2020-06-28
随着当前市场对定制化、个性化的需求不断增长，促使制造商从标准化生产向柔性制造转型，工业机器人面临的无序难题也就越来越多。
而这种复杂性对机器人提出了更多更高的要求，这意味着工业机器人不能再依靠设定好的程序继续执行工作，而是需要对环境进行感知、分析，继而做出判断，这就需要引导机器人进行深度学习，从而解决无序分拣在场景物料匹配度低、产品种类迭代快、系统调整适应性低等方面的痛点。于是，库柏特CGrasp-AI通用抓取平台应时而生。
CGrasp作为库柏特自主研发的机器人高速柔性抓取解决方案，从正式发布到如今，已经在国内众多项目中落地。
在智能仓储场景中，750件/小时的单台分拣效率从根本上代替了人工分拣，整体效率提升四倍，24小时无间断的操作大幅度提升了产业链的升级。
在医疗场景中，“无接触式”的机器换人操作保证了安全性的同时提高药房工作的效率。
在24h无人零售场景中，店内货品上架、机器人取货均由机器人完成，避免了商品的二次污染、大大降低了成本。
······
CGrasp在众多不同的场景都有着不俗的表现。但是，经过前期场景应用情况的反思，库柏特对算法开发周期、准确性、适应性等方面有了更高要求，与此同时，快速、低成本、高安全性的验证也成为关注重点。
在不断实践和总结中，CGrasp-AI通用抓取平台诞生了。从CGrasp到CGrasp-AI通用抓取平台，是经验的积累，更是技术的升级。CGrasp在市场化过程中，通过在众多应用场景中的测试、比较、消化、吸收，磨合，收集来自用户的反馈和实际操作经验，为新的研究和产品创新提供最有价值的参考，并反馈在CGrasp-AI通用抓取平台上。
CGrasp-AI通用抓取平台正是库柏特在CGrasp无序分拣系统基础上，通过市场应用落地的经验和技术的升级，以AI算法加持，形成了AI+3D视觉技术的智能抓取平台。
AI通用抓取平台亮点在于，利用3D视觉完成物品的位姿估计，并辅以深度学习算法，把人工的检测经验转化为算法，实现自动识别和检测，从而实现复杂场景的抓取点计算。
具体来说，AI可通过对大量实际数据多维度深度学习，形成快速性、系统性及可传承性等特性。在实际操作过程中，通过采集各种各样品类部件的图像，并转化为统一数据格式，利用标注好的数据训练AI算法模型，就能够生成一系列通用的人工智能算法来做不同的项目，加以人工智能分析、机器人路径自动规划等技术，计算出当前工件的实时坐标，即可根据抓取物品的种类自适应选择最优视觉算法及运动路径，实现抓取的任务，抓取精准、速度快、柔性好。
（2D标注）
（3D标注）
相比之前无序分拣系统，AI通用抓取平台还增加了仿真执行，提升算法的有效性和安全性。
智能应用正深入到各行各业，人工智能领域的人才需求具有持续性和长期性，CGrasp-AI通用抓取平台也将作为科研教学平台服务高校、科研院所，助力培养适应社会及企业发展需求的应用技术型专业人才。
CGrasp-AI通用抓取平台从市场需求出发，结合机器人实际应用场景开发，将知识的拓展与项目研究开发过程相结合，可对学生进行机器人方向的综合训练，达到专业实验教学由点及面、理论到应用的多层次实验体系，以满足市场对专业人才的迫切需求。
除此之外，CGrasp-AI通用抓取平台，还可为物流、医药、食品、汽车零部件等众多行业，提供抓取解决方案，助力企业智能化改造升级。
从CGrasp到CGrasp-AI通用抓取平台，是积累和沉淀，是反思和升级，我们期待CGrasp-AI通用抓取平台为您带来更多惊喜。
