新闻Robotics & Automation News13 天前
ABB发布AI Robot Trainer,视觉应用调试时间缩短90%
本文由 AI 根据公开内容整理,可能有误,请以原文为准:ABB Robotics launches AI Robot Trainer to simplify robot vision programming(Robotics & Automation News)
核心内容
ABB Robotics正式扩展OmniCore EyeMotion平台并推出AI Robot Trainer工具,旨在解决工业现场AI视觉模型构建门槛高、部署周期长的问题。该方案面向系统集成商与自动化合作伙伴,提供从图像采集、模型训练到部署优化的全链路闭环工作流。官方实测数据显示,结合自动无碰撞路径规划功能后,新产线或新SKU的视觉应用调试时间最高缩减90%,同时生产循环时间缩短达50%,显著加速Physical AI在柔性制造中的落地验证。
技术上,AI Robot Trainer采用合成数据与真实车间图像混合策略,内置ABB工业知识库以增强模型泛化能力,兼容任意品牌相机传感器。系统通过引导式工作流与AI聊天机器人辅助用户应对光照变化、物体差异及布局调整,无需算法专家介入即可完成2D拾放、3D料箱拣选、质量检测及装配任务。感知结果直接映射为机器人运动指令,实现感知-决策-执行的端到端自动化,降低了多站点规模化复制的技术依赖。
关键看点
- 调试效率:集成自动无碰撞路径规划,AI视觉应用现场调试时间最高缩短90%,生产节拍优化50%
- 数据策略:融合合成数据与真实车间图像,内置ABB工业知识库,兼容第三方相机传感器硬件
- 交互范式:提供引导式工作流与AI聊天机器人,支持非算法专家处理SKU变更、光照及物体变异
- 应用场景:覆盖2D拾放、3D Bin Picking、质检分拣及装配,感知数据直连机器人运动控制
工程与产业观察
ABB此举标志着工业视觉正从定制化算法开发转向标准化数据工程范式。通过合成数据增强与低代码交互降低对稀缺AI人才的依赖,其90%调试缩减指标为具身智能在非结构化工业场景的快速复用提供了量化基准,验证了“感知-动作”端到端闭环在存量产线改造中的商业可行性。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)