ZD至顶网CIO与应用频道 08月17日 北京消息:丹麦优傲机器人公司(Universal Robots)作为人机协作机器人全球领导企业,以“人机协作机器人”掀起了“工业5.0”的新时代浪潮。 特别是在汽车行业,鉴于市场的发展演变和客户的高度个性化需求,在产品中找回人性化的一面将成为新的发展趋势。正是凭借创新的技术与人性化的理念,优傲机器人已被多家知名汽车制造商及零部件供应商引入到生产线中。
优傲机器人公司将旗下全系列协作机器人家族,亮相于2016年8月24-26日第十二届上海国际汽车制造技术与装备及材料展览会(AMTS)E2展馆D06展台,让观众近距离感受人机协作机器人的灵活性与智能化。
尽管机器人善于以标准化流程大批量制造标准产品,但如果想要让每件产品都有一点与众不同,则必须对机器人予以指导,即在生产线中找回人性化的元素。优傲机器人灵巧轻便,可与工人并肩工作,无需添加安全围栏,从而为客户提供更多附加值。此外,优傲机器人操作简单、灵活,无需对现有装配线做过多的调整,即可轻松融入到整个装配中,更加有利于提高产品对于市场需求的快速反应能力。
东风雷诺汽车有限公司已将UR10 机器人用于发动机装配线上,主要用于发动机油底壳螺丝的拧紧工序。这是中国汽车发动机装配线首次使用协作型机器人。UR机器人轻便、人机协作、无需安全防护、节省空间等特点是客户考虑的首选。无需对现有装配线做大的调整,UR机器人轻轻松松就融入到整个装配中。
在东风雷诺的发动机装配线上,原来该工位的操作工先要将重约10多Kg的工件搬到缸体上装好,然后将10个螺丝放到螺栓孔,最后将10个螺丝按照工艺顺序依次拧紧,其中有2颗螺丝还需要复拧。现在UR10接管了该工序的拧紧工作,大大降低了该工位操作工的劳动强度,而且有效提升了工作效率。在拧紧工作完成后,UR10还会自动将所有的拧紧数据上传到公司的终端系统储存,使得之后的数据查询更为方便快捷。
全球领先的汽车零部件供应商李尔公司也通过引入优傲机器人,优化了汽车座椅的即时组装工作。在该生产线上,优傲机器人每天会完成大约8,500次的座椅拧螺丝工作。座椅装备有个体识别数据的应答器。一旦座椅到达机器人下面,则读取应答器,机器人拧紧座椅两侧的若干螺钉。如果座椅上缺少螺钉,机器人会将该产品拣出并发出警告信息。由于每个步骤都是在传送带上依次展开,而轻巧灵活的UR5可在有限空间内与工人并肩工作,完美匹配了客户对小型可移动机器人的需求。同时通过数字化监控,可防止有问题的座椅继续在传送带上流动。这不仅提高了生产效率,更近一步保障了产品的可靠性。此外,UR5直观的用户界面,编程简洁、设置方便,任何工人都可以通过手动示教完成操作。
丹麦优傲机器人公司中国区总经理苏壁凯(Adam Sobieski)表示:“在人机协作领域,人与机器需彼此互补和促进,工人通过加入人性化元素,使产品个性化。而国内汽车行业有了 ‘协作机器人’的加入,也将提升其产品竞争力,以便快速反应市场、抢占市场先机。”
目前,丹麦优傲机器人公司共有三款协作机器人——UR3、UR5和UR10。其中,2015年推出的UR3是目前市场上最灵活轻便的台式机器人,可与工人并肩工作。它自重仅为11公斤,但是有效负载却高达3公斤,所有腕关节均可360度旋转。UR5自重18公斤,负载高达5公斤,工作半径85cm。UR 10可负载10公斤,工作半径130cm。三款机器人均以编程的简易性、以及与人并肩工作的协作性和安全可靠性享誉业内。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。