安全工作不仅涉及流程,还涉及环境——了解工作环境和环境,并能够预测其他人下一步会做什么。一个新的系统赋予机器人这种水平的上下文感知能力,因此它们可以更有效地在装配线上与人类并肩工作,而不会受到不必要的干扰。

人-机器人协作系统不仅能够判断自身与其人类同事之间的距离,还可以识别每个工人以及工人的骨骼模型,这是工人身体体积的抽象。利用这些信息,上下文感知机器人系统可以识别工人的姿势,甚至预测下一个姿势。这些能力为机器人在交互时提供了一个可感知的环境。

与传统的机器学习方法相比,该系统使用人工智能,需要更少的计算能力和更小的数据集。它取而代之的是一种称为转移学习的机器学习形式,这种学习方式重用通过培训开发的知识,然后再将其应用到操作模型中。

对于当前的协作机器人,当有人靠近它时,机器人会减速,如果工作人员足够靠近,机器人就会停止。如果该人离开,它将继续。上下文感知机器人系统可以与自动驾驶汽车相比较,自动驾驶汽车可以识别红绿灯亮了多长时间,并期待再次移动。它不再制动或降档,而是开始通过向交叉口巡航来调整速度,从而减轻制动器和变速箱的磨损。

实验表明,有了上下文,机器人可以在不降低生产速度的情况下更安全、更高效地操作。在一次测试中,一个机器人手臂的路径意外地被人的手挡住了。但是机器人没有停止,而是进行了调整——它预测了手的未来轨迹,并且机器人将手臂绕着手移动。

有关更多信息,请联系David Callahan此电子邮件地址受到垃圾邮件的保护。您需要启用JavaScript才能查看它。; +46 8 790 69 76.


yabovip16.com科技简报杂志

这篇文章第一次出现在2021年7月的《金融时报》上yabovip16.com杂志。

阅读本期的更多文章在这里.

阅读更多的档案文章在这里.