研究方向
RESEARCH DIRECTION

机器视觉组

缺陷检测

利用图像处理、识别技术,对产品缺陷检测和判别,提升检测准确率。

视觉跟踪

视觉跟踪对运动目标进行实时检测、识别和跟踪,获得运动目标的运动轨迹。

目标识别

通过人工智能技术对采集的原始图像进行学习,实现对目标物或字符的识别。

视觉测量

根据目标物几何图形结构,对其进行标定并实现尺寸、距离测量、定位等功能。

机器人云平台组

辅助决策与云智能

辅助决策(DSS)是大数据分析技术的延伸,是数据挖掘出知识后解决问题的方案之一,针对机器人的辅助决策是真正提高其自主感知、自主行为的关键。通过大量历史案例的有监督学习(CBR),训练出有一定执行力的智能机器人。

联网联控与云服务

联网联控是智能机器人的第一步,让机器人的大脑CPU植入4G/Wifi通信芯片,实现终端与云端数据全双工通信是人机交互、集群协作的前提。因此,在云端搭建符合标准的通信云服务是重要方向。

深度挖掘与云计算

深度学习是人工智能技术的新发展,针对采集并存储在集群中PB级的海量数据,充分发挥云计算优势,挖掘出机器人行为背后隐藏的知识,对于改进和提高机器人工作效率意义重大。

行为分析与云控制

机器人行为分析(RBA,Robotic Behavior Analysis)主要根据机器人的标准参数范围,采集机器人实时工作状态数据,通过Spark实时流计算,结合历史数据的离线分析,及时发现机器人行为异常数据并告警,在云端实现远程控制机器人行为。

数据中心

数据采集与云存储

结合全双工通信模块,与智能机器人实现安全通信并采集数据,写入私有云存储中,并且利用ES实现高效、快速的检索,为其他子业务提供云存储。

数据加密与安全传输

智能机器人的安全通信是不可规避的重要问题。一种方案是采用私有的加密key,每次通信之前先检验合法性,并利用协商之后的key对通信数据包加密,是一种有效的安全措施。

机器人通信标准

制定统一的智能机器人与云端通信标准,可以为数据采集提供归一化入口,更可以为多种类机器人的数据融合做铺垫。更是形成行业品牌的重要砝码。