摘要 - 寿命终止电池电池(EOL-EVB)的有效拆卸对于绿色制造和可持续发展至关重要。自动移动机器人机器人(AMMR)进行的当前预编程的拆卸努力,以满足动态环境,复杂场景和非结构化过程中的拆卸要求。在本文中,我们提出了一个基于神经肌肌ai的电池拆卸AMMR(Beam-1)系统。它通过利用多传感器和神经谓词的组合,然后将这些信息转化为准符号符号空间来检测环境状态。实时通过LLM-Heuristic树搜索来识别动作原始的最佳顺序,从而确保了这些原语的高精度执行。此外,它还使用直观网络采用位置投机采样,并以精心设计的终端效应来实现各种螺栓类型的拆卸。重要的是,Beam-1是一种持续学习的体现的知识系统,能够像人类一样主观推理并具有直觉。大量的真实场景经验证明,它可以自主感知,决定和执行,以完成多个,多类别和复杂情况的螺栓的连续拆卸,成功率为98.78%。这项研究试图使用神经肯定AI为机器人提供真正的自主推理,计划和学习能力。Beam-1意识到电池拆卸的革命。它的框架可以轻松地移植到任何机器人系统中,以实现不同的应用程序场景,这为未来具体体现的智能机器人系统的设计和实施提供了开创性的想法。
主要关键词