新闻MIT News(RSS)(via AIHOT)9 天前
Robust AI部署Carter移动机器人:力敏交互与全向轮赋能仓储人机协作
本文由 AI 根据公开内容整理,可能有误,请以原文为准:Helping robots fit into the human workplace(MIT News(RSS)(via AIHOT))
核心内容
Robust AI由MIT荣休教授Rodney Brooks与Anthony Jules于2019年创立,现已在物流仓库和工厂车间规模化部署Carter移动机器人。该机器人定位为人类工作的补充而非替代,主要承担跨场地物料搬运任务。在大型仓储环境中,人工日均步行约30,000步,Carter通过自主运输显著降低无效行走负荷,支持拣货、上架及点对点转运等核心作业流程。
Carter采用类工具车形态,集成力敏把手、AI视觉系统与全向轮(holonomic wheels),支持人类单手任意方向推拉、随时截停及手势或触屏指令交互。系统架构强调人、机、后端三方协同,提供机器人引导取货、跟随装载及自主搬运等多种工作流。该方案专为缺乏传送带等基础设施的非自动化设施设计,避免高昂的产线改造成本,支持按需分阶段导入。
关键看点
- 力敏交互机制:配备力敏把手与全向轮,支持单手任意方向推拉、物理截停及手势/触屏多模态指挥,确保动态环境下的即时人机协作安全。
- 非自动化场景适配:针对无传送带等传统设施的工厂与仓库,提供低成本、可分阶段导入的自动化方案,填补全自动化系统与纯人工作业间的市场空白。
- 量化效能指标:聚焦大型仓储长距离搬运痛点,替代工人日均约30,000步的无效行走,通过人机分工优化整体系统吞吐量与作业效率。
- 多模式工作流:支持机器人引导人员取货、跟随人员至装载点及自主点对点运输三种模式,适应拣货、 stocking 及跨区转运等差异化业务需求。
工程与产业观察
Carter验证了具身智能在非结构化工业场景的落地路径:通过力控与全向移动赋予机器人“被动合规”特性,解决人机混场安全与信任难题。其价值不在于单机智能上限,而在于以低侵入式硬件嵌入存量非自动化设施,将算法能力转化为可量化的步数替代与系统级增效,为仓储物流机器人的差异化竞争提供了工程范式参考。
线索来源:AIHOT
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)