南京航空航天大学发布用于人机协作的数字孪生系统

- 中国研究人员展示了一种提升人机协作的制造用数字孪生系统。
- 该系统克服了障碍,增强了动作识别能力,在工业环境中被证明行之有效。
- 成功的实验表明,将这项技术整合到工业机器人和实际制造流程中前景广阔。
在重大突破方面,中国南京航空航天大学的研究人员公布了一种尖端的数字孪生系统,旨在增强制造环境中的人机协作(HRC)。
该系统发表在著名的《机器人与计算机集成制造》(Robotics and Computer-Integrated Manufacturing)期刊上,有望简化和改善工厂车间中人类工人和机器人之间的合作。
人机协作的革命性方法
传统上,在工业环境中创建人类数字孪生模型的方法依赖于笨重的动作捕捉设备,这与HRC中灵活互动的理念背道而驰。
此外,这些方法通常无法为人类和机器人的建模创建统一的空间,使得感知和理解整体环境变得不便。认识到这些局限性,研究人员开发了一种创新的数字孪生系统来解决这些挑战。
新推出的数字孪生系统旨在构建涉及人类和机器人代理的协作场景的虚拟副本。这种虚拟环境允许在现实世界的制造环境中规划和执行有效的协作策略,促进人类工人和机器人之间的无缝合作。
过去依赖动作捕捉传感器数据的数字孪生系统在发生遮挡时有时会遇到困难。遮挡是指感兴趣的对象或代理位于传感器视野之外或被障碍物遮挡的情况。
为了解决这个问题,研究人员引入了一种人体网格恢复算法——一种能够重建被遮挡人体的计算技术。这一创新确保了即使在存在视觉障碍的情况下,系统也能适应并有效运行。
数字孪生系统的一个关键组成部分是其动作识别算法,该算法经过训练以识别各种人类动作。为了提高其性能并最大限度地减少错误,研究人员引入了一种不确定性估计技术。该技术允许对算法的错误率进行精确控制,从而产生更可靠和准确的动作识别。
成功的实验验证
研究人员在受控实验室环境中进行了一系列实验,对其数字孪生系统进行了测试。这些实验使用了一款专为工业环境部署而设计的机器人。
该系统的能力在抛光、物体抓取、组装和物体放置等一系列任务中得到了评估。
结果毋庸置疑,证明了所提方法优于基线方法。
这些令人鼓舞的发现为该系统的潜在集成铺平了道路,使其能够整合到其他工业机器人中,在多样化的环境中进行进一步测试,并最终部署在现实世界的制造场景中。
这一突破的影响是深远的。随着全球各行业不断发展和自动化,人机协同变得日益关键。张、季及其同事开发的数字孪生系统在变革各个领域的制造流程方面具有巨大的潜力。
通过将机器人无缝融入劳动力队伍,制造商可以提高效率、精度和生产力。需要高精度、重复性动作或存在安全隐患的任务现在可以委托给机器人代理,而人类工人则可以专注于生产中更复杂和更具创造性的方面。
展望未来
该数字孪生系统的未来令人兴奋。随着其进一步测试和完善,预计它将解锁制造环境中人机协作的新可能性。其多功能性使其适用于广泛的任务,从组装和质量控制到物料搬运等。
渴望保持技术创新前沿的制造商很可能急于拥抱这一变革性技术。凭借其优化工作流程、减少错误和提高整体效率的潜力,南京航空航天大学的数字孪生系统很快可能成为制造业格局中的标配。
不要只是阅读加密货币新闻,要真正理解它。订阅我们的通讯。 免费。
免责声明。 本文提供的信息不构成交易建议。 Cryptopolitan.com 对于基于本页信息进行的任何投资,我们不承担任何责任。我们强烈建议在进行任何投资决策之前,进行独立研究或咨询合格的专业人士。

Brian Koome
Brian Koome 在区块链和加密货币报道领域拥有超过七年的经验,自 2017 年起便活跃于该行业。他曾为多家领先媒体撰稿,包括 BlockToday.com。此外,他在加入 Cryptopolitan 担任全职作家之前,还为 BitDegree.org 开发了以太坊入门课程。Brian 专注于撰写常青指南(EGs)、深度报道、访谈以及价格分析。他对 DeFi、区块链创新及新兴加密项目的关注深受读者喜爱。
















