質(zhì)量管理類應(yīng)用占比約為22%, 主要原因是機器視覺檢測的成
熟 ，AI 優(yōu)化了圖像識別復(fù)雜和精度，實現(xiàn)了萬物識別，檢測機器人的應(yīng)用從標準化領(lǐng)域拓展到非標領(lǐng)域，應(yīng)用范圍大大拓展。
此類場景“機器人+人工智能”應(yīng)用模式主要為“機械臂+識別類
模型”
,AI 應(yīng)用的主要目標是識別外觀缺陷情況，隨著機器視覺檢
測能力的提升，機器人可以適應(yīng)各類大小、形狀、質(zhì)地的檢驗對象，
并同時開展多個檢測流程，如大族機器人Elfin 協(xié)作機器人能在60
秒時間內(nèi)完成電池托盤法蘭面內(nèi)測平面度檢測、內(nèi)腔長度檢測、碰焊
點檢測等10多項檢測，又比如ABB提供的人工智能機器人焊接質(zhì)檢
系統(tǒng)，以比人工快20倍的速度，檢測、發(fā)現(xiàn)和識別僅22微米的缺陷。
移動機器人+識別類模型+自主導(dǎo)航模型模式,AI應(yīng)用的主要目標是實現(xiàn)環(huán)境識別和路徑規(guī)劃;移動機器人+協(xié)同優(yōu)化模型模式,AI應(yīng)用的目標是開展多種物流機器人的協(xié)調(diào)配合
機械臂+操作優(yōu)化模型模式，AI應(yīng)用的主要目標是提高操作精度;機械臂+操作學習模型模式,AI應(yīng)用的目標是提升機器人的靈活性和適應(yīng)性
決策過程不可追溯,推理過程缺乏顯式的規(guī)則表達;倫理與責任歸屬困境,行為邏輯模糊性可能引發(fā)倫理爭議;動態(tài)環(huán)境適應(yīng)性不足,難以預(yù)測其在未知場景中的反應(yīng)模式
大模型作為最爆火的人工智能概念，推動了人形機器人大腦的形成，助力人形機器人具有人的感知、交互與決策能力；對 于控制系統(tǒng)仍在切入中
原生機器人大模型ERA-42, 展示了與自研五指靈巧手星動XHAND1 結(jié)合后的靈巧操作能力,能夠完成超過100種復(fù)雜靈巧的 操作任務(wù),是真正的具身大模型
普渡機器人提出了 Robot-to-Everything 架構(gòu)，實現(xiàn)萬物互聯(lián)，全場景的智能生態(tài);率先完成了專用、類人形、人形三類機 器人的完整產(chǎn)品布局
機器人像人一樣使用工具的靈巧手,是提升機器人柔性操作能力的關(guān)鍵部件,是柔性制造避不開的一環(huán);靈巧手工程量占據(jù)Optimus工程量的50%,靈巧手是機器人走向“好用”的關(guān)鍵
欠驅(qū)動手硬件集成度高，整體系統(tǒng)簡潔高效、體積小、質(zhì)量輕，便于進行動力學分析;存在功能性不足,對于精度要求比較高的手指精巧控制無法勝任
具有完全可重復(fù)的運動軌跡,適合某些功能性和精細操作較高的場合,在工業(yè)場合， 例如組裝、測量等情況下有更好的表現(xiàn),沒有合理的運動學分析控制時，整體的靈活性差
機器人的觸感靈巧手Linker Hand具備20個主動自由度,包括柔性電子皮膚,實現(xiàn)精細觸覺感知,構(gòu)建全球最大的靈巧操作數(shù)據(jù)集,包含了大量的人手操作數(shù)據(jù),覆蓋了各 種復(fù)雜的抓取和操作任務(wù)
當人們認為機器人是有意圖的代理時，他們的大腦以類似的方式處理自己和機器人的行動結(jié)果,意圖歸因在人機交互中起著至關(guān)重要的作用,可能包括通過言語指令等非交互性手段來調(diào)整人們對機器人意圖的感知
移動機器人系統(tǒng)用于解決探索性化學中的三個主要問題以及根據(jù)數(shù)據(jù)決定下一步做什么,移動機器人做出與人類研究人員相同或相似的決定比人類快得多
