2022机器人技术趋势:机器视觉+AI+边缘计算

   2022-04-20 37820
核心提示:机器人执行新任务(例如在仓库中挑选和移动产品)不可或缺的一项功能是增加对 2D 和 3D 视觉系统的使用。"盲"机器人(或没有视觉系统的机器人)只能完成简单的重复性任务,而具有机器视觉的机器人可以对周围环境做出直观反应。

2022年,我们可以看到机器人发展的一个显著趋势,那就是更大的灵活性。在最近的一次采访中,机器人软件公司Insident的首席执行官Wendy Tan White预测,工业机器人领域将出现更多的创新。她认为,在软件优先解决方案、更便宜的传感器和更丰富的数据的推动下,我们正处在工业机器人复兴的风口浪尖。

今天的制造商正寻求在机器人方面做更多的工作。用于希望更小、更灵活的设计能够轻松地适应现有的生产线,或者他们现有的机器人能够轻松地重新调整用途并重新分配任务。

在物流、仓库或实验室等其他领域,对机器人在正常制造空间之外发挥作用的需求将不断增长。特别是协作机器人(cobots),将继续提供与人类进行更大的合作和协作工作的可能性。一个著名的例子是亚马逊的 Kiva 机器人,它是机器人化的托盘搬运车,可以跟随仓库周围的工人并支持他们完成任务。

在 2022 年及以后,机器人将越来越多地用于在仓库或生产线周围拣选和移动产品。其他增长领域将包括与计算机数控 (CNC) 设备一起运行的协作机器人,焊接应用的可能性也越来越大。那么,机器人是否已经准备好胜任这些不同的角色了吗?下面,我们来看看今后工业机器人将必备哪些技术。

2022机器人技术趋势:机器视觉+AI+边缘计算

机器人视觉系统将不可或缺

机器人执行新任务(例如在仓库中挑选和移动产品)不可或缺的一项功能是增加对 2D 和 3D 视觉系统的使用。"盲"机器人(或没有视觉系统的机器人)只能完成简单的重复性任务,而具有机器视觉的机器人可以对周围环境做出直观反应。

借助2D 系统,机器人就配备了一个摄像头。这种方法更适合读取颜色或纹理很重要的应用,例如条形码检测。另一方面,3D系统是从 2003 年首次在麻省理工学院 (MIT) 开发的空间计算发展而来的。它们依靠多个摄像头来创建目标对象的 3D 模型,适用于任何形状或位置需要考虑的任务,例如自动抓取零件。

2D 和 3D 视觉系统都可以提供很多功能。尤其是 3D 系统,可以克服配备 2D 的机器人在执行物理任务时遇到的一些错误,否则这些错误会需要人工诊断和解决,并可能产生故障。展望未来,配备 3D 视觉系统的机器人将在检查发动机零件或产品质量等缺陷、包装检查、检查组件方向等方面释放更多的潜力。

从传感器转向 AI

未来几年,工业机器人技术的重点将从传感器设备硬件转向构建人工智能(AI),以帮助优化传感器的使用,并最终提高性能。

AI、机器视觉和机器学习的结合将迎来机器人技术的下一阶段。预计将看到更多旨在帮助制造商实现更高水平的卓越运营、弹性和成本效益的数据管理和增强分析系统。

这将包括机器视觉与学习能力的结合。以精确的无序拣选应用为例,这是机器人最抢手的任务之一。对于以前的机器人系统,需要专业的计算机辅助设计 (CAD) 编程来确保机器人能够识别形状。虽然这些 CAD 系统可以识别拣选箱中的任何给定物品,但如果,物品在拣选箱分拣任务中以随机顺序出现,系统就会遇到问题。

取而代之的是,先进的视觉系统使用被动成像,即光子被物体发射或反射,然后形成图像。因此,机器人可以自动检测物品,无论它们的形状或顺序如何。

Shibaura Machine 的视觉系统 TSVision3D 就是一个例子,它使用两个高速摄像机连续捕捉 3D 图像。通过使用智能软件,该系统可以处理这些图像并识别物品的确切位置。通过这个过程,机器人可以确定最合乎逻辑的顺序并以亚毫米的精度拾取物品,就像人类工人一样轻松。

机器人技术在将机器视觉与机器人学习相结合方面具有巨大潜力。可能的应用包括基于视觉的无人机、仓库拾放应用和机器人分拣或回收等。

机器人将从错误中学习并适应

借助 TSVision3D,我们看到机器人 AI 发展到可以像人类一样可靠地解释图像的程度。这种演变的另一个关键特征是机器学习,它允许机器人从错误中学习并适应。

一个例子是由人工智能研究实验室 OpenAI 创建的 DACTYL 机器人系统。借助 DACTYL 系统,虚拟机械手可以通过反复试验进行学习。这些数据被传输到现实生活中灵巧的机器人手上,通过类似人类的学习,机器人能够更有效地抓取和操作物体。

这个过程也称为深度学习,是机器人 AI 的下一步。希望通过试错过程,就像 DACTYL 系统一样,机器人可以学会在不同的环境中执行更多不同的任务。

边缘智能应用到机器人

边缘计算意味着将数据处理尽可能靠近其源头,以便更好地获取数据并确定其优先级。它不是像传统麦克风或摄像头那样的"哑巴"传感器,而是使用智能传感器,例如配备语言处理能力的麦克风、湿度和压力传感器,或配备计算机视觉的摄像头。

边缘计算可以与上述技术相结合。因此,机械臂可以通过智能传感器和 3D 视觉系统读取数据,然后将其发送到带有人机界面 (HMI) 的服务器,在那里工作人员可以检索数据。

使用边缘系统可以减少与云之间的数据传输,从而缓解网络拥塞和延迟,并允许更快地执行计算。这些工业 4.0 创新将用于改进最新的机械臂末端工具硬件系统,例如机器人的夹具或加工中心的夹紧系统,使这些硬件系统的精度逐年提高。

我们应该期待在工业机器人领域看到更多的创造力和变革。改进的视觉系统、AI和边缘系统也可以结合起来,以帮助确保制造商及其机器人在未来几年继续蓬勃发展。

 
分享到: 0
收藏 0 评论 0
 
更多>同类资讯
免责申明
推荐资讯
点击排行
最新资讯更多>
最新供应更多>
网站首页  |  联系方式  |  关于我们  |  问题解析  |  版权隐私  |  使用协议  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  粤ICP备1207862号

中国智能化网(zgznh®)--引领工业智能化产业发展 共享智能化+优质平台

版权所有:深圳市智控网络有限公司 学术指导:深圳市智能化学会

粤ICP备12078626号 | 增值电信业务经营许可证号 粤B2-20120463

深公网安备案证字第 4403101901094 号 | 粤公网安备 44030702001206号