NEC研发出一种新的控制技术,能够在保证高度安全性的同时,将机器人在仓库的搬运作业效率提高2倍。该技术将于2023年实际应用,并计划搭载在NEC的协作搬运机器人(注)上。

NEC研发的搬运机器人控制技术概要
近年来,因人手不足和仓库大型化等原因,在搬运作业领域引入机器人的进程正在加速。然而到目前为止,虽然为实现搬运作业自动化而引入机器人,但为了确保安全性,必须控制其行驶速度,搬运效率成为课题,并不能为生产率的提高提供助力。另一方面,如提高行驶速度,为了确保安全,就需要设置搬运机器人专用通道和区域,因此很难导入到现存仓库中。
此次,NEC开发了依照安全风险来控制机器人的风险敏感概率控制技术,该技术使用了可展现机器人控制中的不确定因素(如传感器的测量误差、模拟测试的结果与机器人实际运动的差值等)的模型,以及数理金融的技巧。
依靠该技术,机器人能够自主判断行进路线及速度。在没有作业者或地面没有物品等障碍物的低风险场所,机器人将以最短距离高速行驶;而在风险较高的场所,机器人将选择可以精准避开障碍物的路线低速行驶。经对比发现,使用此技术的机器人与以往的机器人在搬运作业时,作业时间减少了一半,在确保安全性的同时可以将搬运效率提高2倍。另外,即使不设置机器人专用区域也能实现安全性和高效性,因此现有仓库也可以使用。
NEC今后将通过作业现场的实证实验进一步推进技术研发,以期早日将此技术应用于协作搬运机器人上。
(注) 2021年12月17日发布:
NEC研发出利用下一代自动搬运机器人来提高物流仓库出入库作业效率的解决方案:https://jpn.nec.com/press/202112/20211217_02.html (日语)
使用NEC协作搬运机器人的解决方案:
https://jpn.nec.com/arc/index.html (日语)
<关于用于控制搬运机器人的风险敏感概率控制技术>
好文章,需要你的鼓励
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。