Skip to content

新闻Robotics & Automation News8 天前

ABB发布时尚物流Physical AI方案,分拣效率1300件/时且部署工时降75% ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:ABB Robotics brings industrial-grade physical AI to fashion logistics(Robotics & Automation News)

核心内容 ​

ABB Robotics正式发布首款端到端视觉Physical AI解决方案,将AI Robot Trainer集成至Fashion Inductor模块,旨在解决时尚物流中高变异性的自动化难题。该系统在真实物流环境中实现单工作站每小时1300件吞吐量及超99.5%的抓取准确率,标志着工业级物理AI从概念验证迈向规模化落地,为系统集成商提供了可量化性能基准与低风险部署路径。

技术方案融合自动路径规划、专用视觉模型及OmniCore控制器,构建从RobotStudio仿真到生产执行的完整闭环。AI Robot Trainer提供时尚领域预训练模型,支持异常检测与数据自动生成重训练,使工程调试工时降低75%。新引入的数字孪生精确复刻软件栈并打通Application Controller Platform,支持第三方夹爪集成及全生命周期模型持续优化,该架构将于2027年Q1前扩展至更多视觉应用。

关键看点 ​

  • 作业性能指标:Fashion Inductor模块单工作站吞吐率达1300件/小时,抓取准确率目标超99.5%,适配时尚物流高变异性场景
  • 部署效率提升:集成AI Robot Trainer后工程与调试工作量减少75%,内置行业预训练视觉模型,降低对AI专家依赖
  • 闭环迭代机制:建立监控-异常识别-数据生成-模型部署的连续重训练工作流,确保AI模型在全生命周期内适应工况变化
  • 数字孪生架构:新数字孪生精确复刻模块软件并连接RobotStudio与OmniCore,支持第三方组件集成及虚拟验证加速现场调试

工程与产业观察 ​

该方案确立了工业Physical AI的落地范式:以垂直场景预训练模型降低冷启动门槛,用数字孪生与闭环重训练解决非标品长尾问题。其75%调试工时缩减与99.5%准确率指标,为具身智能在柔性制造领域的商业化提供了可复制的工程化参考,验证了“软件定义硬件”在物流分拣场景的可行性。

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

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)

  1. Robotics & Automation News:ABB Robotics brings industrial-grade physical AI to fashion logistics ↗访问 2026-11-14