XiaoMi-AI文件搜索系统
World File Search SystemCobot
精密谐波齿轮 RT1-T
特点 更高性能和更高灵敏度 当今的许多应用都采用了涉及使用协作机器人的自动化解决方案。机器人和自动化解决方案在克服未来挑战方面发挥着不可或缺的作用，尤其是在工业自动化领域，但也包括物流、医疗技术和农业应用等其他领域。舍弗勒通过集成传感器的精密谐波齿轮创新解决方案支持最终用户不断提高性能并同时用于敏感应用。当在协作机器人的每个关节上使用带传感器的精密谐波齿轮 RT1-T 并与机器人制造商使用控制技术的振动补偿相结合时，该解决方案可支持更好的动态性能。因此，通过主动补偿振动，可以在保持协作机器人定位精度的同时实现更高的速度。
集成汇编任务的深度学习和协作机器人
摘要：人类 - 机器人的合作在制造和组装任务的领域引起了人们的关注，因此需要开发适应性和用户友好的互动形式。为了满足这一需求，协作机器人（COBOTS）已成为可行的解决方案。深度学习在增强机器人能力并促进其对环境的看法和理解方面发挥了关键作用。本研究提出了将柯比特和深度学习的整合，以帮助用户完成诸如部分交换和存储之类的组装任务。提出的系统包括一个对象分类系统，用于对汇编元素进行分类和存储元素，语音识别系统进行分类，以及用于密切交互的手动跟踪系统。对每个隔离系统和不同个体使用的完整应用进行了测试，平均准确度为91.25％。将深度学习纳入COBOT应用程序中具有重要的潜力，可转变包括制造业，医疗保健和辅助技术。这项工作是使用多个神经网络和在协作任务中使用的cobot的概念证明，证明了系统之间的沟通并为个人和集成系统提出评估方法。
5G 制造 - 数字弹射器
超可靠低延迟通信 (URLLC) – 在远程维护和监控、协作机器人 (cobot) 和联网自动驾驶汽车等新用例的推动下，URLLC 将提供超快速的关键任务连接。这将实现高度准确和可靠的实时数据，这些数据可以在现场和供应链的各个部分进行大规模处理、分析、可视化和操作。这一特性对于具有极高容差要求的制造过程至关重要。接近一毫秒的延迟和非常高的带宽使实时控制制造机器成为可能，从而降低成本并提高质量。
高级制造培训卓越中心
模块3 AMC22218*将为学习者提供了解如何将机器人和配乐集成到各种系统 /应用程序中，以及在创建安全和成功的业务环境中的重要性机器人集成。它将讨论机器人系统的安装和调试。该模块将提供对机器人模拟，数字双胞胎概念和虚拟调试的基本原理的理解，以及它与传统调试的不同之处。学习者将使用一系列软件工具获得知识和技能来开发，测试和操作机器人单元。该模块将介绍国际安全标准ISO 10218-2，并解释其与机器人和柯比特集成的相关性。
Wenhao Yang
▶2019年8月至2020年11月增强基于现实的人类机器人交互系统，启动了一个直观的AR系统框架，并在复杂环境中开发了一种基于沉浸式AR的界面（AUBO I5）编程。用户重复Waypoints定义和编辑，碰撞检查以及路径可行性验证的过程，以在建议的系统中获得令人满意的路径。▶2018年8月至5月的复杂模型机器人抛光的数学建模。2019年起草了一个用于机器人抛光的数学模型和轨迹生成方法的建议。通过运动模拟对所提出的方法进行了严格评估，该方法证实了其在产生最佳抛光轨迹方面的有效性。
该行业的技术与就业发展
该公司使用人工智能协作机器人，旨在提高效率、扩大业务并帮助消除工人重复的人体工程学问题。事实上，工厂的一名机器操作员表示，部署协作机器人使她的工作更轻松，并有助于改善生产流程。与协作机器人一起工作使她从执行某些任务的体力劳动中解脱出来。她所要做的就是将某些组件装入机器，然后让协作机器人完成剩下的工作。Future Ready 的报告“先进制造业的技术创新和劳动力多样性”中也建立了类似的观察和发现，其中指出，协作机器人和机器人为身体有限制、残疾和年长工人提供了继续参与和贡献该行业的机会 14 。
人类机器人协作中的流动 - 在工业场景中的多数分析和感知的挑战检测
流动或轻松的关注通常被描述为最佳体验的状态。它的特征是高水平的参与感，一种控制感和完全沉浸在活动中（Csikszentmihalyi，2000； Nakamura和Csikszentmihalyi，2002; Csikszentmihalhi，2020年）。当任务提出的挑战与个人的技能和能力相匹配时，这种状态就会出现。流与内在动机，享受和集中注意力有关，从而改善了表现和积极的体验。虽然Extensiveresearch（Nah等，2014; Stamatelopoulou et al。，2018; Dos Santos等，2018; Pearce，2005）在各个领域的流量概念上进行了进行，例如体育，教育和游戏，其在工业设置中的应用仍然相对未探索。此外，文献中有关流量经验的任务在精神上是苛刻的，这在工业任务中并不是典型的。考虑到流动在优化绩效和工作中的重要性（Csikszentmihalyi和Lefevre，1989; Csikszentmihalhi，2020），必须弥合这一研究鸿沟并探索工业环境中的流量经验（Fullagar等，2018; Beyrodt; Beyrodt; Beyrodt et et 2023;为了解决这一差距，我们在实验室工作单元中设计了一个集会任务，非常类似于工业环境。此任务涉及参与者与合作机器人（Cobot）之间的合作，以组装变速箱。这使我们能够在类似行业的人类机器人协作（HRC）任务中分析对不同挑战水平的情感和生理反应。通过调整柯伯特的生产率，我们创造了三个不同的挑战水平，这些挑战与流动研究（无聊，流动和焦虑）中的三个常见状态相对应。工业设置中的组装任务通常涉及重复和固定程序。结果，工人逐渐获得了必要的技能来熟练执行任务，从而导致其个人技能水平随着时间的流逝而差异很小。在这种情况下，影响流量经验的主要因素成为任务提出的挑战水平。工业任务的这一独特方面使我们特别研究了不同的感知挑战水平如何引起不同的反应。认识到，当感知到的挑战和技能之间存在平衡时，我们的目标是通过调整挑战水平来调整任务，以促进Cobot工人之间的流动。最近的研究（Lee，2020; Rissler等，2020; Di Lascio等，2021）探索了通过生理信号对工作时的自动检测。他们检测到流量的存在（流动与无流量）或分类流动强度（低与高）。但是，考虑到工业集会任务的具体特征，我们采取了不同的方法 - 检测到感知到的挑战水平。这种方法逻辑上符合我们调整任务挑战水平的目标。此外，处理任务的感知挑战通常比操纵流程体验本身更容易。通过我们的分析，我们已经培训了这部分是因为在挑战和技能之间达到平衡是必需的，但它本身并不足够。总而言之，我们的贡献涉及调查面部情绪估计（价和唤醒）和心率变异性，作为在工业组装任务背景下感知到的挑战水平的指标。
面向未来制造业劳动力的人工智能辅助智能培训平台
摘要 — 随着工业 4.0 的快速发展，制造业工人处理机器、材料和产品的方式也发生了巨大变化。这种变化对未来劳动力的培训提出了一些严峻的挑战。首先，个性化制造将导致小批量和快速变化的任务。培训程序必须表现出敏捷性。其次，与人或机器人交互的新界面将改变培训程序。最后但并非最不重要的是，除了处理物理对象外，工人还需要接受培训以消化和响应制造现场产生的丰富数据。为了应对这些挑战，本文描述了一个针对制造业劳动力的人工智能辅助培训平台的设计。该平台将从机器和工人那里收集丰富的数据。它将在人工智能算法的帮助下捕捉和分析学员的宏观和微观运动。同时，还将涵盖与机器人/协作机器人互动的培训。混合现实将用于为学员创造现场体验。
使用...对复合纤维材料进行无损检测
摘要：通过从宽频率范围内捕获光谱数据以及空间信息，高光谱成像 (HSI) 可以检测到温度、湿度和化学成分方面的细微差异。因此，HSI 已成功应用于各种应用，包括用于安全和防御的遥感、用于植被和农作物监测的精准农业、食品/饮料和药品质量控制。然而，对于碳纤维增强聚合物 (CFRP) 的状态监测和损伤检测，HSI 的使用是一个相对未触及的领域，因为现有的无损检测 (NDT) 技术主要侧重于提供有关结构物理完整性的信息，而不是材料成分。为此，HSI 可以提供一种独特的方法来应对这一挑战。本文以欧盟 H2020 FibreEUse 项目为背景，介绍了使用近红外 HSI 相机将 HSI 用于 CFRP 产品无损检测的应用。详细介绍了三个案例研究中的技术挑战和解决方案，包括粘合剂残留物检测、表面损伤检测和基于 Cobot 的自动化检测。实验结果充分证明了HSI及相关视觉技术在CFRP无损检测方面的巨大潜力，特别是满足工业制造环境的潜力。
Connect RAI UK新闻通讯 - 2025年1月
在1月21日星期二，在一次混合活动中，我们正式启动了五个构成协调基石的项目。我们很高兴将不断发展的研究人员社区亲自和网上，在诺丁汉大学的混合真人秀实验室和柯伯特制造商空间。我们的协调Keystone是一项敏捷，响应迅速和创造性的研究计划，旨在补充和增强RAI UK FOURCE的更广泛的投资组合。由我们才华横溢的早期职业研究人员领导，这些项目与利益相关者共同创建，并通过迭代发展过程进行了完善，以确保最大程度的影响和相关性。是在英国和印度的EPSRC Sandpit机制中成立的，每个项目都是一个多学科的跨机构合作，将解决与当前正在社会上建立和部署的生成和其他形式的AI相关的新兴问题。在协调Keystone负责人兼RAI UK主席Joel Fischer教授的介绍之后，每个项目团队都介绍了该项目的迄今和未来计划的活动，并邀请在线观众和观众提出问题：