ZD至顶网CIO与应用频道 10月25日 北京消息:2016年10月25日 —— 人机协作机器人全球领导企业丹麦优傲机器人公司(Universal Robots)提出,消费者对于产品独特性、个性化的需求,将促使制造商在产品制造中找回人性化元素,进一步推动“人机协作产业“的发展。
“人机协作”注重人的知识、创意、智能、热情以及灵活应变能力在产品制造过程中的重要作用。人与机器人各施所长、互补协作,从而高效地根据客户需求、生产出与众不同、可以彰显个性的产品。顶尖咨询公司埃森哲(Accenture Consulting)的一项调查显示,85%的制造商预计到2020年,制造业的技术焦点将转向“人机协作”。
为了进一步推动协作机器人在中国的应用,优傲机器人公司将携旗下全系列协作机器人家族,于2016年11月1日至5日亮相中国国际工业博览会机器人展7.1H馆 B220展台。
作为人机协作机器人的创新者和引领者,优傲机器人公司旗下的三款协作机器人——UR3、UR5和UR10灵活轻巧可移动,能适应不同工作空间。人性化的操作界面让编程和操作简易快速。丰富的网络接口能实现双机相互通信协同,让应用范围更加广泛。优傲机器人凭借超强的安全性和协同工作能力,助力制造商显著改进生产效益,并能够抢先一步满足最终客户的个性化、定制化需求。
优傲机器人将在本届工博会上特别展示其产品在灵活度方面的强大优势,包括AGV小车搭载轻型优傲机器人,用于生产线及车间之间的循环工作或物料搬运应用。优傲机器人灵活的六关节满足多角度作业, 适用各种工作空间。轻型的机器人本体以及极少的电能消耗放宽了对AGV小车的选型要求,提高了AGV的运行时间。此外,通过无线以太网把机器人纳入工厂网络,能够实时监控,统筹机器人的工作,提高设备利用率。
两个机械臂的协作能够让优傲机器人的操作灵活度进一步提升,实现常规单臂工业机器人很难实现的动作和应用。诸如在较远工位间传递工件,快速翻转,协同装配、测试等。双臂机器人既可独自工作,又可双臂配合共同操作,一臂持工件,一臂完成打磨,涂胶,焊接,装配等工艺操作。即使是较大工件,或者节拍要求快的搬运和上下料应用,双机协同均可轻松实现。
丹麦优傲机器人中国区总经理苏璧凯先生表示:“灵活紧凑、协作安全的特性使得优傲机器人可以方便、快速地在现有流水线上替代重复、枯燥的工种,把人力从这类工作中解放出来,让人力与机器人协作,对机器人给予指导,从而灵活高效地实现个性化制造。为了进一步推动协作机器人的普及应用,我们还推出了优傲学院在线技术培训平台,让业内人士可以随时随地在线学习,把优傲机器人的整体使用体验又上升到更高层次。”
优傲学院是面向优傲机器人的最终用户、分销商和系统集成商的线上培训平台,提供入门级和专业级两类培训。学习者可根据自身技术水平进行选择,随时学习相关知识和技能。
入门培训采用动画演示和交互学习的模式,帮助学习者尽快了解并上手使用优傲机器人。该阶段培训包括六大模块:“第一印象:特征和术语”、“机器人如何工作”、“设置一个工具”、“操作程序”、“与外部设备连接”和“安全设置”。完成培训后,学习者将能掌握优傲机器人的基本概念,完成简单编程,并操作优傲机器人。
专业培训是优傲机器人资深技术专家的视频培训课程,包含6章35小节的视频课程,涵盖了优傲机器人的“概述和启动”、“示教器操作”、“PolyScope编程”、“I/O信号和Modbus TCP通讯”、“安全标准和安全参数设置”和“机器人服务”的系统知识。完成学习后,学习者将能够独立使用优傲机器人,完成一般机器人应用项目。
优傲机器人公司的三款机器人均以编程的简易性、高度灵活性以及与人一起工作的安全可靠性而享誉业内。UR3机器人是现今市场上最灵活轻便、并且可与工人一起肩并肩工作的台式机器人。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,而末端关节可作无限旋转。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。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。