{{{sourceTextContent.title}}}

I sistemi di navigazione Seguente-GEN cambiano la portata di schieramento del robot

{{{sourceTextContent.subTitle}}}

I robot sono interamente intorno noi giornalieri, nelle pompe di gas, in banca ATMs e nei vicoli di verifica automatizzati del self-service? le macchine già stanno automatizzando il nostro mondo

{{{sourceTextContent.description}}}

Inoltre stanno funzionando dietro le scene ed ora, i sistemi di navigazione le hanno rese più intelligenti e mobili.

La mobilità presenta una sfida principale alla sicurezza: funzionamento negli ambienti dinamici e non strutturati dove oggetti, la gente e perfino infrastruttura fisica, come le pareti, movimento con differenti frequenze nei modi diversi.

Con molti sistemi robot, le piste, le linee, gli specchi, o i falò magnetici devono essere installati per generare un'infrastruttura affinchè il robot siano pilotati dentro. Tuttavia, lo sforzo per installare questi falò è costoso e che richiede tempo.

Anche per i robot più specializzati che non richiedono queste linee, piste, o falò, ci è una fase di tracciato costosa in questione nel acclimating un robot al relativo ambiente. Questo processo usa il COLPO (localizzazione simultanea e tracciare)? la procedura blue-ribbon accademica per il tracciato del mondo? quale genera un programma statico ai tempi di schieramento.

Tuttavia, mentre il robot traversa col passare del tempo il relativo mondo, si trasforma in in uno spacco fra la vera condizione del mondo ed il programma originale dovuto gli oggetti commoventi. Quindi, il robot? la prestazione di s può degradarsi lentamente col passare del tempo.

Il metodo per lo spiegamento del robot sta cambiando. Il sistema di navigazione next-generation richiede l'infrastruttura zero e praticamente elimina l'esigenza di vasto tracciando quello è diventato così ordinario per l'industria di automatismo. Più un essere umano non dovrà fare una quantità di lavoro tremenda per integrare un robot all'interno del relativo ambiente del lavoro.

I robot impareranno dinamicamente circa l'ambiente che sono dentro, rimuovendo il concetto del programma statico ed eliminando la sfida di continuare con il tracciato. Il robot impara ed applica la relativa conoscenza e costantemente si aggiorna dinamicamente per aumentare la relativa prestazione.

Per esempio, se spostate uno strato in una sala di attesa dell'ospedale, il robot la percepirà, persino andando un punto più avanti per riconoscere che non si è mosso in un certo tempo. Deduce che probabilmente sarà in questo stesso luogo e rappresenta quello nei viaggi futuri.

Ci sono alcuni ostacoli nell'ambiente che sono molto dinamici, come un essere umano che cammina giù un corridoio e ci sono alcuni ostacoli che sono semi-dinamici, come una sedia, ma altri che siano statici, come una parete o un portello. È importante che il sistema robot capisce le differenze fra quei tipi di oggetti e non li tratta lo stesso senso.

2D Punti contro un metodo più dinamico

La maggior parte dei sistemi robot vedono il mondo mentre una serie di 2D indica in quali articoli sul pavimento sono tracciati e trattati come gli ostacoli. Il robot non ha concetto di se l'articolo è una parete, una sedia, o un portello.

Il più grande problema con questo senso di pensiero di navigazione è che ogni 2D punto è trattato lo stessi se è un bambino che striscia intorno alla sala di attesa, o una parete. È un 2D punto che il robot non determinerà attraverso; esso doesn? la t considera che la parete non sta andando muoversi, o che il bambino isn? la t che va essere nello stesso luogo per molto lungamente come esso striscia attraverso il pavimento. Ciò è che cosa fa la differenza per il robot next-generation che rappresenta gli ostacoli vari come dinamici, semi-dinamico e l'elettricità statica.

La navigazione migliore aumenta la prestazione

I robot che imparano possono trasportare gli articoli significativamente più velocemente e realizzare la migliore prestazione. Il robot next-generation può variare la relativa velocità basata sulla situazione attuale. Se il corridoio è chiaro, il robot andrà più velocemente e se non è, quindi il robot rallenterà ad una velocità sicura. Se la funzione cambia, il robot può imparare che quei cambiamenti dinamicamente piuttosto che avendo un umano richiamile.

Se un robot viene su un ostacolo e può? la t scende un percorso che va solitamente giù, il robot tradizionale si arresterebbe, incapace di continuare. Il robot next-generation può aggiornare la relativa rappresentazione interna del mondo e ripianificare per trovare un itinerario alternato alla destinazione. La differenza è che questi robot traversano una funzione di più come un essere umano e di meno come una macchina.

La gamma delle domande di questi robot della generazione seguente è molto varia. I clienti stanno chiedendo una macchina per tutti gli usi. È differente dalle prime generazioni dei robot che possono avere uno, lavoro ben definito. Oggi, siamo chiesti di sviluppare i robot con le possibilità specifiche, ma indossiamo? la t conosce il lavoro esatto che questi robot next-generation stanno andando fare.

I robot oggi sono chiesti per spostare i materiali da punto A per indicare la B nelle loro facilità. Può essere qualche cosa dalle medicine, rifiuti, tela, alimento, endoscopi in una regolazione di sanità; piccole parti nelle istallazioni industriali; amenità dell'ospite nell'industria di ospitalità; piccoli e grandi oggetti nell'immagazzinamento nell'immagazzinamento. Ci è una catena della custodia che accade ed il trasferimento del prodotto deve in alcuni casi essere assicurato.

Il cassetto corretto che contiene il farmaco in un ospedale, per esempio, può essere bloccato fino a che un dispositivo d'esplorazione biometrico della vena della palma non autentichi la consegna. Il movimento del prodotto può anche essere seguito con la catena-de-custodia come è fatto con Fedex o l'UPS? ed il prodotto importante con una data di scadenza può essere controllato.

Il sistema di navigazione della generazione seguente mette la sicurezza alla prima linea. Potere funzionare negli ambienti popolati, distinguendo fra gli oggetti e gli esseri umani permetterà che noi realizziamo i alto-livelli di sicurezza che mai prima.