Reconocimiento oficial|Lanxin recibe el certificado de registro de logros científicos y tecnológicos de la provincia de Zhejiang

Recientemente,Lanxin, un líder eninteligencia artificialyRobótica, logró un hito importante, ya que elDepartamento de Ciencia y Tecnología de la provincia de Zhejiangotorgó oficialmente a la empresa elCertificado de registro de logros científicos y tecnológicos(Número de registro: DJ101002024Y0420). Este prestigioso reconocimiento destaca la investigación pionera de la empresa enIAytecnologías robóticas, afirmando el valor y el impacto de su trabajo innovador en estas áreas de vanguardia.

Resumen del Logro Tecnológico Reconocido: “Percepción de Visión 3D y Aplicaciones Inteligentes de Cluster para Robots Móviles en Escenarios Complejos Ultra Grandes”

Misión y significado

A medida que la aplicación derobots móviles industrialesA medida que se profundiza, los entornos operativos se vuelven cada vez más grandes y complejos, con mayores requisitos de precisión. La cantidad de robots móviles necesarios para la coordinación en un solo sitio continúa creciendo con la escala de las operaciones comerciales.Escenarios complejos de gran tamañoLos robots móviles presentan nuevos desafíos: en estos entornos expansivos y altamente dinámicos, se requiere una coordinación de robots a gran escala, mientras que los robots deben realizar operaciones precisas en objetivos complejos, como objetos reflectantes o de tamaño pequeño. Por lo tanto, establecer un marco técnico integral para operaciones precisas de robots móviles en escenarios complejos y de gran tamaño y lograr una aplicación de nivel industrial es crucial para obtener una ventaja competitiva en la industria global.

ElTecnología AMR (Robot Móvil Autónomo)El campo es extenso y complejo. Los avances nacionales e internacionales actuales enTecnología de sensores, navegación, yprogramación robóticaLos robots aún no se han adaptado por completo a los requisitos operativos precisos de los robots en entornos complejos de gran tamaño. La cuestión central radica en la necesidad de mejorar las capacidades de los robots para la percepción y comprensión integrales en tiempo real de entornos dinámicos y complejos y sus propias operaciones. Este proyecto se centra en la "Tecnología de percepción de fusión de visión 3D + modelo grande de IA" para construir un sistema técnico completo paraNavegación natural SLAM semántica, estimación de la posición del objeto objetivo, planificación de la trayectoria del brazo robótico autónomo, control de movimiento de alta precisión y programación de robots móviles a gran escala en entornos complejos. Este sistema se adapta mejor a escenarios de fabricación diversos, personalizados y a gran escala, ampliando el alcance de aplicación deAMR (resistencia a los antimicrobianos)y mejorando la estabilidad, la seguridad y la precisión.

Desafíos técnicos

Con la expansión de las aplicaciones industriales de los AMR, la fabricación personalizada y flexible se está convirtiendo en la fuerza impulsora principal del futuro.fábricas inteligentesLa industria manufacturera exige una mayor complejidad y precisión, especialmente para robots móviles que operan en entornos complejos, dinámicos y de gran tamaño. Sin embargo, siguen existiendo varios obstáculos técnicos:

1. A gran escalaOperaciones AMRLos sensores deben percibir información ambiental desde distancias de 30 metros o más con un amplio campo de visión y alta resolución. Sin embargo, pocos sensores nacionales satisfacen estas necesidades de percepción de largo alcance. Los sensores de visión 3D convencionales, tanto a nivel nacional como internacional, suelen adolecer de un campo de visión insuficiente y una baja resolución.
2. En los últimos años, los robots móviles se han basado principalmente enSLAM basado en láser(Localización y mapeo simultáneos) para mapeo de escenas y adquisición de información. Sin embargo, este enfoque enfrenta desafíos significativos en cuanto a solidez de localización espacial y también es costoso.
3. En la práctica, los robots que se desplazan por grandes áreas deben realizar tareas precisas sobre objetivos complejos, como objetos pequeños o reflectantes. Los robots suelen enfrentarse a errores de reconocimiento que afectan a la precisión y fiabilidad operativas. Además, faltan tecnologías de planificación de trayectorias para evitar obstáculos de forma autónoma y de control de movimiento de alta precisión para brazos robóticos en entornos complejos.

La complejidad de los algoritmos de programación aumenta exponencialmente con la escala de los robots móviles. Los métodos tradicionales, como la segmentación de múltiples mapas para la planificación de rutas, están limitados por la escala de programación y las capacidades de programación de un solo mapa. Abordar los silos de datos para lograr una coordinación eficiente entre la inteligencia "individual" y "grupal", así como entre los "robots móviles" y las "estaciones de acoplamiento", sigue siendo un desafío apremiante para la industria.

Innovaciones clave

1. Desarrolló un sistema propietarioSensor de visión 3DCon capacidades de percepción de largo alcance, área amplia y alta resolución. Un solo sensor puede lograr posicionamiento y navegación de largo alcance, evasión de obstáculos de rango medio y acoplamiento de alta precisión de rango cercano para robots móviles.
2. Utilizando la asociación semántica entre marcos co-visuales 2D y 3D, el proyecto construye una densaSistema SLAMBasado en el aprendizaje profundo para aplicaciones industriales, el sistema, que implementa técnicas como el filtrado dinámico de objetos, la mejora de características estáticas y la estimación del movimiento de imágenes borrosas, permite la navegación natural sin marcadores para robots móviles en entornos altamente dinámicos.
3. Se desarrolló un método de estimación de pose generativa de "imagen de características". Utilizando una descripción múltiple del espacio de seis dimensiones, el proyecto construyó un decodificador de doble modo para la imitación de poses y residuos de características conjuntas para lograr un reconocimiento preciso de objetivos complejos. Además, el proyecto estableció una tecnología de planificación de trayectorias de evitación de obstáculos autónoma para brazos robóticos en entornos complejos, generando trayectorias operativas óptimas. El proyecto también introdujo la tecnología de control de movimiento de aprendizaje de refuerzo para brazos robóticos basada en la identificación dinámica de retroalimentación, logrando un movimiento operativo de alta precisión.
4. Implementó un sistema de programación distribuida utilizando un enfoque de agrupamiento sin conflictos, superando las limitaciones de escala de programación planteadas por los métodos tradicionales de los competidores, como la expansión de múltiples servidores y la segmentación de múltiples mapas. Al centrarse en la gestión de tareas y la combinación de tareas según diferentes procesos, y aprovechar unAlgoritmo de optimización de red neuronal convolucional de gráficosEl proyecto logró con éxito por primera vez la programación coordinada de miles de robots móviles en un solo mapa.

El comité de evaluación concluyó que este proyecto desarrolló sistemáticamente las tecnologías centrales y los sistemas de software y hardware paraPercepción de visión 3Dy agrupar aplicaciones inteligentes para robots móviles en escenarios complejos y de gran tamaño. El logro general es avanzado a nivel internacional, con elTecnología de percepción de visión 3Dde robots móviles que alcanzan un nivel líder mundial.