Pengakuan Resmi|Lanxin Dianugerahi Sertifikat Registrasi Prestasi Sains dan Teknologi Provinsi Zhejiang

Baru-baru ini,Lanxin, seorang pemimpin dikecerdasan buatanDanrobotika, mencapai tonggak penting, karenaDepartemen Sains dan Teknologi Provinsi Zhejiangsecara resmi memberikan perusahaan tersebutSertifikat Registrasi Prestasi Sains dan Teknologi(Nomor Registrasi: DJ101002024Y0420). Pengakuan bergengsi ini menyoroti penelitian perintis perusahaan dalamKecerdasan buatanDanteknologi robotik, menegaskan nilai dan dampak karya inovatif mereka di bidang mutakhir ini.

Ringkasan Pencapaian Teknologi yang Diakui: "Persepsi Visi 3D dan Aplikasi Cerdas Cluster untuk Robot Seluler dalam Skenario Kompleks yang Sangat Besar"

Misi dan Maknanya

Sebagai penerapanrobot bergerak industrisemakin mendalam, lingkungan operasional menjadi semakin besar dan kompleks, dengan persyaratan presisi yang lebih tinggi. Jumlah robot bergerak yang dibutuhkan untuk koordinasi di satu lokasi terus bertambah seiring dengan skala operasi bisnis.Skenario kompleks yang sangat besarmenghadirkan tantangan baru bagi robot bergerak: dalam lingkungan yang luas dan sangat dinamis ini, koordinasi robot berskala besar diperlukan, sementara robot harus melakukan operasi yang tepat pada target yang kompleks seperti objek yang memantulkan cahaya atau berukuran kecil. Oleh karena itu, membangun kerangka kerja teknis yang komprehensif untuk operasi robot bergerak yang tepat dalam skenario yang sangat besar dan kompleks serta mencapai aplikasi tingkat industri sangat penting untuk mendapatkan keunggulan kompetitif dalam industri global.

ItuTeknologi AMR (Robot Seluler Otonom)bidang ini sangat luas dan kompleks. Kemajuan domestik dan internasional saat ini dalamteknologi sensor, navigasi, Danpenjadwalan robotikbelum sepenuhnya beradaptasi dengan persyaratan operasional robot yang tepat di lingkungan yang sangat kompleks. Masalah inti terletak pada kebutuhan untuk meningkatkan kemampuan robot untuk persepsi waktu nyata yang komprehensif dan pemahaman lingkungan yang dinamis dan kompleks serta operasinya sendiri. Proyek ini berpusat pada "Teknologi Persepsi Penglihatan 3D + Model Besar AI" untuk membangun sistem teknis yang lengkap untukSLAM semantik navigasi alami, estimasi pose objek target, perencanaan lintasan lengan robot otonom, kontrol gerakan presisi tinggi, dan penjadwalan robot bergerak skala besar di lingkungan yang kompleks. Sistem ini lebih baik beradaptasi dengan berbagai skenario manufaktur yang disesuaikan dan berskala besar, memperluas cakupan aplikasiAMR (Anti-Agresif dan Anti-Agresif)dan meningkatkan stabilitas, keamanan, dan ketepatan.

Tantangan Teknis

Dengan semakin meluasnya aplikasi industri AMR, manufaktur yang fleksibel dan personal menjadi pendorong utama masa depanpabrik pintarIndustri manufaktur menuntut kompleksitas dan presisi yang lebih tinggi, terutama untuk robot bergerak yang beroperasi di lingkungan yang sangat besar dan sangat dinamis. Namun, beberapa kendala teknis masih ada:

1. Dalam skala besarOperasi AMR, sensor harus memahami informasi lingkungan dari jarak 30 meter atau lebih dengan bidang pandang yang lebar dan resolusi tinggi. Namun, hanya sedikit sensor domestik yang memenuhi kebutuhan persepsi jarak jauh ini. Sensor penglihatan 3D arus utama, baik domestik maupun internasional, biasanya memiliki bidang pandang yang tidak memadai dan resolusi rendah.
2. Dalam beberapa tahun terakhir, robot seluler terutama bergantung padaSLAM berbasis laser(Simultaneous Localization and Mapping) untuk pemetaan pemandangan dan akuisisi informasi. Namun, pendekatan ini menghadapi tantangan signifikan dalam ketahanan lokalisasi spasial dan juga mahal.
3. Dalam operasi praktis, robot yang bergerak di area yang luas perlu melakukan tugas-tugas yang tepat pada target yang kompleks seperti objek yang memantulkan cahaya atau objek kecil. Robot sering menghadapi kesalahan pengenalan yang memengaruhi presisi dan keandalan operasional. Selain itu, terdapat kekurangan perencanaan lintasan penghindaran rintangan secara otonom dan teknologi kontrol gerakan presisi tinggi untuk lengan robot di lingkungan yang kompleks.

Kompleksitas algoritma penjadwalan meningkat secara eksponensial seiring dengan skala robot bergerak. Metode tradisional, seperti segmentasi multipeta untuk perencanaan rute, dibatasi oleh skala penjadwalan dan kemampuan penjadwalan peta tunggal. Mengatasi silo data untuk mencapai koordinasi yang efisien antara kecerdasan "individu" dan "kelompok", serta antara "robot bergerak" dan "stasiun dok", tetap menjadi tantangan yang mendesak bagi industri.

Inovasi Utama

1. Mengembangkan sebuah hak milikSensor penglihatan 3Ddengan kemampuan persepsi jarak jauh, area luas, dan resolusi tinggi. Satu sensor dapat mencapai posisi dan navigasi jarak jauh, penghindaran rintangan jarak menengah, dan docking presisi tinggi jarak dekat untuk robot bergerak.
2. Dengan memanfaatkan asosiasi semantik antara bingkai co-visual 2D dan 3D, proyek ini membangunSistem SLAMberdasarkan pembelajaran mendalam untuk aplikasi industri. Dengan menerapkan teknik seperti penyaringan objek dinamis, peningkatan fitur statis, dan estimasi gerakan gambar buram, sistem ini memungkinkan navigasi alami tanpa penanda untuk robot bergerak di lingkungan yang sangat dinamis.
3. Mengembangkan metode estimasi pose generatif "citra-fitur". Dengan menggunakan deskripsi berganda dari ruang enam dimensi, proyek ini membangun dekoder dual-modal untuk meniru pose dan residu fitur gabungan guna mencapai pengenalan yang tepat terhadap target yang kompleks. Selain itu, proyek ini membangun teknologi perencanaan lintasan penghindaran rintangan otonom untuk lengan robot di lingkungan yang kompleks, yang menghasilkan lintasan operasional yang optimal. Proyek ini juga memperkenalkan teknologi kontrol gerakan pembelajaran penguatan untuk lengan robot berdasarkan umpan maju identifikasi dinamika, yang mencapai gerakan operasional presisi tinggi.
4. Menerapkan sistem penjadwalan terdistribusi menggunakan pendekatan pengelompokan bebas konflik, mengatasi keterbatasan skala penjadwalan yang disebabkan oleh metode tradisional pesaing seperti perluasan multi-server dan segmentasi multi-peta. Dengan berfokus pada manajemen tugas dan mencocokkan tugas menurut berbagai proses, dan memanfaatkanalgoritma optimasi jaringan saraf konvolusional grafik, proyek ini berhasil mencapai penjadwalan terkoordinasi dari ribuan robot seluler pada satu peta untuk pertama kalinya.

Komite evaluasi menyimpulkan bahwa proyek ini secara sistematis mengembangkan teknologi inti dan sistem perangkat lunak-perangkat keras untukPersepsi penglihatan 3Ddan aplikasi cerdas klaster untuk robot bergerak dalam skenario yang sangat besar dan kompleks. Pencapaian keseluruhannya maju secara internasional, denganTeknologi persepsi penglihatan 3Drobot bergerak yang mencapai tingkat terdepan di dunia.