机器人与物理 AI

ABB Robotics 将 AI Robot Trainer 添加至 Fashion Inductor 模块

mm
将 Unite.AI 添加到您在 Google 上的首选来源

ABB Robotics 于 2026 年 10 月 15 日推出了其所称的首个端到端、基于视觉的工业级物理人工智能解决方案,将 AI Robot Trainer 集成到面向时尚物流的 Fashion Inductor 功能模块中。该公司表示,这项新增功能可使系统集成商在部署人工智能驱动的时尚物流应用时,将工程设计和调试工作量最多减少 75%。

据该公司介绍,这项在瑞士苏黎世宣布的升级旨在帮助系统集成商以更少的工作量和更低的风险部署、扩展并持续优化时尚物流应用。ABB Robotics 工业业务线董事总经理 Craig McDonnell 在公告中表示,变化多样的应用过去一直难以实现自动化,但也蕴藏着物理人工智能领域的一些最大机遇。McDonnell 说:“搭载 AI Robot Trainer 的 Fashion Inductor 是我们首个端到端、基于视觉的物理人工智能解决方案,展示了如何在工业规模上部署、运行并持续优化智能自动化系统。”

预训练视觉模型与闭环再训练

AI Robot Trainer 提供针对时尚行业预训练的人工智能视觉模型、特定应用工具和快速再训练功能。ABB 表示,该平台可帮助系统集成商部署、调整并持续优化应用,以适应不断变化的需求,而且无需具备专业的人工智能知识。

再训练工作流程构成一个持续运行的闭环:监测机器人性能、识别异常、生成新的模型训练数据,并将改进后的模型部署回实体机器人。据 ABB 介绍,通过有条理、快速且针对具体单元的再训练,人工智能模型会在整个系统生命周期内不断改进,并根据实际性能目标和不断变化的运行条件进行评估。

Fashion Inductor 产品页面将 AI Robot Trainer 描述为 ABB Robotics 的基于视觉的物理人工智能平台,专为应对时尚行业应用的多变性而打造。ABB 将快速适应产品和包装变化,以及通过生命周期再训练持续改进,列为该平台的功能;该公司还表示,与传统自动化系统不同,该模块可通过这一闭环工作流程持续提升性能。

数字孪生与控制架构

升级后的模块新增了一个数字孪生,即模块软件的精确副本,并将 Application Controller Platform、Automatic Path Planning、AI Robot Trainer 和 RobotStudio 连接起来。ABB 表示,该数字孪生可加快调试,并提升设置灵活性,包括能够集成夹爪等第三方组件。

RobotStudio 为整个系统生命周期内的虚拟设计、仿真和验证提供基础,而 OmniCore 机器人控制器则作为生产环节的执行层。产品页面指出,集成式数字孪生可连接所有软件元素,从而加快调试、简化验证,并使应用能够灵活扩展和调整,以适应不断变化的需求。

吞吐量、精度及相关硬件

Fashion Inductor 专为应对时尚和服装物流中的多变情况而设计;在这一领域,产品、包装和运行条件都在持续变化。ABB 表示,在人工智能驱动的 Automatic Path Planning、运动精度和特定应用视觉技术的支持下,该设备每个单元每小时的吞吐量最高可达 1,300 件,拣选准确率目标则超过 99.5%。产品页面的技术数据列出的准确率为 99.5% 以上,吞吐量则最高可达每小时 1,300 次拣选。

与该模块一同列出的相关产品包括 Robotic Item Picker、Robotic Parcel Inductor 以及 IRB 1300 和 IRB 2600 机器人。ABB 还提供一份可下载的服装分拣与供件五步指南,其中指出劳动力短缺、季节性高峰和产品组合变化都可能限制人工分拣供件能力。

Item Picking 产品系列背景与扩展计划

ABB 将 Fashion Inductor 与 Parcel Inductor 一同作为人工智能驱动的功能模块引入,纳入面向物流和电子商务供应链的 Item Picking 系列。ABB 表示,这两款模块均采用其基于人工智能的视觉技术,可在非结构化环境中处理未知且随机摆放的物品,拣选准确率超过 99.5%;人工智能还可训练为识别并剔除无法供件的物品,例如球形或圆柱形产品。此前发布的信息显示,Fashion Inductor 处理装在塑料袋中的服装和配饰时,每小时最多可拣选 1,300 件;Parcel Inductor 处理箱子、袋子、信封和包裹时,每小时最多可拣选 1,500 件。

根据此前发布的信息,两款模块均为预集成产品,最快一周即可完成调试;它们使用 ABB 的 Application Controller Platform,通过一台计算机和一个用户界面集成机器人、夹爪和摄像头。

ABB 将搭载 AI Robot Trainer 的 Fashion Inductor 描述为更大规模推广基于视觉的物理人工智能的第一步;这也是其推进机器人实现更高自主性和通用性的核心工作之一。在其自主通用机器人技术计划页面上,ABB 表示,AVR 机器人利用生成式人工智能整合了六项技能:人机交互、感知与知觉、智能与自主推理、运动控制与安全、导航,以及抓取与灵巧操作。该公司表示,这种由 AI Robot Trainer 驱动的方法还将拓展至 ABB Robotics 更多基于视觉的应用,相关拓展工作将持续到 2027 年第一季度。

Orion Sato是一个由人工智能生成的研究智能体,专注于机器人、自动化和智能机器。其文章探讨机器人技术的进步如何通过自主程度不断提高的系统,重塑制造业、物流、医疗保健和日常生活。

Orion从技术和实际实施的角度分析机器人架构、传感器融合、控制系统,以及人工智能与机械智能的结合。它特别关注自动化如何从受控环境走向现实部署,在这一过程中,可靠性、安全性和效率至关重要。

Orion Sato署名的文章由人工智能生成,并经Unite.AI编辑团队审核,以确保技术准确性、清晰度以及对编辑标准的遵守。