深度学习(Deep Learning, DL)是机器学习的技术和研究领域之一,通过建立具有阶层结构的人工神 经网络(Artifitial Neural Networks, ANNs),在计算系统中实现人工智能 。由于阶层ANN能够对输入信 息进行逐层提取和筛选,因此深度学习具有表征学习(representation learning)能力,可以实现端到端的 监督学习和非监督学习。通过多层处理,逐渐将初始的“低层”特征表示转化为“高层”特征表示后,用 “简单模型”即可完成复杂的分类等学习任务。 机器人视觉 提及机器人视觉,不免会想到计算机视觉和机器视觉,很多人会把这三者弄混。计算机视觉是以图片认 知为基础的科学,只通过图片识别输出结果,代表企业是谷歌。机器视觉多用于生产线上的质量检测,普遍 基于2D识别,被广泛应用于3C电子行业,代表企业是康耐视。机器人视觉,是指不仅要把视觉信息作为输 入,而且还要对这些信息进行处理,进而提取出有用的信息提供给机器人。是为了让机器人真正变成“机器 人”,而不是机器臂。 传统的机器臂只是自动化设备,是通过编程处理固定的动作,是不能处理具有变动性事物的能力。微链 所做的就是机器人视觉,这要求机器人要拥有3D视觉,能处理三维空间里的三维物体问题,并且具有复杂算 法,支撑机器人对位置、动作、轨迹等复杂信息的捕捉,这必须要依赖人工智能和深度学习来完成。 认知机器人 微链对下一代机器人取名为“认知机器人”。认知机器人通过微链通过2D相机或者3D相机,或者其他 的传感器等感知系统采集数据,发送到基于深度学习的WeRobotics认知算法的控制系统,再由控制系统接 发送命令到机器臂,机械臂在执行命令时也需要保持高精度和高速度且具有可靠性。认知机器人还需要具备 不断学习的功能,无论是做检测还是定位引导,当机器人做的次数越多,伴随着数据的增长变化,机器人的
软件定义机器人 “软件定义机器人”这是微链的口号,也是优势之一,但这并不意味着软件和硬件有何高低之分,软件 和复杂的机器人系统不能真正分开。高级工业机器人是复杂的系统,是由硬件和软件与设备和诸如传感器网 络、视觉系统、其他高级工业机器人和工厂控制自动化系统等其他系统紧密集成的,所以软件不能被真正分 开。张宇认为在未来的发展中,软件和硬件要相互融合,同步发展,这样才能实现对“不确定性”的解决。 合作案例 微链的视觉机器人技术应用领域非常广泛,包括3C电子、汽车、轮胎、食品医药、科研教育等,张宇也 为我们具体列出了三个集成应用合作案例供参考。
***,空调视觉引导机器人 利用3D视觉引导工业机器人进行定位组装,来料直接放置传送带上,无需固定和定位,利用3D视觉技 术可以**的识别来料工件的位置,其中3D视觉图像处理到引导时间只需0.1S, 3D视觉引导重复定位精度 为0.02mm;实现无人作业,取代原先5个人工,产能效率提升260%。
第二,座椅零件抓取搬送 此集成项目通过3D视觉识别6个特殊形状的工件在料箱内抓取并放到过度台上,另外两组认知机器人将 另外2个工件通过特殊分料器抓取到传送过度台上,工业机器人再将过度台上再同时抓取8个工件放到组合焊 接台上。
第三,精密五金3d视觉自动注塑项目 在原来的工作状态下,是用人工的方法将物料安放到注塑机里,在进行模具注塑,现在通过应用机器人 自动设备,用自动分料设备将物料整齐分开,然后通过机器人,将相应物料安放在固定工位上,实现自动 化,智能化。 微链科技 除了谈论个人对行业的认知以及机器人视觉技术解析,张宇还向我们展示了微链的公司实力及服务体 系。微链的前生是做IT的,从16年转入自动化领域,在加拿大温哥华设有研发中心,主要研究深度学习的底 层算法,之所以将研发中心设在温哥华,是因为整个北美地区包括加拿大的人工智能底层算法非常**,研 发环境很好且人才较多。
- 下一篇:暂无
- 上一篇:机器人将替代上亿中国人口?AI技术进入“快车道”,请做好准备