生產操作類應用占比接近40%,是應用Z為普遍的領域。
原因主要有包括以下兩點:
一是企業對效率的需求提升,
“機器取代人”Z
早出現在生產過程中的重復性、封閉性的操作場景中,在多個行業已
經實現了大規模應用,在市場效率競爭和小批量柔性生產趨勢下,企
業普遍存在對智能化機器人的升J需求;
二是機器人功能的拓展,隨
著機器人模塊化設計和柔性控制技術的成熟,工業機器人的精細化程
度和靈活性顯著提G,原本無法被取代的噴涂、焊接場景也逐步開始應用機器人。
此類場景主要包括兩種“機器人+人工智能”融合應用模式。
一
是“機械臂+操作優化模型”模式,AI 應用的主要目標是提G操作精度,如珞石機器人基于關節多傳感器融合的全局振動抑制算法技術,
抖動幅值降低80%以上。
二是“機械臂+操作學習模型”模式,AI應用的目標是提升機器人的靈活性和適應性,形成智能焊接、噴涂、組
裝等典型細分場景,如新松多可焊接工作站,通過示教器即可實現對機器人焊接工藝參數的設定,能夠適用于多品種、小批量、較為離散
的焊件結構特點的焊接應用場景。
決策過程不可追溯,推理過程缺乏顯式的規則表達;倫理與責任歸屬困境,行為邏輯模糊性可能引發倫理爭議;動態環境適應性不足,難以預測其在未知場景中的反應模式
大模型作為最爆火的人工智能概念,推動了人形機器人大腦的形成,助力人形機器人具有人的感知、交互與決策能力;對 于控制系統仍在切入中
原生機器人大模型ERA-42, 展示了與自研五指靈巧手星動XHAND1 結合后的靈巧操作能力,能夠完成超過100種復雜靈巧的 操作任務,是真正的具身大模型
普渡機器人提出了 Robot-to-Everything 架構,實現萬物互聯,全場景的智能生態;率先完成了專用、類人形、人形三類機 器人的完整產品布局
機器人像人一樣使用工具的靈巧手,是提升機器人柔性操作能力的關鍵部件,是柔性制造避不開的一環;靈巧手工程量占據Optimus工程量的50%,靈巧手是機器人走向“好用”的關鍵
欠驅動手硬件集成度高,整體系統簡潔高效、體積小、質量輕,便于進行動力學分析;存在功能性不足,對于精度要求比較高的手指精巧控制無法勝任
具有完全可重復的運動軌跡,適合某些功能性和精細操作較高的場合,在工業場合, 例如組裝、測量等情況下有更好的表現,沒有合理的運動學分析控制時,整體的靈活性差
機器人的觸感靈巧手Linker Hand具備20個主動自由度,包括柔性電子皮膚,實現精細觸覺感知,構建全球最大的靈巧操作數據集,包含了大量的人手操作數據,覆蓋了各 種復雜的抓取和操作任務
當人們認為機器人是有意圖的代理時,他們的大腦以類似的方式處理自己和機器人的行動結果,意圖歸因在人機交互中起著至關重要的作用,可能包括通過言語指令等非交互性手段來調整人們對機器人意圖的感知
移動機器人系統用于解決探索性化學中的三個主要問題以及根據數據決定下一步做什么,移動機器人做出與人類研究人員相同或相似的決定比人類快得多
大模型可加快人形機器人復雜任務訓練速度,提升任務生成速度及縮短理解周期;1 提升人形機器人語言處理能力 2 提升人形機器人場景理解能力 3 提升人形機器人運動控制能力 4 提升人形機器人數據訓練能力
NLP 大模型在語言的歧義、文化差異及多樣化、情感分析困難;CV 大模型算法處理復雜;多模態大模型融合不同模態的信息并提高模型的標識能力