AI 機器人自動化

機器人垃圾箱揀選解決了機器人遠離垃圾箱的呈現問題：零件隨機混雜、重疊、反射或半透明。這些部署顯示 3D 視覺為每個零件找到了無碰撞的拾取，小至幾毫米寬的碎片。

視覺引導機器人技術縮小了教學路徑與真實部分之間的差距，而真實部分永遠不會準確地位於程式假設的位置。這些部署展示了機器人對工件的實際位置進行密封、修整、標記和打磨，並在每個週期進行新鮮測量。

視覺引導拾取和放置消除了嚴格自動化所需的夾具和進料器，定位未固定且混合呈現的物品。這些部署展示了機器人裝載齒輪、為裝配線供料和處理易碎貨物，而無需為每個零件配備專用工具。

由 3D 匹配引導的機器人打磨和鋼軌邊緣修整，其中鑄造和焊接零件變化很大，以至於教導的路徑會留下材料或切割太深。機器人測量每個工件並根據實際幾何形狀調整刀具路徑。

機器人套件所採用的零件種類繁多，無法滿足基於送料器的自動化的要求，其中一個套件涵蓋數十個部件，小至 5 毫米墊圈。這些部署顯示了從箱子中識別和組裝的混合套件，無需為每個零件編號構建專用的送料器。

玻璃纖維線軸的機器人卸架，將重型線軸從運輸架上提起，這些線軸以可變的間距和對齊方式到達。 3D 視覺可定位每個線軸，因此機器人無需手動處理笨拙的大批量零件即可卸載。

針對混合箱負載的機器人卸垛，其中箱子的尺寸、標籤和堆疊模式各不相同。人工智慧視覺對頂層進行分段，並在每個週期中挑選多個箱子，處理到達時沒有固定模式進行編程的托盤。

由於零件到達時沒有固定方向，因此機器人機器負責仍需手動進行的裝載步驟。這些部署顯示 3D 視覺可以直接從料箱中產生原始工件的拾取座標，因此機器不再需要在週期之間等待人員。

3D 匹配縮小了程式假設零件所在位置與實際位置之間的差距，一個循環又一個循環。這些部署顯示掃描的工件與其參考模型對齊，因此工具可以追蹤彎曲且不一致的表面，而無需重新固定。