Званично признање|Ланкин је добио сертификат о регистрацији за достигнућа у науци и технологији провинције Џеђанг

недавно,Ланкин, лидер увештачка интелигенцијаироботика, постигао значајну прекретницу, каоОдељење за науку и технологију провинције Џеђангзванично доделио компанијиСертификат о регистрацији достигнућа науке и технологије(Регистарски број: ДЈ101002024И0420). Ово престижно признање истиче пионирско истраживање компаније уАИироботске технологије, потврђујући вредност и утицај њиховог иновативног рада у овим најсавременијим областима.

Резиме признатог технолошког достигнућа: „Перцепција 3Д визије и интелигентне апликације кластера за мобилне роботе у ултра-великим сложеним сценаријима“

Мисија и значај

Као примена одиндустријски мобилни роботипродубљује, оперативна окружења постају све већа и сложенија, са већим захтевима за прецизношћу. Број мобилних робота потребних за координацију на једној локацији наставља да расте са обимом пословних операција.Ултра велики сложени сценаријипредстављају нове изазове за мобилне роботе: унутар ових експанзивних и веома динамичних окружења, потребна је велика координација робота, док роботи морају да обављају прецизне операције на сложеним циљевима као што су рефлектујући или објекти мале величине. Стога је успостављање свеобухватног техничког оквира за прецизне операције мобилних робота у ултра-великим, сложеним сценаријима и постизање индустријске примене од кључног значаја за стицање конкурентске предности у глобалној индустрији.

ТхеАМР (Аутономоус Мобиле Робот) технологијапоље је обимно и сложено. Актуелни домаћи и међународни напредак усензорска технологија, навигација, ироботско заказивањејош увек нису у потпуности прилагођене прецизним оперативним захтевима робота у ултра великим сложеним окружењима. Кључно питање лежи у потреби да се побољшају способности робота за свеобухватну перцепцију и разумевање динамичних, сложених окружења и њихових сопствених операција у реалном времену. Овај пројекат се фокусира на "3Д Висион Фусион Перцептион + АИ Ларге Модел Тецхнологи" за изградњу комплетног техничког система засемантичка СЛАМ природна навигација, процена положаја циљаног објекта, планирање путање аутономне роботске руке, прецизна контрола покрета и заказивање великог броја мобилних робота у сложеним окружењима. Овај систем се боље прилагођава различитим, прилагођеним и великим производним сценаријима, проширујући обим применеАМРси побољшање стабилности, безбедности и прецизности.

Технички изазови

Са све већом индустријском применом АМР-а, персонализована и флексибилна производња постаје кључна покретачка снага будућностипаметне фабрике. Производна индустрија захтева већу сложеност и прецизност, посебно за мобилне роботе који раде у ултра великим, веома динамичним сложеним окружењима. Међутим, остаје неколико техничких уских грла:

1. У великим размерамаАМР операције, сензори морају да перципирају информације о животној средини са удаљености од 30 метара или више са широким видним пољем и високом резолуцијом. Међутим, мало домаћих сензора задовољава ове потребе перцепције дугог домета. Главни 3Д сензори вида, како на домаћем тако и на међународном нивоу, обично пате од недовољног видног поља и ниске резолуције.
2. Последњих година мобилни роботи су се првенствено ослањали наСЛАМ на бази ласера(Симултанеоус Лоцализатион анд Маппинг) технологија за мапирање сцене и прикупљање информација. Међутим, овај приступ се суочава са значајним изазовима у робусности просторне локализације и такође је скуп.
3. У практичним операцијама, роботи који се крећу преко великих површина морају да обављају прецизне задатке на сложеним циљевима као што су рефлектујући или мали објекти. Роботи се често суочавају са грешкама у препознавању које утичу на оперативну прецизност и поузданост. Штавише, постоји недостатак аутономног планирања путање избегавања препрека и технологије контроле покрета високе прецизности за роботске руке у сложеним окружењима.

Сложеност алгоритама за планирање експоненцијално расте са скалом мобилних робота. Традиционалне методе, као што је сегментација на више мапа за планирање руте, ограничене су скалом планирања и могућностима планирања на једној мапи. Решавање силоса података ради постизања ефикасне координације између „индивидуалне“ и „групне“ интелигенције, као и између „мобилних робота“ и „прикључних станица“, остаје горући изазов за индустрију.

Кључне иновације

1. Развијен власнички3Д сензор видаса могућношћу перцепције великог домета, широке области и високе резолуције. Један сензор може постићи позиционирање и навигацију на великом домету, избегавање препрека средњег домета и високо прецизно пристајање за мобилне роботе на близину.
2. Користећи семантичку асоцијацију између 2Д и 3Д ко-визуелних оквира, пројекат конструише густуСЛАМ системзасновано на дубоком учењу за индустријске примене. Имплементацијом техника као што су динамичко филтрирање објеката, побољшање статичког карактера и процена кретања замућене слике, систем омогућава природну навигацију без маркера за мобилне роботе у веома динамичним окружењима.
3. Развио генеративну методу процене позе "особна слика". Користећи вишеструки опис шестодимензионалног простора, пројекат је конструисао дуал-модални декодер за мимикрију поза и остатке заједничких карактеристика да би се постигло прецизно препознавање сложених циљева. Поред тога, пројекат је успоставио аутономну технологију планирања путање избегавања препрека за роботске руке у сложеним окружењима, генеришући оптималне оперативне путање. Пројекат је такође увео технологију контроле покрета за учење за појачање за роботске руке засновану на идентификацији динамике унапред, постижући високо прецизно оперативно кретање.
4. Имплементирао је дистрибуирани систем распоређивања користећи приступ груписања без сукоба, превазилазећи ограничења скале распореда која постављају традиционалне методе конкурената као што су проширење на више сервера и сегментација на више мапа. Фокусирањем на управљање задацима и усклађивање задатака према различитим процесима, и коришћењем аалгоритам оптимизације конволуционе неуронске мреже графа, пројекат је по први пут успешно постигао координисано планирање хиљада мобилних робота на једној мапи.

Комисија за евалуацију је закључила да је овај пројекат систематски развијао основне технологије и софтверско-хардверске системе за3Д перцепција визијеи кластер интелигентних апликација за мобилне роботе у ултра великим, сложеним сценаријима. Укупно достигнуће је међународно напредно, саТехнологија перцепције 3Д визијемобилних робота који достижу водећи светски ниво.