峰会倒计时12天

2024（第七届）高工机器人集成商大会系列

3C行业应用大会
汽车及汽车零部件行业应用大会

大行业 新商机

主办单位：高工机器人 高工机器人产业研究所（GGII）

峰会时间：2024年7月30日-31日

峰会地点：苏州香格里拉大酒店（苏州新区塔园路168号）

报名参会&商务合作：毛先生 13590381326（同微信）
国产机器视觉企业再迎技术突破。近日，机器视觉领军企业奥比中光宣布，其研发团队已成功融合前沿多模态大模型技术，并据此推出了最新0版大模型机械臂演示方案。该方案不仅搭载了奥比中光最新的深度相机Gemini 335L和Femto Bolt，更融入了语音指令功能，使得机械臂能够自动执行沏茶、插花、滴香薰、播放音乐等复杂任务。
以沏茶为例，这款机械臂借助奥比中光自研的高精度相机，能精准识别茶叶、茶壶、茶杯等物品，并通过语音指令和大模型理解能力，自动化完成从烧水、泡茶到倒茶的全流程。值得一提的是，奥比中光在2023年底已发布了0版大模型机械臂，而此次0版的推出，在自然语言处理和理解能力、任务规划能力以及执行效率等方面均有了显著提升。

此外，奥比中光的机器人视觉感知产品方案已广泛应用于服务机器人、工业机器人、ROS教育机器人等领域，提供了单目结构光、双目结构光、激光雷达、iToF等全技术路线的3D视觉传感器，助力机器人实现识别、导航定位、避障、路径规划等核心功能。
目前，奥比中光正全力构建“机器人与AI视觉产业中台”，致力于推动机器人视觉传感器、AI视觉感知及多模态交互大模型、机器人操作系统与云端数字孪生软件平台等多领域的技术研发与突破。这一举措旨在进一步推动3D视觉感知技术的持续发展。
随着技术的不断进步，机器人领域也经历了显著的变革。初期，机器人主要停留在“基本不动+重复执行”的阶段；随后，它们逐渐发展出“行走+独立执行”的能力；而如今，更高级别的“自主行走+自主执行”具身智能机器人已成为行业的新标杆。

在技术层面，机器人正逐步摆脱传统的自动化和机械式特点，向着智能化、自主化和交互化方向发展。特别是在大模型的引领下，机器人正逐步迈向具身智能的新阶段，其智能水平和工作能力将得到全面提升。

梅卡曼德机器人创始人兼CEO邵天兰表示：“大模型技术的出现，无疑将为机器人领域带来革命性的变革。它能够显著提升机器人的智能水平，使其具备更高级别的任务理解和整体决策能力。”这一观点得到了业内的广泛认同。

值得一提的是，梅卡曼德与张建伟院士实验室共同研发的Mech-GPT多模态大模型，使得机器人能够理解并执行自然语言指令，感知人类意图，并进行复杂的推理和决策。这一技术的突破，将极大地拓展机器人在复杂多变场景中的应用能力。

此外，协作机器人厂商越疆科技也在今年4月发布了AI训练机器人X-Trainer，同样引起了行业的广泛关注。X-Trainer采用创新的神经网络和视觉大语言模型技术，仅需2小时的训练就能让机器人自主掌握刷盘子的技能，相比传统训练方式节省了70%的时间。这一技术的突破性进展，预示着机器人领域正在迎来全面的技术升级和产业变革。
从技术层面深入剖析，X-Trainer通过摄像头捕捉顶部图像，并输入视觉大语言模型进行处理。这一模型能对工作场景进行详尽描述，并推理出相应任务。随后，端到端神经网络以25Hz的频率接收顶部和手部三个摄像头的图像数据，并完成复杂的推理过程。高性能的在线运动规划接口则根据推理结果，生成250Hz的双臂运动指令，实现150%的响应速度提升，进一步确保了机器人运行的平稳性。

越疆科技X-Trainer之所以能够高效训练并成功应用于实际场景，其关键在于05mm的高精度双臂设计。这一机械臂不仅具备工业级的数据采集与动作精度，还大幅提升了任务完成的效率和质量，为快速训练提供了宝贵的数据集。目前，该机械臂在3C制造、商用咖啡店以及医疗艾灸等多个领域都发挥着重要作用，为训练后的场景落地提供了坚实基础。

此外，中科创达、亿嘉和、拓斯达等机器人产业链上的领军企业也纷纷分享了大模型领域的最新进展。中科创达指出，其布局的大模型工业机器人产品融合了视觉、语音、语言等多模态模型，以实现智能化的感知、预测、规划和控制等功能。亿嘉和则发布了一种基于多模态超融合技术的大模型YJH-LM，该模型已在商用清洁机器人上成功完成功能测试。而拓斯达则致力于推进工业机器人与AI大模型的深度融合，以提升机器人的自主能力和认知能力，降低使用门槛，并增强其在实际应用中的适用性和经济性。
总体而言，AI技术为机器人领域带来了前所未有的潜力和创新空间，预示着我们的生活和工作方式将发生深刻变革。然而，这一技术的实际应用也面临诸多挑战，包括数据质量和数量的获取、模型的可解释性提升、实时性能和计算资源需求的平衡、安全性和可靠性的保障、环境适应性的增强、能耗的降低、以及各组件的集成和协同工作、成本控制的考量等。这些难题亟待解决，以推动AI技术在机器人领域的更广泛应用。