AgiBot teigia, kad jos RW-RL sistema leidžia robotams greitai išmokti sudėtingų surinkimo užduočių. | Kreditas: Agibot
Šią savaitę „AgiBot“ paskelbė apie svarbų etapą, sėkmingai įdiegusi realaus pasaulio sustiprinimo mokymosi sistemą gamybos bandomajame projekte su „Longcheer“ technologija.
Bandomasis projektas žymi pirmą AgiBot realaus pasaulio sustiprinimo mokymosi (RW-RL) taikymą aktyvioje linijoje, jungiančią pažangias AI naujoves su didelio masto gamyba ir signalizuojantį apie naują pažangios automatikos, skirtos tiksliajai gamybai, raidos etapą.
Pagrindinių lanksčios gamybos iššūkių sprendimas
Dešimtmečius tikslios gamybos linijos rėmėsi standžiomis automatizavimo sistemomis, kurioms reikalingas sudėtingas armatūros projektavimas, išsamus derinimas ir brangus perkonfigūravimas. Net pažangūs „vizijos + jėgos valdymo“ sprendimai susidūrė su parametrų jautrumu, ilgais diegimo ciklais ir priežiūros sudėtingumu.
AgiBot teigė, kad jos RW-RL sistema sprendžia šiuos ilgalaikius skausmo taškus, suteikdama robotams galimybę mokytis ir prisitaikyti tiesiai gamykloje. Vos per keliasdešimt minučių robotai gali įgyti naujų įgūdžių, pasiekti stabilų diegimą ir išlaikyti ilgalaikį našumą be pablogėjimo.
Keičiant eilutes ar modelio perėjimus, reikia atlikti tik minimalius aparatūros koregavimus ir standartizuotus diegimo veiksmus. Tai gali žymiai pagerinti lankstumą, sumažinant laiką ir sąnaudas, sakė bendrovė, praėjusį mėnesį paleidusi savo robotą Agibot G2.
Agibot G2 suteikia įkūnytą intelektą ir demonstruoja ekskursijas muziejuje. Šaltinis: AgiBot
„AgiBot“ pateikia mokymosi realiame pasaulyje pranašumus
- Greitas dislokavimas: Naujų įgūdžių lavinimo laikas sutrumpėja nuo savaičių iki minučių, todėl pasiekiamas eksponentinis efektyvumo padidėjimas, tvirtino AgiBot.
- Didelis prisitaikymas: Sistema autonomiškai kompensuoja įprastus pokyčius, tokius kaip dalies padėties ir tolerancijos poslinkiai, išlaikant pramoninio lygio stabilumą ir 100 % užduočių atlikimo greitį ilgesnio veikimo metu.
- Lankstus pertvarkymas: Užduočių ar gaminių pakeitimus galima pritaikyti greitai perkvalifikuojant, nenaudojant pasirinktinių armatūros ar įrankių, įveikiant ilgalaikę buitinės elektronikos gamybos dilemą „standžia automatizacija ir kintama paklausa“.
„AgiBot“ teigė, kad jos sistema pasižymi bendru darbo vietos išdėstymu ir gamybos linijomis, leidžiančia greitai perkelti ir pakartotinai naudoti įvairiuose pramonės scenarijuose. Šis etapas reiškia gilią suvokimo-sprendimo intelekto ir judesio valdymo integraciją, o tai yra svarbus žingsnis siekiant suvienodinti algoritminį intelektą ir fizinį vykdymą, sakė bendrovė.
Be to, sprendimas pasižymi dideliu bendru darbo vietų išdėstymu ir gamybos linijomis, leidžiančiu greitai perkelti ir pakartotinai naudoti įvairiuose pramonės scenarijuose. Šis etapas reiškia gilią suvokimo ir sprendimo intelekto ir judesio valdymo integraciją, o tai yra esminis žingsnis siekiant suvienodinti algoritminį intelektą ir fizinį vykdymą, sakė AgiBot.
Skirtingai nuo daugelio laboratorinių demonstracijų, bendrovė teigė, kad jos sistema buvo patvirtinta beveik gamybos sąlygomis, o tai užbaigė nuo pažangiausių tyrimų iki pramoninio lygio patikrinimo.
Nuo mokslinių tyrimų proveržio iki pramoninės realybės
Pastaraisiais metais robotikos ir dirbtinio intelekto tyrimų bendruomenė padarė didelę pažangą tobulinant mokymąsi, kad būtų užtikrintas didesnis stabilumas, efektyvumas ir pritaikymas realiame pasaulyje. Remdamasis šiais pasiekimais, Dr. Jianlan Luo, vyriausiasis Agibot mokslininkas, ir jo komanda paskelbė tyrimus, įrodančius, kad mokymasis sustiprinant gali pasiekti patikimų ir našių rezultatų tiesiogiai naudojant fizinius robotus.
„AgiBot“ šis pagrindas išsivystė į įdiegiamą RW-RL sistemą, integruojančią pažangius algoritmus su valdymo ir aparatinės įrangos paketais. Bendrovė teigė, kad jos sistema pasiekia stabilų, pakartojamą mokymąsi realiose mašinose, o tai žymi svarbų žingsnį jungiant akademinius tyrimus ir pramoninį diegimą.
AgiBot plečia realaus pasaulio programas
Patvirtinimas dabar sėkmingai parodytas bandomojoje gamybos linijoje, bendradarbiaujant su „Longcheer Technology“.
Judėdami į priekį, „AgiBot“ ir „Longcheer“ planuoja išplėsti realaus pasaulio sustiprinimo mokymąsi į platesnį tikslios gamybos scenarijų spektrą, įskaitant plataus vartojimo elektroniką ir automobilių komponentus. Pagrindinis dėmesys bus skiriamas modulinių, greitai įdiegiamų robotų sprendimų, kurie sklandžiai integruojasi su esamomis gamybos sistemomis, kūrimui.
„AgiBot“, taip pat žinomas kaip „Zhiyuan Robotics“, neseniai paleido „LinkCraft“ programą, kad sumažintų robotams programuoti reikalingus įgūdžius. LinkCraft yra a platforma roboto judesių kūrimui, leidžianti vartotojui naudoti vaizdo įrašą kaip mokymo priemonę.
Neseniai vykusiame „iROS 2025“ renginyje pirmasis „AgiBot World Challenge @ IROS 2025“ sutraukė 431 komandą iš 23 pasaulio šalių, o komandos laimėjo Tsinghua universitetasPietų Kinijos technologijos universitetas ir Honkongo universitetas.
