrija zahtijeva veću složenost i preciznost, posebno za mobilne robote koji rade u ultra velikim, vrlo dinamičnim složenim okruženjima. Međutim, ostaje nekoliko tehničkih uskih grla:

1. U velikim razmeramaAMR operacije, senzori moraju percipirati informacije o okolišu s udaljenosti od 30 metara ili više sa širokim vidnim poljem i visokom rezolucijom. Međutim, malo domaćih senzora zadovoljava ove potrebe percepcije dugog dometa. Uobičajeni 3D senzori vida, kako domaći tako i međunarodni, obično pate od nedovoljnog vidnog polja i niske rezolucije.
2. Posljednjih godina mobilni roboti su se prvenstveno oslanjali naSLAM baziran na laseru(Simultaneous Localization and Mapping) tehnologija za mapiranje scene i prikupljanje informacija. Međutim, ovaj pristup se suočava sa značajnim izazovima u robusnosti prostorne lokalizacije i također je skup.
3. U praktičnim operacijama, roboti koji se kreću po velikim površinama moraju obavljati precizne zadatke na složenim ciljevima kao što su reflektirajući ili mali objekti. Roboti se često suočavaju s greškama u prepoznavanju koje utiču na operativnu preciznost i pouzdanost. Nadalje, nedostaje autonomno planiranje putanje izbjegavanja prepreka i tehnologija kontrole pokreta visoke preciznosti za robotske ruke u složenim okruženjima.

Složenost algoritama za planiranje eksponencijalno raste sa skalom mobilnih robota. Tradicionalne metode, kao što je segmentacija na više karata za planiranje rute, ograničene su skalom planiranja i mogućnostima planiranja na jednoj karti. Rješavanje silosa podataka radi postizanja efikasne koordinacije između "individualne" i "grupne" inteligencije, kao i između "mobilnih robota" i "priključnih stanica", ostaje gorući izazov za industriju.

Ključne inovacije

1. Razvijen vlasnički3D senzor vidasa mogućnošću percepcije velikog dometa, širokog područja i visoke rezolucije. Jedan senzor može postići pozicioniranje i navigaciju na velikom dometu, izbjegavanje prepreka srednjeg dometa i visoko precizno pristajanje na blizinu za mobilne robote.
2. Koristeći semantičku asocijaciju između 2D i 3D ko-vizualnih okvira, projekat konstruiše gustuSLAM sistemzasnovano na dubokom učenju za industrijske aplikacije. Implementacijom tehnika kao što su dinamičko filtriranje objekata, poboljšanje statičkog karaktera i procena kretanja zamućene slike, sistem omogućava prirodnu navigaciju bez markera za mobilne robote u veoma dinamičnim okruženjima.
3. Razvio generativnu metodu procjene poza "osobna slika". Koristeći višestruki opis šestodimenzionalnog prostora, projekat je konstruisao dual-modalni dekoder za mimikriju poza i ostatke zajedničkih karakteristika kako bi se postiglo precizno prepoznavanje složenih ciljeva. Osim toga, projekt je uspostavio autonomnu tehnologiju planiranja putanje izbjegavanja prepreka za robotske ruke u složenim okruženjima, generirajući optimalne operativne putanje. Projekt je također uveo tehnologiju kontrole kretanja za robotske ruke zasnovanu na identifikaciji dinamike naprijed, postižući visoko precizno operativno kretanje.
4. Implementirao distribuirani sistem raspoređivanja koristeći pristup klasteriranja bez sukoba, prevazilazeći ograničenja skale rasporeda koja su postavila tradicionalnim metodama konkurenata kao što su proširenje na više servera i segmentacija na više mapa. Fokusiranjem na upravljanje zadacima i usklađivanje zadataka prema različitim procesima, te korištenjem agrafski konvolucijski algoritam optimizacije neuronske mreže, projekt je po prvi put uspješno postigao koordinirano planiranje hiljada mobilnih robota na jednoj mapi.

Komisija za evaluaciju je zaključila da je ovaj projekat sistematski razvijao osnovne tehnologije i softversko-hardverske sisteme zaPercepcija 3D vizijei klasterske inteligentne aplikacije za mobilne robote u ultra velikim, složenim scenarijima. Sveukupno postignuće je međunarodno napredno, saTehnologija percepcije 3D vidamobilnih robota koji dostižu vodeći svjetski nivo.