達州 1756-OX8I 數字模塊 嵌入式操作

達州 1756-OX8I 數字模塊 嵌入式操作

達州 1756-OX8I 數字模塊 嵌入式操作

“經過35年人工智能的研究，人們學到的重要一課是：困難的問題是簡單的，簡單的問題是困難的。”

——史蒂芬·平克

認知科學家

在工業領域，有一個“簡單”的問題著實令人困擾 —— 抓東西。

在西家，有這么一群人，正致力于這件“小事”。

人工智能可以為工業機器人帶來更為智能化的控制系統。

當下，線上購物成為常態，各類電商蓬勃發展，購物狂歡節之下的包裹數量更是驚人。國家郵政局監測數據顯示，截至2023年6月24日，今年全國快遞業務量已達600億件，比2019年達到600億件提前了172天，比2022年提前了34天。

種類繁多、形狀各異的物品聚集在一起，幕后則是成千上萬的工作人員進行分揀、打包、搬運等工作，庫房里的繁忙景象可想而知。

能否借助科技的力量為人們減輕一些負擔呢？答案是肯定的。比如，堪稱“倉庫搬運效率神器”的AGV小車可以代替人工快速搬運物品，在智慧倉儲領域得到廣泛應用。

上海西門子開關有限公司（SSLS）的機器人搬運系統是工廠智能物流及倉儲管理的重要一環。

雖然搬運工作已經逐漸自動化，但是分揀仍舊是勞動密集型的作業，不僅需要大量員工，而且耗時特別長。

你可能會問，分揀不過是將相應的物品抓起來再重新放下去，這么簡單的動作為什么不能自動化呢？原因就在于人類大腦的復雜性。就抓東西這件“小事”來說，人腦會快速識別不同物體的抓取點，而機器人卻不具備這樣的認知能力。

如果說機械臂是工業機器人的“手臂”，使其能夠進行抓取動作；那么相機則是“眼睛”，讓機器人基于視覺技術對物體進行識別與跟蹤，實現“手眼協同”。然而，機器人缺乏自主思考的“大腦”，無法在混雜遮擋的環境中自主調整抓取策略，進行無序分揀。即使通過創建既定程序，工業機器人也只能識別“已知”物品的抓取點，也就是擺放固定、形狀確定的物體。

事實上，不僅在物流行業，在各行各業的庫房里、產線上，無序分揀任務隨處可見，且90%以上還需依賴人工完成，成本自然降不下來。

西門子人工智能解決方案讓機器人具備自主思考的“大腦”。

對此，西門子工廠自動化事業部的同事們提出了創新技術路線：讓AI學習海量物體的基礎幾何特征。這有別于傳統點到點示教的抓取方案以及基于產品外觀模板匹配的抓取方案，能夠讓系統從根本上學會“抓取”這一技能，實現“零訓練”即插即用。西門子深度學習視覺軟件SIMATIC Robot Pick AI應運而生。它可搭配任意機械臂和工業相機，使工業機器人輕松 “拿捏” 堆疊混亂、結構多樣的物體，真正做到無序抓取！

SIMATIC Robot Pick AI具有開放性、模塊化和簡易化的特征。用戶無需進行模型匹配，無需手動訓練數據，拿來即用，智能系統能夠在運行狀態下實時識別抓取點。不僅如此，系統還可以與SIMATIC系列產品以及TIA博途軟件完美兼容，只需十分鐘，輕松安裝！

SIMATIC Robot Pick AI，快速實現靈活、準確、高效的無序抓取與分揀。

機器人抓東西這件“小事”對工業未來的意義重大，不僅可以提到效率和準確率，更能把大量工作人員從高強度的重復性勞動中解放出來。隨著老齡化加劇、勞動力短缺，這件“小事”還將釋放更大潛能，讓科技服務于人類，讓人類工作更具價值！

達州 1756-OX8I 數字模塊 嵌入式操作