99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

更靈敏、更精準(zhǔn)、更智能,機器人避障也能“隨心所欲”

INDEMIND ? 來源:INDEMIND ? 作者:INDEMIND ? 2023-04-13 18:09 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

對于穿梭在人群中的機器人們而言,避障的重要性不言而喻。

隨著機器人應(yīng)用越來越廣泛,機器人的作業(yè)場景的復(fù)雜度在顯著增加,與人類的接觸也越加密集,這對機器人的避障功能提出了新要求,不僅要更加精準(zhǔn)靈敏,還要能夠根據(jù)場景及障礙物屬性的不同,實現(xiàn)智能避障,如根據(jù)障礙物的屬性信息,進(jìn)行不同距離的避障動作。

以應(yīng)用在商超、餐廳等場景下的服務(wù)機器人為例,人員密集且流動性大、場景格局復(fù)雜是場景的主要特征,機器人作業(yè)時不僅要與人頻繁交互,還要在密集的流動人群中不斷進(jìn)行動態(tài)避障或急停等安全規(guī)避動作。要高效完成這些基于環(huán)境變化、目標(biāo)需求產(chǎn)生的實時性任務(wù),現(xiàn)有的避障方案已然左支右絀。

從技術(shù)角度來看,目前機器人的避障方案主要是借助激光、TOF、結(jié)構(gòu)光、雙目等傳感器采集場景內(nèi)障礙物的點云信息,構(gòu)建場景柵格地圖,然后對障礙物進(jìn)行避障,此類方案雖然能夠滿足機器人的避障需求,但也僅僅“剛剛能用”,且傳感器也有著多方面缺點:傳感器成本高、視場角?。ㄈ鏣OF)、標(biāo)定參數(shù)易受溫度等因素影響,長期穩(wěn)定性不好(如結(jié)構(gòu)光),此外,還缺少智能化交互能力,由于信息量豐富度不足,無法結(jié)合深度學(xué)習(xí)信息進(jìn)行智能化升級,導(dǎo)致難以實現(xiàn)智能化避障及環(huán)境交互。

安全決策,賦予機器人精準(zhǔn)避障能力

INDEMIND在開發(fā)商用機器人AI Kit的過程中,設(shè)計了一套系統(tǒng)化的安全決策體系,不僅實現(xiàn)了智能避障,還擁有主動安全功能。據(jù)了解,商用機器人AI Kit是專門面向10—100kg量級的商用機器人自主導(dǎo)航方案,滿足商用機器人導(dǎo)航定位、智能避障、路徑規(guī)劃、決策交互等核心功能的開發(fā)。

在作業(yè)過程中,基于INDEMIND微秒級的安全決策,機器人能夠穩(wěn)定檢測各類障礙物,支持低矮障礙物避障(地插、桌椅底座等);高反障礙物避障(玻璃、鏡面等);全高障礙物避障(桌面、警戒線等),保障機器人在復(fù)雜環(huán)境下安全運行。

在實際場景中,動態(tài)事件頻發(fā),機器人的“臨機判斷”能力至關(guān)重要。搭載INDEMIND商用機器人AI Kit的機器人除了能夠?qū)崟r檢測拋物、行人、快速移動物體等突破情況外,也能夠?qū)崟r進(jìn)行潛在風(fēng)險判斷(行人等),根據(jù)風(fēng)險分類,提前做出規(guī)避策略,實現(xiàn)主動安全。商用場景中如商場里常見的高透類障礙物(玻璃護(hù)欄、玻璃墻等)、高危場景(自動扶梯、轉(zhuǎn)門等)以及超市中的狹窄通道、貨架等類似障礙物或場景,對于機器人往往有著極大挑戰(zhàn),導(dǎo)致避障“失靈”的情況時有發(fā)生。而搭載INDEMIND商用機器人AI Kit的機器人可精準(zhǔn)穩(wěn)定地識別這類障礙物,并實施避障、急停等安全策略。

面對不同光線條件,機器人同樣能夠穩(wěn)定避障。基于INDEMIND的強光規(guī)避策略和硬件上內(nèi)置的亮度補光、紋理補光兩種紅外補光設(shè)備(均符合人眼安全等級C1等級要求),機器人滿足強光直射、無光源、昏暗等特殊光照環(huán)境下的無差異工作要求。

和障礙物“零接觸”的秘訣

“隨心所欲”的背后,離不開技術(shù)創(chuàng)新。在技術(shù)實現(xiàn)上,INDEMIND通過從傳感器、識別算法、語義地圖、策略執(zhí)行4個層面出發(fā),建立了各單元聯(lián)動機制,充分釋放系統(tǒng)硬件潛力,為“隨心所欲”提供了底層支持。

多傳感器融合,提升信息獲取能力:傳感器采用雙目視覺模組、Lidar、TOF、跌落傳感器、碰撞傳感器;

AI識別算法,精準(zhǔn)識別場景信息:基于TOF 3D數(shù)據(jù),基于camera 2D環(huán)境圖像數(shù)據(jù)、基于Lidar 2D平面數(shù)據(jù)等的物體及場景識別及基于跌落、碰撞等傳感器的概率判別;

3D語義地圖,賦予“人眼”感官:基于識別得到的語義信息結(jié)合機器人位姿信息,構(gòu)建環(huán)境語義地圖;

策略執(zhí)行,模仿“人腦”決策:對構(gòu)建的語義地圖疊加決策屬性信息,進(jìn)行安全決策執(zhí)行。

值得一提的是,基于視覺技術(shù)的獨有優(yōu)勢,搭載INDEMIND商用機器人AI Kit的機器人,無需技術(shù)人員參與,能夠?qū)崟r自主構(gòu)建地圖,做到了新機器、新場景無需預(yù)部署,開箱即用,且變更場景后,機器人也能自主更新地圖,也無需技術(shù)人員參與,大大提升使用體驗。同時,還支持多層地圖及全局調(diào)度,擁有智能梯控系統(tǒng),能夠?qū)崿F(xiàn)多樓層靈活作業(yè)。

審核編輯黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 機器人
    +關(guān)注

    關(guān)注

    213

    文章

    29748

    瀏覽量

    212970
  • AI
    AI
    +關(guān)注

    關(guān)注

    88

    文章

    35166

    瀏覽量

    280094
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    預(yù)判?視覺黑科技讓掃地機器人開啟“先知”模式

    從被動到主動預(yù)判,視覺技術(shù)比預(yù)想的更快實現(xiàn)。
    的頭像 發(fā)表于 06-18 14:09 ?250次閱讀

    通過vmRT-Thread和ROS2賦機器人智能開發(fā)

    隨著機器人技術(shù)的快速迭代升級,協(xié)作機器人、復(fù)合移動機器人和人形機器人等新興應(yīng)用場景對實時控制與智能決策的深度融合提出了迫切需求。然而,當(dāng)前
    的頭像 發(fā)表于 06-09 09:23 ?838次閱讀
    通過vmRT-Thread和ROS2賦<b class='flag-5'>能</b><b class='flag-5'>機器人</b><b class='flag-5'>智能</b>開發(fā)

    AGV機器人如何實現(xiàn)毫秒級?深度解析多傳感器融合的核心技術(shù)

    一、AGV多傳感器融合實時系統(tǒng)介紹 1.簡介 傳感器融合技術(shù)是機器人實現(xiàn)全覆蓋的關(guān)鍵,其原理仿效人腦綜合處理信息的方式:通過協(xié)調(diào)多種
    的頭像 發(fā)表于 05-28 14:21 ?295次閱讀
    AGV<b class='flag-5'>機器人</b>如何實現(xiàn)毫秒級<b class='flag-5'>避</b><b class='flag-5'>障</b>?深度解析多傳感器融合的核心技術(shù)

    明遠(yuǎn)智睿SSD2351開發(fā)板:語音機器人領(lǐng)域的變革力量

    連續(xù)的長句語音識別,還是復(fù)雜口音的處理,都能快速響應(yīng),保證語音機器人與用戶之間流暢的對話體驗。 其豐富的接口為語音機器人的功能拓展提供了可能。USB接口可以連接高靈敏度的麥克風(fēng)陣列,實現(xiàn)精準(zhǔn)
    發(fā)表于 05-28 11:36

    詳細(xì)介紹機場智能指路機器人的工作原理

    路徑。路徑規(guī)劃算法會考慮多種因素,如距離最短、避開人流密集區(qū)域、優(yōu)先選擇寬闊通道等,以確保旅客能夠快速、順暢地到達(dá)目的地。 實時導(dǎo)航與 :在機器人引導(dǎo)旅客的過程中,導(dǎo)航系統(tǒng)會實時監(jiān)控機器人
    發(fā)表于 05-10 18:26

    【「# ROS 2智能機器人開發(fā)實踐」閱讀體驗】+內(nèi)容初識

    地圖構(gòu)建→路徑規(guī)劃→動態(tài))等等 2. 機器人功能開發(fā) 相較于ROS入門21講,書中更是詳細(xì)書寫了關(guān)于機器人的功能開發(fā),并且十分完善,教程詳盡 傳感器數(shù)據(jù)處理:
    發(fā)表于 04-27 11:24

    INDEMIND:AI視覺賦服務(wù)機器人,“零”碰撞技術(shù)實現(xiàn)全天候安全

    突破傳統(tǒng)局限,視覺方案為服務(wù)機器人拉滿安全感。
    的頭像 發(fā)表于 02-21 16:27 ?377次閱讀
    INDEMIND:AI視覺賦<b class='flag-5'>能</b>服務(wù)<b class='flag-5'>機器人</b>,“零”碰撞<b class='flag-5'>避</b><b class='flag-5'>障</b>技術(shù)實現(xiàn)全天候安全

    【「具身智能機器人系統(tǒng)」閱讀體驗】2.具身智能機器人的基礎(chǔ)模塊

    具身智能機器人的基礎(chǔ)模塊,這個是本書的第二部分內(nèi)容,主要分為四個部分:機器人計算系統(tǒng),自主機器人的感知系統(tǒng),自主機器人的定位系統(tǒng),自主
    發(fā)表于 01-04 19:22

    【「具身智能機器人系統(tǒng)」閱讀體驗】+兩本互為支持的書

    如何使用PyTorch進(jìn)行數(shù)字圖像處理,它借助攝像頭來獲取視頻的圖像信息,然后通過已有的圖像識別框架模型經(jīng)深度學(xué)習(xí)和優(yōu)化以達(dá)到更精準(zhǔn)的識別結(jié)果,從而為進(jìn)一步的執(zhí)行處理提供數(shù)據(jù)支持和依據(jù)。而《具身智能機器人系統(tǒng)
    發(fā)表于 01-01 15:50

    【「具身智能機器人系統(tǒng)」閱讀體驗】2.具身智能機器人大模型

    的設(shè)計不僅提高了機器人對環(huán)境的理解能力,還使其能夠更精準(zhǔn)地執(zhí)行復(fù)雜任務(wù)。 擴散模型的新思路 除了大模型,擴散模型的引入為機器人控制開辟了新的研究方向。在以UniPi為代表的創(chuàng)新工作中,通過用戶的自然語言
    發(fā)表于 12-29 23:04

    【「具身智能機器人系統(tǒng)」閱讀體驗】1.初步理解具身智能

    與未來,涵蓋如基于行為的人工智能、生物啟發(fā)的進(jìn)化人工智能及認(rèn)知機器人技術(shù)的發(fā)展。這一歷史背景為隨后的大模型驅(qū)動的具身智能討論奠定了基礎(chǔ),隨著人工智能
    發(fā)表于 12-28 21:12

    【「具身智能機器人系統(tǒng)」閱讀體驗】1.全書概覽與第一章學(xué)習(xí)

    ,特別是在模型訓(xùn)練的時候,高質(zhì)量、大規(guī)模且多樣化的模型才能夠訓(xùn)練出來一個好的網(wǎng)絡(luò)。針對具身智能機器人也是如此,如自主導(dǎo)航機器人需要大量地環(huán)境數(shù)據(jù)來進(jìn)行路徑規(guī)劃和
    發(fā)表于 12-27 14:50

    【「具身智能機器人系統(tǒng)」閱讀體驗】+初品的體驗

    的快速發(fā)展,相關(guān)人才的需求在不斷增加,通過閱讀該書可以幫助大家系統(tǒng)性地了解和分析當(dāng)前具身智能機器人系統(tǒng)的發(fā)展現(xiàn)狀和前沿研究,為未來的研究和開發(fā)工作提供指導(dǎo)。此外,本書還可以為研究人員和工程師提供具體
    發(fā)表于 12-20 19:17

    艾邁斯歐司朗Belago紅外LED,助力Supernode打造掃地機器人

    Supernode與艾邁斯歐司朗攜手,通過Belago紅外LED實現(xiàn)精準(zhǔn)掃地機器人; 得益于Belago出色的紅外補光功能,使掃地機器人
    的頭像 發(fā)表于 11-21 09:19 ?651次閱讀
    艾邁斯歐司朗Belago紅外LED,助力Supernode打造<b class='flag-5'>避</b><b class='flag-5'>障</b>掃地<b class='flag-5'>機器人</b>

    機器人紅外

    機器人紅外
    發(fā)表于 09-19 12:57 ?0次下載