質(zhì)量管理類(lèi)應用占比約為22%, 主要原因是機器視覺(jué)檢測的成
熟 ，AI 優(yōu)化了圖像識別復雜和精度，實(shí)現了萬(wàn)物識別，檢測機器人的應用從標準化領(lǐng)域拓展到非標領(lǐng)域，應用范圍大大拓展。
此類(lèi)場(chǎng)景“機器人+人工智能”應用模式主要為“機械臂+識別類(lèi)
模型”
,AI 應用的主要目標是識別外觀(guān)缺陷情況，隨著(zhù)機器視覺(jué)檢
測能力的提升，機器人可以適應各類(lèi)大小、形狀、質(zhì)地的檢驗對象，
并同時(shí)開(kāi)展多個(gè)檢測流程，如大族機器人Elfin 協(xié)作機器人能在60
秒時(shí)間內完成電池托盤(pán)法蘭面內測平面度檢測、內腔長(cháng)度檢測、碰焊
點(diǎn)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，以比人工快20倍的速度，檢測、發(fā)現和識別僅22微米的缺陷。
移動(dòng)機器人+識別類(lèi)模型+自主導航模型模式,AI應用的主要目標是實(shí)現環(huán)境識別和路徑規劃;移動(dòng)機器人+協(xié)同優(yōu)化模型模式,AI應用的目標是開(kāi)展多種物流機器人的協(xié)調配合
機械臂+操作優(yōu)化模型模式，AI應用的主要目標是提高操作精度;機械臂+操作學(xué)習模型模式,AI應用的目標是提升機器人的靈活性和適應性
決策過(guò)程不可追溯,推理過(guò)程缺乏顯式的規則表達;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(dòng)態(tài)環(huán)境適應性不足,難以預測其在未知場(chǎng)景中的反應模式
大模型作為最爆火的人工智能概念，推動(dòng)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(dòng)X(jué)HAND1 結合后的靈巧操作能力,能夠完成超過(guò)100種復雜靈巧的 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，實(shí)現萬(wàn)物互聯(lián)，全場(chǎng)景的智能生態(tài);率先完成了專(zhuān)用、類(lèi)人形、人形三類(lèi)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(kāi)的一環(huán);靈巧手工程量占據Optimus工程量的50%,靈巧手是機器人走向“好用”的關(guān)鍵
欠驅動(dòng)手硬件集成度高，整體系統簡(jiǎn)潔高效、體積小、質(zhì)量輕，便于進(jìn)行動(dòng)力學(xué)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(wú)法勝任
具有完全可重復的運動(dòng)軌跡,適合某些功能性和精細操作較高的場(chǎng)合,在工業(yè)場(chǎng)合， 例如組裝、測量等情況下有更好的表現,沒(méi)有合理的運動(dòng)學(xué)分析控制時(shí)，整體的靈活性差
機器人的觸感靈巧手Linker Hand具備20個(gè)主動(dòng)自由度,包括柔性電子皮膚,實(shí)現精細觸覺(jué)感知,構建全球最大的靈巧操作數據集,包含了大量的人手操作數據,覆蓋了各 種復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(shí)，他們的大腦以類(lèi)似的方式處理自己和機器人的行動(dòng)結果,意圖歸因在人機交互中起著(zhù)至關(guān)重要的作用,可能包括通過(guò)言語(yǔ)指令等非交互性手段來(lái)調整人們對機器人意圖的感知
移動(dòng)機器人系統用于解決探索性化學(xué)中的三個(gè)主要問(wèn)題以及根據數據決定下一步做什么,移動(dòng)機器人做出與人類(lèi)研究人員相同或相似的決定比人類(lèi)快得多
