Officiële erkenning|Lanxin ontvangt het registratiecertificaat voor wetenschap en technologieprestaties van de provincie Zhejiang

Onlangs,Lanxin, een leider inkunstmatige intelligentieEnrobotica, een belangrijke mijlpaal bereikt, aangezien deAfdeling Wetenschap en Technologie van de provincie Zhejiangofficieel de onderneming deCertificaat voor registratie van prestaties in wetenschap en technologie(Registratienummer: DJ101002024Y0420). Deze prestigieuze erkenning benadrukt het baanbrekende onderzoek van het bedrijf op het gebied vanKIEnrobottechnologieën, waarmee de waarde en impact van hun innovatieve werk op deze baanbrekende gebieden wordt bevestigd.

Samenvatting van de erkende technologische prestatie: "3D-visieperceptie en clusterintelligente toepassingen voor mobiele robots in uiterst grote complexe scenario's"

Missie en betekenis

Naarmate de toepassing vanindustriële mobiele robotsverdiept, worden de operationele omgevingen steeds groter en complexer, met hogere precisievereisten. Het aantal mobiele robots dat nodig is voor coördinatie op één locatie blijft groeien met de schaal van de bedrijfsvoering.Ultra-grote complexe scenario'snieuwe uitdagingen voor mobiele robots: binnen deze uitgestrekte en zeer dynamische omgevingen is grootschalige robotcoördinatie vereist, terwijl de robots nauwkeurige handelingen moeten uitvoeren op complexe doelen zoals reflecterende of kleine objecten. Daarom is het cruciaal om een ​​uitgebreid technisch raamwerk te creëren voor nauwkeurige handelingen van mobiele robots in ultragrote, complexe scenario's en industriële toepassingen te bereiken om een ​​concurrentievoordeel te behalen in de wereldwijde industrie.

DeAMR (Autonomous Mobile Robot) technologieveld is uitgebreid en complex. Huidige binnenlandse en internationale ontwikkelingen insensortechnologie, navigatie, Enrobotische planninghebben zich nog niet volledig aangepast aan de precieze operationele vereisten van robots in ultra-grote complexe omgevingen. De kern van het probleem ligt in de noodzaak om de mogelijkheden van robots te verbeteren voor uitgebreide realtime perceptie en begrip van dynamische, complexe omgevingen en hun eigen operaties. Dit project richt zich op "3D Vision Fusion Perception + AI Large Model Technology" om een ​​compleet technisch systeem te bouwen voorsemantische SLAM natuurlijke navigatie, schatting van de pose van het doelobject, autonome planning van de baan van een robotarm, uiterst nauwkeurige bewegingsbesturing en grootschalige planning van mobiele robots in complexe omgevingen. Dit systeem past zich beter aan diverse, aangepaste en grootschalige productiescenario's aan, waardoor het toepassingsgebied vanAMR'sen het verbeteren van de stabiliteit, veiligheid en precisie.

Technische uitdagingen

Met de toenemende industriële toepassingen van AMR's wordt gepersonaliseerde en flexibele productie de belangrijkste drijvende kracht van de toekomst.slimme fabrieken. De maakindustrie vraagt ​​om hogere complexiteit en precisie, met name voor mobiele robots die werken in ultra-grote, zeer dynamische complexe omgevingen. Er blijven echter verschillende technische knelpunten bestaan:

1. Op grote schaalAMR-operaties, sensoren moeten omgevingsinformatie waarnemen vanaf afstanden van 30 meter of meer met een breed gezichtsveld en hoge resolutie. Er zijn echter maar weinig binnenlandse sensoren die voldoen aan deze behoeften voor perceptie op lange afstand. Gangbare 3D-zichtsensoren, zowel nationaal als internationaal, hebben doorgaans last van een onvoldoende gezichtsveld en lage resolutie.
2. De laatste jaren zijn mobiele robots vooral afhankelijk geworden vanlaser-gebaseerde SLAM(Simultaneous Localization and Mapping) technologie voor scene mapping en informatieverwerving. Deze aanpak kent echter aanzienlijke uitdagingen op het gebied van ruimtelijke lokalisatierobuustheid en is ook kostbaar.
3. In praktische operaties moeten robots die over grote gebieden bewegen, nauwkeurige taken uitvoeren op complexe doelen zoals reflecterende of kleine objecten. Robots worden vaak geconfronteerd met herkenningsfouten die de operationele precisie en betrouwbaarheid beïnvloeden. Bovendien is er een gebrek aan autonome obstakelvermijdingstrajectplanning en zeer nauwkeurige bewegingsbesturingstechnologie voor robotarmen in complexe omgevingen.

De complexiteit van planningsalgoritmen neemt exponentieel toe met de schaal van mobiele robots. Traditionele methoden, zoals multi-map segmentatie voor routeplanning, worden beperkt door de planningsschaal en de mogelijkheden voor single-map planning. Het aanpakken van datasilo's om efficiënte coördinatie te bereiken tussen "individuele" en "groeps" intelligentie, evenals tussen "mobiele robots" en "docking stations", blijft een dringende uitdaging voor de industrie.

Belangrijkste innovaties

1. Een eigen ontwikkeld3D-visiesensormet langeafstands-, brede-gebieds- en hoge-resolutie perceptiemogelijkheden. Een enkele sensor kan langeafstandspositionering en navigatie, middellangeafstandsobstakelvermijding en dichtbijgelegen, zeer nauwkeurige docking voor mobiele robots bereiken.
2. Door gebruik te maken van de semantische associatie tussen 2D- en 3D-covisuele frames, construeert het project een dichteSLAM-systeemgebaseerd op deep learning voor industriële toepassingen. Door technieken te implementeren zoals dynamische objectfiltering, statische feature enhancement en blur image motion estimation, maakt het systeem markerless natural navigation mogelijk voor mobiele robots in zeer dynamische omgevingen.
3. Een generatieve pose-schattingsmethode voor "feature-image" ontwikkeld. Met behulp van een veelvoudige beschrijving van de zesdimensionale ruimte construeerde het project een dual-modale decoder voor pose-mimicry en gezamenlijke feature-residuen om nauwkeurige herkenning van complexe doelen te bereiken. Daarnaast stelde het project autonome obstakelvermijdingstrajectplanningstechnologie voor robotarmen in complexe omgevingen op, waarmee optimale operationele trajecten werden gegenereerd. Het project introduceerde ook reinforcement learning-bewegingsregeltechnologie voor robotarmen op basis van dynamische identificatiefeedforward, waarmee operationele bewegingen met hoge precisie werden bereikt.
4. Een gedistribueerd planningssysteem geïmplementeerd met behulp van een conflictvrije clusteringbenadering, waarmee de beperkingen van de planningschaal die werden veroorzaakt door traditionele methoden van concurrenten, zoals multi-serveruitbreiding en multi-mapsegmentatie, werden overwonnen. Door te focussen op taakbeheer en het matchen van taken volgens verschillende processen, en door gebruik te maken van eengrafiek convolutioneel neuraal netwerk optimalisatie algoritmeHet project slaagde er voor het eerst in om duizenden mobiele robots op één kaart gecoördineerd in te plannen.

De evaluatiecommissie concludeerde dat dit project systematisch de kerntechnologieën en software-hardwaresystemen heeft ontwikkeld voor3D-visie perceptieen cluster intelligente applicaties voor mobiele robots in ultra-grote, complexe scenario's. De algehele prestatie is internationaal geavanceerd, met de3D-visieperceptietechnologievan mobiele robots die een wereldwijd toonaangevend niveau bereiken.