韩国国立大学机电系教授,李群自动化首席科学家FrankC.Park:工业机器人中的机器学习很重要-亚博APP手机版

发布者: 发布时间:2021-04-20
本文摘要:许多人说,将机器学习应用于实体机器人是一个挑战,因为控制不道德比识别图片中的物体简单得多。

许多人说,将机器学习应用于实体机器人是一个挑战,因为控制不道德比识别图片中的物体简单得多。例如,让工业机器人自学捕捉各种各样的东西,让工业机器人通过观看视频习调制鸡尾酒,让工业机器人也使用自学软件,在训练机器人读取的机器学习系统后,将该机器学习系统与类似的机器人动作相适应但而,在工业机器人创意企业家眼中,这条路是不可避免的。最近在东莞举行的李群自动年度发表会上,他们聘请了新的最高科学家Frankc.Park、韩国国立大学机电系教授。

亚博APP手机版

在演讲过程中,用生动的PPT向我们展示了工业机器人中的机器学习和终极性。以下是(公共编号:)提取的精华内容:三菱电机Kodaira说,机器人行业迫切需要系统整合的想法,工业机器人只是一个部件,整合到系统才有价值。但是每每个系统都必须专门定制,并且与其他系统的链接也必须花费时间。

因此,整个工业机器人系统的成本往往是机器人硬件的3到20倍。其中,软件计划项目至少占40%。

要创造符合时代趋势的工业机器人(工业机器人库),必须通过软件提高。其中包括拟合计划分解(最多时间,消耗大于的能量)任务的制定和优化模拟(机器人工作单元的模拟,工厂的模拟)。这张图是韩国工业机器人的发展历史:从韩国2002年开始,韩国现代六轴机器人经常出现,至今为止irLib领袖2016强烈尊敬的动作计划。这里我要说的是,irLib除了单机器人优化外,还可以应用于多机器人、多任务优化。

明确还包括在多机器人多任务中,确认机器人的最佳方向和多机器人合作的任务。以端到端的能量轨迹为例。在长时间的机械臂中,输出扭矩增加30%-40%,能量损失不增加5-6%。当然,除了优化,工业机器人中的检查也是最重要的。

此时,今年各种AI会议上冷机器学习有用,机器学习在检查中的重要性不言而喻。例如,基于视觉的机器学习在检查智能机器屏幕和产品标签时应该大量使用。例如,基于声音的机器学习需要在检查耳机孔质量时使用。

亚博APP

例如,在检查瓶口纹理时需要使用。换句话说,只要是有感觉输出的地方,就可以在检查系统中使用相关的机器学习。最后,我想传达的是,我们的目标是通过更先进的设备软件和算法,超越更好的工业自动化。

总结:在工业机器人中再次参加机器学习,根据业内人士的不同意见,现在只是搞笑过度实践的现状。但是,去年12月,Fanuc在东京国际机器人展览会上展出了强化自学训练的机器人。这个机器人用于深刻强化自学的技术,可以训练自己,随时自学新的任务。

在尝试捡东西的同时,还需要捕捉这个过程的视频。无论是每次顺利还是结束,都会忘记物品的宽度,用它教的科学知识改良控制行动的深度自学模型和大型神经网络。

但是,面对现在柔性化的生产更低的声音,我们不能像过去那样继续工业机器人执行简单的新任务的时候,花了几周的时间进行新的编程。如果机器人在适应新工作之前需要看别人再做一次的话,就可以想象学习这个新动作,不会给现在的工业机器人生产过程带来质的变化。我们在工业4.0领先的潮流中,还没有和海外的差距那么大。

原始文章允许禁止发布。下一篇文章发表了注意事项。


本文关键词:亚博APP,亚博APP手机版

本文来源:亚博APP-www.savingmca.com