新闻Robotics & Automation News10 天前
FMC³发布Doceo系统:采集工人实操数据训练工业机器人
本文由 AI 根据公开内容整理,可能有误,请以原文为准:FMC³ Robotics introduces Doceo system to help industrial robots learn from factory workers(Robotics & Automation News)
核心内容
德国工业具身AI公司FMC³ Robotics正式发布Doceo系列技术,旨在解决工业机器人缺乏高质量物理世界训练数据的痛点。该系统摒弃纯仿真路线,直接在工厂环境中采集工人执行复杂操作、物体处理及纠错过程的真值数据,用于训练其Industrial Embodied AI Agent Platform。目前该技术已在消费电子厂的物料转运及电池厂的极片搬运两个场景中进入概念验证阶段,重点评估节拍、定位精度与连续运行能力。
Doceo系统由四大组件构成闭环:Doceo RealCap利用智能相机头显、外部相机及触觉手套同步采集视觉、深度、运动及触觉信息;Doceo Hub负责多视角数据流同步、标注与管理;Doceo Cloud基于Vector Informatik技术栈支持自动标签、模型训练与仿真测试;Doceo Driver实现跨平台机器人控制集成。此外,FMC³正与Vector Informatik及PEM Motion筹建合资企业,致力于打造可追溯、可复用的标准化工业具身智能数据基础设施。
关键看点
- 多模态真值采集:
Doceo RealCap通过智能头显与触觉手套,同步捕获工人实操中的视觉、深度、运动轨迹及触觉反馈数据 - 全链路数据闭环:集成
Hub标注、Cloud训练仿真及Driver跨平台部署,构建从人类示范到机器人执行的工业学习循环 - 双场景POC验证:在消费电子厂测试移动机器人料箱转运,在电池厂验证电极片抓取定位,量化评估节拍与精度指标
- 标准化数据基建:联合Vector Informatik与PEM Motion筹建合资公司,推动工业具身AI训练数据的标准化、一致性与可复用性
工程与产业观察
FMC³ Doceo系统验证了“以人为传感器”获取工业级具身真值数据的工程可行性。其引入触觉手套与多视角同步机制,有效弥补了纯视觉方案在精密装配与柔性操作中的数据缺失。联合汽车电子巨头共建数据标准的举措,有望降低跨工厂迁移成本,为工业具身智能从实验室走向产线提供关键的数据基础设施范式参考。
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)