공식 인정|Lanxin, 저장성 과학기술 성과 등록증 수상

최근에,란신, 선두 주자인공지능그리고로봇공학, 중요한 이정표를 달성했습니다.저장성 과학기술청공식적으로 회사에 상을 수여했습니다.과학기술성취등록증(등록 번호: DJ101002024Y0420). 이 권위 있는 인정은 회사의 선구적인 연구를 강조합니다.일체 포함그리고로봇 기술최첨단 분야에서의 혁신적인 작업의 가치와 영향력을 확인합니다.

인정된 기술적 성과 요약: "초대형 복잡한 시나리오에서 모바일 로봇을 위한 3D 비전 인식 및 클러스터 지능형 응용 프로그램"

사명과 중요성

의 응용 프로그램으로산업용 모바일 로봇심화됨에 따라 운영 환경은 점점 더 크고 복잡해지고 있으며, 더 높은 정밀도 요구 사항이 있습니다. 단일 사이트에서 조정에 필요한 모바일 로봇의 수는 비즈니스 운영의 규모와 함께 계속 증가하고 있습니다.초대형 복잡한 시나리오모바일 로봇에 새로운 과제를 제시합니다. 이러한 광활하고 매우 역동적인 환경에서는 대규모 로봇 조정이 필요하고, 로봇은 반사적이거나 작은 크기의 물체와 같은 복잡한 대상에 대한 정밀한 작업을 수행해야 합니다. 따라서 초대형 복잡한 시나리오에서 모바일 로봇의 정밀한 작업을 위한 포괄적인 기술 프레임워크를 구축하고 산업 등급 응용 프로그램을 달성하는 것은 글로벌 산업에서 경쟁 우위를 확보하는 데 매우 중요합니다.

그만큼AMR(자율주행로봇) 기술분야는 광범위하고 복잡합니다. 현재 국내 및 국제적으로 발전하고 있습니다.센서 기술, 항해, 그리고로봇 스케줄링아직 초대형 복잡한 환경에서 로봇의 정확한 운영 요구 사항에 완전히 적응하지 못했습니다. 핵심 문제는 동적이고 복잡한 환경과 자체 운영에 대한 포괄적인 실시간 인식 및 이해를 위한 로봇의 역량을 향상해야 할 필요성에 있습니다. 이 프로젝트는 "3D 비전 퓨전 인식 + AI 대형 모델 기술"에 중점을 두고 완전한 기술 시스템을 구축합니다.의미론적 SLAM 자연 탐색, 대상 객체 포즈 추정, 자율 로봇 팔 궤적 계획, 고정밀 모션 제어, 복잡한 환경에서의 대규모 모바일 로봇 스케줄링. 이 시스템은 다양하고 맞춤형이며 대규모 제조 시나리오에 더 잘 적응하여 적용 범위를 넓힙니다.AMRs안정성, 안전성, 정밀성이 향상됩니다.

기술적 과제

AMR의 산업적 응용 분야가 확대됨에 따라 개인화되고 유연한 제조가 미래 산업의 핵심 원동력이 되고 있습니다.스마트 팩토리. 제조 산업은 특히 초대형, 고도로 역동적인 복잡한 환경에서 작동하는 모바일 로봇의 경우 더 높은 복잡성과 정밀성을 요구하고 있습니다. 그러나 몇 가지 기술적 병목 현상이 남아 있습니다.

1. 대규모로AMR 운영, 센서는 넓은 시야와 고해상도로 30m 이상의 거리에서 환경 정보를 감지해야 합니다. 그러나 국내 센서 중 이러한 장거리 감지 요구 사항을 충족하는 센서는 거의 없습니다. 국내외 주류 3D 비전 센서는 일반적으로 시야가 부족하고 해상도가 낮습니다.
2. 최근 몇 년 동안 모바일 로봇은 주로 다음에 의존했습니다.레이저 기반 SLAM(Simultaneous Localization and Mapping) 기술은 장면 매핑 및 정보 수집을 위한 기술입니다. 그러나 이 접근 방식은 공간적 위치 파악 견고성 측면에서 상당한 어려움에 직면하고 있으며 비용도 많이 듭니다.
3. 실제 운영에서 넓은 지역을 이동하는 로봇은 반사 또는 작은 물체와 같은 복잡한 대상에 대한 정밀한 작업을 수행해야 합니다. 로봇은 종종 운영 정밀도와 신뢰성에 영향을 미치는 인식 오류에 직면합니다. 게다가 복잡한 환경에서 로봇 팔에 대한 자율 장애물 회피 궤적 계획 및 고정밀 모션 제어 기술이 부족합니다.

스케줄링 알고리즘의 복잡성은 모바일 로봇의 규모에 따라 기하급수적으로 증가합니다. 경로 계획을 위한 다중 맵 분할과 같은 기존 방법은 스케줄링 규모와 단일 맵 스케줄링 기능에 의해 제한됩니다. "개별" 및 "그룹" 인텔리전스 간, 그리고 "모바일 로봇"과 "도킹 스테이션" 간의 효율적인 조정을 달성하기 위해 데이터 사일로를 해결하는 것은 여전히 ​​업계에 시급한 과제입니다.

주요 혁신

1. 독점적인 것을 개발했습니다3D 비전 센서장거리, 광역 및 고해상도 인식 기능을 갖추고 있습니다. 단일 센서로 장거리 위치 지정 및 탐색, 중거리 장애물 회피, 모바일 로봇을 위한 근거리 고정밀 도킹을 달성할 수 있습니다.
2. 2D와 3D 공동 시각 프레임 간의 의미적 연관성을 활용하여 프로젝트는 밀도 있는SLAM 시스템산업용 애플리케이션을 위한 딥 러닝 기반. 동적 객체 필터링, 정적 특징 향상, 흐림 이미지 모션 추정과 같은 기술을 구현함으로써, 이 시스템은 매우 역동적인 환경에서 모바일 로봇을 위한 마커 없는 자연스러운 탐색을 가능하게 합니다.
3. "특징-이미지" 생성 포즈 추정 방법을 개발했습니다. 6차원 공간의 매니폴드 설명을 사용하여 이 프로젝트는 포즈 모방 및 조인트 특징 잔차를 위한 듀얼 모달 디코더를 구축하여 복잡한 대상을 정확하게 인식했습니다. 또한 이 프로젝트는 복잡한 환경에서 로봇 팔을 위한 자율 장애물 회피 궤적 계획 기술을 확립하여 최적의 작동 궤적을 생성했습니다. 이 프로젝트는 또한 역학 식별 피드포워드를 기반으로 로봇 팔을 위한 강화 학습 모션 제어 기술을 도입하여 고정밀 작동 이동을 달성했습니다.
4. 경쟁사의 기존 방식(멀티 서버 확장, 멀티 맵 세분화 등)으로 인한 스케줄링 규모의 한계를 극복하고, 충돌 없는 클러스터링 방식을 사용하여 분산 스케줄링 시스템을 구현했습니다. 작업 관리에 집중하고 다양한 프로세스에 따라 작업을 매칭하고,그래프 합성 신경망 최적화 알고리즘이 프로젝트는 처음으로 단일 맵에서 수천 대의 모바일 로봇을 조정하여 스케줄링하는 데 성공했습니다.

평가위원회는 이 프로젝트가 핵심기술과 소프트웨어-하드웨어 시스템을 체계적으로 개발했다고 결론지었다.3D 시각 인식그리고 초대형 복잡한 시나리오에서 모바일 로봇을 위한 클러스터 지능형 애플리케이션. 전반적인 성과는 국제적으로 진보되어 있으며,3D 시각 인식 기술모바일 로봇이 세계를 선도하는 수준에 도달했습니다.