XiaoMi-AI文件搜索系统
World File Search SystemAMRS
AXH IGO和ACH IGO技术数据自动移动机器人（AMR）
有效的仓库组织和内部材料流的优化是公司成功的决定性标准。因此，自动化解决方案长期以来一直是许多行业的标准。自动物流过程的应用是多种多样的，例如生产供应和处置（例如，通过Tugger火车），储存和检索架子中的货物（例如，带有到达卡车或狭窄的车辆卡车），运输托盘（高线托盘卡车）和订单拾取。在这些区域中使用了可以自动和手动操作的混合动车（系列）卡车，并且可以自动手动操作，并且仅使用无人驾驶卡车（无人驾驶运输系统 - DTS）。两种混合（系列）卡车，可以自动和手动操作，并且在这些区域中仅使用无人驾驶卡车（自动导向车辆 - AGV）作为集成解决方案的一部分。创新的AMR（自动移动机器人）是混合动力卡车和DTSS的开创性补充。这些越来越多地进入了电子商务，医疗，汽车，食品和零售等广泛行业，并在仓库，配送中心和生产设施中使用。
自动移动机器人的信息模型
摘要自动移动机器人（AMR）之间的合作，包括无人驾驶汽车（UAV），无人接地车辆（UGV）和/或无人的地表车辆（USV），可以显着增强其功能，使它们能够解决超出个人机器人的更复杂的任务。但是，为了充分利用这种合作，对所交换信息的综合理解（以语义互操作性为止）至关重要。实现这些机器人之间的语义互操作性需要深入了解相关信息及其基本结构。为了应对这一挑战，本文介绍了专门为AMR开发的平台和与技术无关的信息模型。该模型旨在通过确保语义互操作能力的方式构建信息来促进协作。本文概述了模型的开发过程，从相关科学文献的信息结构化结构化开始，从而产生了代表AMR域内知识和语义的基础框架。通过涉及多个AMR的用例证明了信息模型的实际应用。此外，本文还提供了有关所采用方法论的见解，强调了系统文献评论的重要性，并与从业人员合作以完善和验证模型。它还讨论了理论和实际含义，解决了研究过程中遇到的潜在局限性。
多传感器 – 多目标 – 仅方位传感器配准
纯方位估计是目标跟踪中的基本问题之一，也是具有挑战性的问题。与雷达跟踪的情况一样，偏移或位置偏差的存在会加剧纯方位估计的挑战。对各种传感器偏差进行建模并非易事，文献中专门针对纯方位跟踪的研究并不多。本文讨论了纯方位传感器中偏移偏差的建模以及随后的带偏差补偿的多目标跟踪。偏差估计在融合节点处处理，各个传感器以关联测量报告 (AMR) 或纯角度轨迹的形式向该节点报告其本地轨迹。该建模基于多传感器方法，可以有效处理监视区域中随时间变化的目标数量。所提出的算法可得出最大似然偏差估计器。还推导出相应的 Cram´er-Rao 下限，以量化所提出的方法或任何其他算法可以实现的理论精度。最后，给出了不同分布式跟踪场景的模拟结果，以证明所提出方法的能力。为了证明所提出的方法即使在出现误报和漏检的情况下也能发挥作用，还给出了集中式跟踪场景的模拟结果，其中本地传感器发送所有测量值（而不是 AMR 或本地轨道）。
艺术恢复
II。 机器人技术在仓库中的重要性1）在仓库中部署机器人技术的主要好处之一是工人安全的重大改善。 传统仓库行动要求员工举起和运输重型纸箱和手提袋，从而增加了肌肉骨骼受伤的风险。 自动化机器人可以接管这些身体上苛刻的任务，从而减少工作场所伤害并促进更安全的工作环境。 2）提高的生产率和效率机器人旨在以精确的方式处理重复且耗时的任务。 通过自动化常规活动，例如采摘，分类和运输商品，人类工人可以专注于高价值任务，例如质量控制和过程优化。 此转变可以提高整体生产率，并允许企业更有效地满足客户需求。 3）减少工作场所事故的仓库和配送中心通常会经历大量的车辆交通，包括叉车和卡车，为工人创造了危险的环境。 引入机器人技术可以最大程度地减少人类参与危险区域，从而减少事故并提高整体运营安全性。 4）操作中的一致性和可预测性，机器人技术的关键优势之一是它们提供一致的性能的能力。 与人类工人不同，机器人不会遇到疲劳，从而确保在整个操作时间内保持稳定的工作流程。 这种一致性使仓库经理可以准确预测输出水平并优化劳动力计划。II。机器人技术在仓库中的重要性1）在仓库中部署机器人技术的主要好处之一是工人安全的重大改善。传统仓库行动要求员工举起和运输重型纸箱和手提袋，从而增加了肌肉骨骼受伤的风险。自动化机器人可以接管这些身体上苛刻的任务，从而减少工作场所伤害并促进更安全的工作环境。2）提高的生产率和效率机器人旨在以精确的方式处理重复且耗时的任务。通过自动化常规活动，例如采摘，分类和运输商品，人类工人可以专注于高价值任务，例如质量控制和过程优化。此转变可以提高整体生产率，并允许企业更有效地满足客户需求。3）减少工作场所事故的仓库和配送中心通常会经历大量的车辆交通，包括叉车和卡车，为工人创造了危险的环境。引入机器人技术可以最大程度地减少人类参与危险区域，从而减少事故并提高整体运营安全性。4）操作中的一致性和可预测性，机器人技术的关键优势之一是它们提供一致的性能的能力。与人类工人不同，机器人不会遇到疲劳，从而确保在整个操作时间内保持稳定的工作流程。这种一致性使仓库经理可以准确预测输出水平并优化劳动力计划。5）替代传统传送带系统传送带系统长期以来一直是仓库自动化的主食，但它们需要大量的基础设施投资和空间。自动移动机器人（AMR）和自动化导向车辆（AGV）提供了灵活的替代方案，可以使动态材料运动无需固定途径。这种适应性使仓库随着需求波动而有效地扩展操作。
实施自动导向车辆，以自动化选定的过程并消除仓库中的设备和人类之间的碰撞
摘要：本文介绍了所选公司中自动导向车辆（AGV）的实施。目的是分析我们国家和国外的AGV的使用，并提供有关其他国家 /地区使用AGV的信息。分析的结果是文献综述，指出了在公司中使用AGV的个人优势和缺点。在审查中，由于公司现有的AGV现代化或使用AGV替换AMR，我们还解决了AMR车辆的问题。我们的目标是展示为什么AGV可以取代人类的工作。这主要是因为员工的工资不断增加，这是由于安全性的，而且还因为所选公司的现代化。公司在其他网站上具有积极的AGV经验。我们想指出一种更高的自动化形式，以及如何使用AMR车辆与AGV相同的工作。在公司中，我们确定了我们想介绍AGV或AMR车辆的工作。因此，我们从磁带操作的CEIT和SEER的AMR中选择了AGV，例如。基于研究，对AGV的需求预计将在2019 - 2024年增加17％。因此，公司正在研究在多个站点实施AGV的问题。剩下的问题是经济回报，以及在公司中流程自动化进行投资的可能性，我们在文章和研究中更详细地讨论了这一点。本文介绍了AGV，其工作量的确切过程，以及AGV的路线，例如加载/卸载点，停止点，检查点，与其他AGV的交界处，充电站和现场元素以及其速度，频率以及与其他AGV的碰撞的可能性。我们的研究表明，通过应用新技术，该公司将在员工工资上节省大量资金。购买两个AGV将使公司损失49,000欧元，而公司使用的原始技术每年耗资79,200欧元。此类投资的投资回收期为8个月。在本文的最后一部分中评估了实施AGV的好处，其中包括不同建议的经济和时间要求。本节还包括改善企业特定部分的建议。
Ola Electric 推出与 NVIDIA Omniverse 集成的 Ola 数字孪生平台
● 借助 Ola Digital Twin，Ola Electric 将其 Futurefactory 的制造运营从设计到调试的上市时间缩短了 20% 以上 ● Ola Digital Twin 平台无缝集成了 Krutrim AI 和 NVIDIA 技术 班加罗尔，2024 年 10 月 24 日：印度最大的纯电动汽车公司 Ola Electric 今天宣布推出突破性的 Ola Digital Twin 平台，以改变制造流程和产品开发生命周期。Ola Digital Twin 平台基于 NVIDIA Omniverse 开发，无缝集成了 Krutrim AI 和 NVIDIA 技术以及其他先进的模拟工具和物联网平台，以创建全面的数字孪生环境，从而加快 Ola Electric 制造设施的规划并优化设备布局、产品开发生命周期和基于计算机视觉的质量检测系统的构建。该平台还利用物理上精确的模拟和生成式 AI 执行从运动学模拟到生成用于训练自主移动机器人 (AMR) 和机械臂的合成图像数据等任务。通过整合 NVIDIA Omniverse（一个应用程序编程接口 (API)、软件开发工具包和服务平台，使开发人员能够利用通用场景描述 (OpenUSD) 实现物理 AI）以及 NVIDIA Isaac Sim（一个基于 Omniverse 构建的用于设计和测试机器人的参考模拟平台），Ola Electric 已将其 Futurefactory 的制造业务从设计到调试的上市时间缩短了 20% 以上。Ola Electric 还在 Futurefactory 的自动机器人焊接线上利用 Ola Digital Twin 来模拟焊接过程和质量检测系统。这可以在将更改实施到物理世界之前对其进行虚拟部署和测试。Ola 的开发人员使用 Ola Digital Twin 的生成 AI 功能和 NVIDIA Omniverse API 来生成合成资产，包括照明、环境场景、物体和缺陷，这有助于将感知 AI 模型训练时间从数月缩短到数周，同时考虑到现实世界中无法安全复制的场景。该平台还具有热模拟功能，可用于构建下一代 OLA Krutrim 数据中心和液冷基础设施。此外，Ola Consumer 还使用 NVIDIA Isaac Sim 训练其机器人拾取和放置应用程序，用于其自动化暗店中复杂的库存单元。这些机器人在虚拟模拟中接受训练，以便在动态、自动化的环境中自主处理复杂的操作。