Ultralytics YOLO

利用 Ultralytics YOLO11 将计算机视觉集成到机器人中

仔细看看像 Ultralytics YOLO11 这样的计算机视觉模型如何让机器人变得更聪明，并塑造机器人的未来。

ABAbirami Vina5 min readMarch 18, 2025

自从20世纪50年代发明了第一台工业机器人 Unimate以来，机器人已经取得了长足的进步。最初基于规则的预编程机器，现在已经发展成为能够执行复杂任务并与现实世界无缝交互的智能系统。

如今，机器人正被广泛应用于从制造和医疗到农业的各个行业，用于实现各种流程自动化。机器人技术演进的一个关键因素是AI和计算机视觉——这是AI的一个分支，可以帮助机器理解和解释视觉信息。

例如，像Ultralytics YOLO11这样的计算机视觉模型正在提升机器人系统的智能水平。当集成到这些系统中时，视觉AI使机器人能够识别物体、导航环境并做出实时决策。

在这篇文章中，我们将探讨 Ultralytics YOLO11 如何为机器人赋予先进的计算机视觉能力，并探索其在各个行业的应用。

机器人技术中人工智能和计算机视觉的概述#

机器人的核心功能取决于它对周围环境的理解程度。这种感知能力将其物理硬件与智能决策连接起来。没有它，机器人只能遵循固定的指令，难以适应多变的环境或处理复杂的任务。正如人类依靠视觉进行导航一样，机器人使用计算机视觉来解释其环境、理解情况并采取适当的行动。

使用计算机视觉读取棋盘来玩井字棋的机器人

图 1. 一个机器人利用计算机视觉解读棋盘并进行策略性走子来玩井字棋游戏。

事实上，计算机视觉是大多数机器人任务的基础。它帮助机器人在移动时检测物体并避开障碍物。然而，要做到这一点，仅仅能“看见”世界是不够的；机器人还必须能够迅速做出反应。在现实世界中，即使是轻微的延迟也可能导致代价高昂的错误。像 Ultralytics YOLO11 这样的模型使机器人能够实时收集见解并即时响应，即使是在复杂或不熟悉的情况下。

了解 Ultralytics YOLO11#

在我们深入探讨如何将 Ultralytics YOLO11 集成到机器人系统之前，让我们先了解一下 YOLO11 的核心功能。

Ultralytics YOLO模型支持各种计算机视觉任务，有助于提供快速的实时洞察。特别是，Ultralytics YOLO11提供了更快的性能、更低的计算成本和更高的准确率。例如，它可用于高精度检测图像和视频中的物体，非常适合机器人、医疗和制造等领域的应用。

以下是一些使 Ultralytics YOLO11 成为机器人优秀选择的重要功能：

部署简便： 它易于部署，并可跨各种软件和硬件平台无缝集成。
适应性： Ultralytics YOLO11 在不同的环境和硬件设置中表现出色，即使在动态条件下也能提供一致的性能。
用户友好： Ultralytics YOLO11 易于理解的文档和界面有助于降低学习曲线，使其能够轻松集成到机器人系统中。

Analyzing the pose of people in an image using Ultralytics YOLO11

图 2. 使用YOLO11分析图像中人物姿态的示例。

探索由 Ultralytics YOLO11 支持的计算机视觉任务#

以下是 Ultralytics YOLO11 支持的一些计算机视觉任务的详细介绍：

目标检测：Ultralytics YOLO11 的实时目标检测能力使机器人能够在视野范围内即时识别和定位目标。这有助于机器人避开障碍物、执行动态路径规划，并在室内和室外环境中实现自动化导航。
实例分割：通过识别各个物体的精确边界和形状，Ultralytics YOLO11 使机器人具备了执行精确抓取与放置操作以及复杂装配任务的能力。
姿态估计：Ultralytics YOLO11 对姿态估计的支持使机器人能够识别和解释人体动作与手势。这对于协作机器人（cobots）与人类安全并肩工作至关重要。
目标追踪： Ultralytics YOLO11 能够随着时间的推移追踪移动物体，使其成为需要实时监控周围环境的自动机器人相关应用的理想选择。
图像分类：Ultralytics YOLO11 可以对图像中的物体进行分类，使机器人能够对物品进行分类、检测异常，或根据物体类型做出决策，例如在医疗保健环境中识别医疗用品。

Computer vision tasks supported by Ultralytics YOLO11

Fig 3. Ultralytics YOLO11 支持的计算机视觉任务。

机器人技术中的人工智能应用：由 Ultralytics YOLO11 驱动#

从智能学习到工业自动化，像 Ultralytics YOLO11 这样的模型有助于重新定义机器人的能力。它在机器人领域的集成展示了计算机视觉模型如何推动自动化的发展。让我们探索一些 YOLO11 能够产生重大影响的关键领域。

利用计算机视觉教授机器人#

计算机视觉广泛应用于人形机器人，使它们能够通过观察环境来学习。像 Ultralytics YOLO11 这样的模型可以通过提供高级目标检测和姿态估计来帮助增强这一过程，从而帮助机器人准确解释人类的动作和行为。

通过实时分析细微的动作和交互，机器人可以被训练来复制复杂的人类任务。这使它们能够超越预编程的例行程序，仅通过观察一个人即可学习任务，例如使用遥控器或螺丝刀。

模仿人类动作的机器人

图 4. 模仿人类动作的机器人。

这种学习方式在不同的行业中非常有用。例如，在农业中，机器人可以观察人类工作者学习种植、收割和作物管理等任务。通过复制人类执行这些任务的方式，机器人可以适应不同的耕作条件，而无需针对每种情况进行编程。

与医疗机器人相关的应用#

同样，在医疗保健领域，计算机视觉也变得越来越重要。例如，Ultralytics YOLO11 可以用于医疗设备中，以协助外科医生进行复杂的手术。借助目标检测和实例分割等功能，YOLO11 可以帮助机器人识别体内结构、管理手术工具并进行精确移动。

虽然这听起来像是科幻小说中的情节，但最近的研究证明了计算机视觉在外科手术中的实际应用。在一项关于胆囊切除术（胆囊摘除）自主机器人解剖的有趣研究中，研究人员整合了用于组织分割的 Ultralytics YOLO11（对图像中的不同组织进行分类和分离）和手术器械关键点检测（识别工具上的特定标志）。

该系统能够准确区分不同的组织类型——即使这些组织在手术过程中发生了变形 (形状改变)——并能动态调整以适应这些变化。这使得机器人器械能够沿着精确的解剖 (手术切割) 路径进行操作。

智能制造与工业自动化#

能够拾取和放置物体的机器人在自动化制造操作和优化供应链方面起着关键作用。它们的速度和准确性使它们能够在最少的人工干预下执行任务，例如识别和分拣物品。

借助 Ultralytics YOLO11 精确的实例分割，可以训练机械臂检测和分割在传送带上移动的物体，准确地拾取它们，并根据其类型和大小将它们放置在指定位置。

例如，主流汽车制造商正在使用基于视觉的机器人来组装不同的汽车零部件，从而提高流水线速度和精度。像 Ultralytics YOLO11 这样的计算机视觉模型可以使这些机器人与人类工人协同工作，确保自动化系统在动态生产环境中的无缝集成。这一进步可以带来更快的生产时间、更少的错误和更高质量的产品。

基于视觉组装汽车的机械臂

图 5. 基于视觉组装汽车的机械臂。

将 Ultralytics YOLO11 集成到机器人技术中的优势#

Ultralytics YOLO11 提供了几个核心优势，使其非常适合无缝集成到自动机器人系统中。以下是主要优点：

低推理延迟： Ultralytics YOLO11 能够在低延迟的情况下提供高精度的预测，即使在动态环境中也是如此。
轻量化模型：专为性能优化而设计的 Ultralytics YOLO11 轻量化模型使处理能力较小的较小机器人能够在不牺牲效率的情况下拥有先进的视觉功能。
能效高： Ultralytics YOLO11 旨在实现高能效，使其非常适合需要在保持高性能的同时节省电力的电池供电机器人。