复现真实工业场景 人形机器人专项赛全国决赛开启
来源:央视新闻客户端
8月1日,第二十八届中国机器人及人工智能大赛人形机器人专项赛全国决赛,在北京石景山开幕。来自国内100多所高校的213支参赛队伍,带着350多台人形机器人,依靠机器人“全自主”识别环境,在多地形通行、智能避障与零部件分拣等方面展开比拼。
本次比赛根据机器人的不同尺寸细分为小尺寸、中尺寸、全尺寸三个比赛区域。不同区域的比赛机器人都将采用同品牌、同型号的机器人进行竞赛。

值得注意的是,今年全尺寸人形机器人首次采用了全程无遥操的模式进行比赛,并且1∶1复现了高危巡检、产线上下料、汽车零部件分拣等真实工业场景。

赛场内需要机器人在50分钟内通过自身传感器进行分析、识别,自主地完成斜坡攀爬、上下楼梯、穿越崎岖地形等高难度动作。

西安理工大学队员 李子祥:这场比赛给了我们很深的印象,因为工业场景和我们实验室其实有很大的差别。回到实验室我们也一定要去提高它的泛化性,提高它面对各种不可抗因素的一些能力。

而中尺寸比赛区域主要聚焦民生服务类,通过考核定时提醒、智能导航、精准送药等不同任务,来验证机器人在复杂环境下的全流程自主决策能力。小尺寸比赛区域则主要聚焦AI系统应用、大模型具身交互研发等维度,通过引入具身智能、开源鸿蒙等不同热点技术,在考核选手对机器人的图像识别与路径规划等相关技术应用和研发能力的同时,也为不同技术方向的参赛队伍提供了精准的实战擂台。

哈尔滨工业大学教授博士生导师 孙立宁:因为具身智能是多学科交叉,它更强调人工智能跟机器人技术融合,未来的场景也更为复杂。而随着具身智能技术的发展,明年可能在实际应用场景的真实度方面更为加强,预计5年左右,将在若干场景达到广泛应用。
(总台央视记者 王世玉 杨子清)
更多新闻>>相关新闻
-
AGV调度系统数据瓶颈:没有更多数据时的优化策略AGV调度系统数据瓶颈:没有更多数据时的优化策略很多人以为,AGV调度系统的性能提升完全依赖于数据量的持续增加,其实不然。在工业场景中,数据获取成本与调度效率之间存在显著的边际递减效应。当系统已捕获足够覆盖95%以上场景的基础数据后,单纯增加数据量对调度精度的提升不足3%,反而会引发存储冗余与计算延迟问题。底层逻辑是:AGV调度本质是有限状态空间内的路径优化问题。以某汽车总装车间为例,其AGV网络查看详情
-
AGV机器人调度系统:数据瓶颈背后的底层逻辑数据孤岛与调度效率的悖论很多人以为,AGV机器人调度系统的性能瓶颈源于算力不足或算法复杂度,其实不然。在真实工业场景中,90%的调度延迟问题源于数据孤岛与协议异构性。当多品牌AGV混编运行时,不同厂商的通信协议、定位精度、传感器采样频率差异,会导致调度系统陷入「数据解析-转换-同步」的死循环,最终表现为路径规划失效或任务队列堆积。案例:上海临港某汽车总装车间的赛制级推演2023年Q2,某头部车企在查看详情



400-886-5570




