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
尽管芯片厂商不断推出性能更强的神经处理单元,声称比上代产品快30-40%,但大多数AI功能仍依赖云端处理。专家指出,云端AI模型拥有数千亿参数,而手机NPU只能处理约30亿参数的模型。本地AI处理虽然在隐私保护和可靠性方面具有优势,但受限于内存容量和处理能力,目前主要应用于特定场景。业界正致力于优化模型压缩技术,实现云端与本地AI的混合处理模式。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Hammerspace通过现有NVMe存储最大化GPU使用率。随着AI计算在混合云和多云环境中扩展,基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。Hammerspace Tier 0将GPU服务器集群内的本地NVMe存储转换为超高速共享存储层,性能比传统网络存储提升10倍,减少检查点时间,提高GPU使用率,改善推理响应时间,无需额外存储系统,节省数百万美元成本。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。