在工業自動化技術領域,最近有兩個熱點很難被忽視:人工智慧(AI)和英偉達(Nvidia)。
不要改變原內容的意思,微調內容,重寫內容,不要續寫:「不僅如此,這兩者密切相關,因為英偉達不僅限於其最開 始的圖形處理單元(GPU),正在將其GPU技術擴展到數位孿生領域,同時緊密連接新興的AI技術。 」
最近,英偉達與眾多工業企業達成了合作,包括領先的工業自動化企業,如Aveva、羅克韋爾自動化、西門子和施耐德電氣,以及泰瑞達機器人及其MiR和優傲機器人公司。 Recently, Nvidia has collaborated with numerous industrial enterprises, including leading industrial automation companies such as Aveva, Rockwell Automation, Siemens, and Schneider Electric, as well as Teradynehi'sobowell Automation, Siemens, and Schneider Electric, as well as Teradyne’sobosobos divisionhits'sobosubtics#.化問題
工業使用的托盤種類繁多。它們上面有油漆和貼紙,某些地方還有磨裂或破損的木頭。然而,自動托盤搬運車的測試通常是在新的、幾乎完美的托盤上進行的,這並不反映大多數工廠車間的實際情況。 Kumar表示,業界在很大程度上已經接受了這一點,並選擇採用人力來處理那些自動托盤搬運車無法處理的托盤。
“但我們不想推出的只是另一款自動托盤搬運車。” Kumar說,“我們希望為客戶提供完全自主的解決方案。但要做到這一點,機器人需要先進的認知能力—這就是我們與英偉達合作的原因。
Kumar解釋,將英偉達的AI功能引入托盤檢測應用之前,行業內的自主托盤搬運車能力是帶有“星號”的,即它只有在機器人工作條件是完美的情況下才是自主的。但現在,在我們的新系統可以說它是適用於現實世界的自主系統。我們知道托盤會來自世界各地,它們可能會破損、刮擦並且有許多缺陷。但我們的機器人將不再尋找完美的場景。它們將在不完美的場景和結構不完善的環境中工作,比典型的機器人解決方案能夠處理的情況具有更多的變化。 圖:Jetson Edge AI 模組與UR5e協作機器人和視覺系統一起使用以進行品質檢查。軟體堆疊
這個拐點可能會比在製造業20年中看到的所有技術採用速度都快。原因在於,過去任何新技術都需要在工廠中分出一部分——風險最小的部分——來嘗試新技術,同時小心不要破壞任何東西。現在,我們的大多數客戶在試行這些AI演算法時,都在雲端中的數位孿生中進行,以便在數百萬種不同的場景中進行各種測試,這將極大地加速技術的採用。因此,在Kumar看來,這個轉折點會比工業界習慣的速度快得多。
他舉出了美國北卡羅來納州和密蘇裡州的一些小型製造商與泰瑞達和英偉達合作開發應用的最新例子,這些應用現已在多個國家使用。 「在過去,只有大公司才能如此迅速地擴大規模。現在,這種擴展正是我們正在實現的。」
AI技術的融合,使機器人能夠在非結構化和不斷變化的環境中更精確地運行,並在各種規模的公司中迅速推廣新的機器人應用。
以上是AI如何使機器人更具自主性和適應性?的詳細內容。更多資訊請關注PHP中文網其他相關文章!