Weil parametrisierte 3D-Systeme ohne KI viel größere Datenmengen zur Laufzeit verarbeiten müssen als 2D-Systeme, dauert die Auswertung tendenziell länger, wodurch das System den Greifpunkt nicht schnell genug an den Roboter melden kann. Die künstliche Intelligenz verlagert jetzt aber die rechenintensiven Workloads in den Trainingsprozess. Dadurch kann das System die Teile zur Laufzeit viel schneller erkennen und die Zykluszeit einhalten.

Seiten: 1 2

  • Schlüsseltechnologie

    Die Elektromobilität erfordert innovative und automatisierte Fertigungstechnologien, insbesondere bei der Herstellung von leistungsfähigen Hairpin-Statoren für Elektromotoren. Ein zentrales und sicherheitskritisches Qualitätsmerkmal ist…


  • Sichere Greifprozesse mit Machine Vision

    Für durchgängig automatisierte Pick&Place-Tätigkeiten ist es wichtig, dass Roboter auch unterschiedlich geformte und durchscheinende Objekte sicher greifen können. Deep-Learning-Methoden in einer leistungsfähigen…