术语表

机器人

探索机器人技术、人工智能和机器学习的协同作用,用自动化、精确性和智能决策彻底改变各行各业。

机器人学是科学、工程和技术交叉的多学科领域,致力于机器人的设计、制造、操作和应用。制造这些机器是为了实现任务自动化、协助人类或在人类无法进入或危险的环境中执行任务。近年来,人工智能(AI)机器学习(ML)的融合极大地扩展了机器人的能力,使它们从简单的编程机器转变为能够感知、推理和自主行动的智能系统。

人工智能和计算机视觉在机器人学中的作用

人工智能与机器人技术的融合使机器能够以以前无法达到的智能和适应性水平执行任务。人工智能算法使机器人能够从经验中学习,通过训练不断提高性能,并处理任务和环境中的各种变化。这种智能的一个关键组成部分是计算机视觉(CV),它赋予了机器人 "看 "和解释周围环境的能力。

机器人利用摄像头和其他传感器捕捉视觉数据,然后通过深度学习模型进行处理,从而执行各种感知任务。这些任务包括

  • 物体探测识别和定位机器人视野内的特定物体,这对导航和交互至关重要。Ultralytics YOLO11等型号可高速、准确地完成这项任务,是动态机器人应用的理想之选。
  • 图像分割在像素级别将物体与背景区分开来,这对精确操作和交互至关重要。这可能涉及实例分割全景分割
  • 姿势估计确定物体或人的位置和方向,这对于人与机器人的安全协作和装配等任务至关重要。

这些 CV 功能通常由PyTorchTensorFlow 等框架提供支持,使机器人能够在杂乱无章的房间中导航、拾取特定物品,甚至监控农田。IEEE 机器人与自动化学会是推动该领域创新的领先组织。

实际应用

人工智能驱动的机器人技术对众多行业的影响显而易见。制造业和自主系统就是两个突出的例子。

  1. 制造和工业自动化:智能制造领域,机器人可以执行从焊接、喷漆到组装和包装等各种任务。具有视觉功能的机器人可以实时检测产品缺陷,确保达到比人工检测更高的质量控制标准。这种人工智能在制造业中的应用提高了效率,减少了错误,并通过自动化危险工作提高了工作场所的安全性。国际机器人联合会 (IFR)提供有关全球工业机器人市场的统计数据和分析。

  2. 自动驾驶汽车和无人机: 自动驾驶汽车,如Waymo 等公司的自动驾驶汽车,本质上是一种复杂的机器人。它们使用一整套传感器,包括摄像头、激光雷达和雷达,来建立一个全面的环境模型。人工智能算法处理这些数据,做出关键的驾驶决策。同样,配备 CV 模型的无人机可用于从农业监测、基础设施检测到搜救行动等各种应用。

机器人技术与机器人流程自动化 (RPA)

区分机器人技术与机器人流程自动化(RPA)至关重要。机器人技术涉及物理机器人--与物理世界交互的硬件。相反,RPA 利用软件 "机器人 "来自动执行计算机系统上的数字任务,通常是重复性的、基于规则的任务,如数据录入或交易处理,没有任何物理体现或交互。虽然两者都旨在实现流程自动化,但机器人技术在物理领域运行,而 RPA 在数字领域运行。

挑战与未来方向

尽管自第一台工业机器人问世以来取得了重大进展,但挑战依然存在。在非结构化和不可预测的环境中可靠运行、管理实时决策的计算需求(推理延迟)、确保人工智能的安全性以及高效的数据收集,这些都是正在进行的研究领域。在人工智能、传感器和边缘人工智能能力的推动下,未来机器人的自主性、协作性和智能化程度将不断提高,数字世界和物理世界之间的界限将进一步模糊,波士顿动力公司(Boston Dynamics)等公司将不断突破界限。联合学习强化学习等领域的持续进步将是释放下一代机器人能力的关键。

加入 Ultralytics 社区

加入人工智能的未来。与全球创新者联系、合作和成长

立即加入
链接复制到剪贴板