您的位置:首頁>正文

DeepMind研發讓機器人自主避障的AI技術;拓斯達上半年業績預增76%-103%|機器人日報0711

是36氪前沿科技小組近日推出的機器人日報, 我們在這裡為大家整理了每日機器人領域國內外重大新聞, 希望可以為關注機器人的廣大讀者朋友提供每日即時資訊。

拓斯達上半年業績預增76%-103%

拓斯達預計2017年半年度歸屬于上市公司股東的淨利潤盈利5300萬元-6100萬元, 同比增長76.93%-103.63%。 報告期內, 公司堅持既定的發展戰略, 各項經營計畫有序開展, 歸屬于上市公司股東的淨利潤較上年同期保持較快增長, 主要原因是:

1、報告期內, 因公司主營業務穩定增長, 營業收入同比上漲, 帶動了盈利的增長。 其中多關節機器人及應用方案、機械手及配套方案兩項主營業務為公司 2017 年上半年淨利潤的穩定增長做出了較大貢獻。

2、2017 年 1-6 月, 公司預計非經常性損益對淨利潤的影響約為 330 萬元, 上年同期公司非經常性損益對淨利潤的影響為1323.35 萬元。

雷柏科技計畫轉型機器人柔性標準化智慧裝備供應商

雷柏科技表示, 工業機器人一直是公司重點發展的新業務, 也是現階段重點投入資源的板塊, 會結合智慧製造的大趨勢, 逐步從機器人系統集成服務商, 轉變為柔性標準化智慧裝備供應商。 雷柏科技介紹, 目前, 公司一方面保持系統集成方案輸出, 前期訂單正常履行, 並陸續交付中;另一方面, 推出了柔性標準化裝備並正在客戶群及行業進行試用推廣。

雷柏科技, 創建於2002年8月, 主要從事與電腦及相關設備製造業, 主要經營鍵盤、滑鼠等電腦週邊設備, 特別是對無線輸入裝置有著很深的研究, 產品銷售網路遍及歐、美、大洋等世界各地,於2011年4月28日上市。

日本鐵路公司在火車站部署機器人

日本鐵路公司宣佈成立JRE機器人站, 該公司將設計機器人, 在火車站幫助旅客導航, 使他們及時趕上列車。 其他的機器人將被設計用來拖運行李——主要是幫助那些有殘疾的旅行者, 而不僅僅是那些討厭攜帶重型行李箱的人。
旅行可能會帶來痛苦, 特別是當行李丟失、航班延誤和火車站佈局混亂的時候。 日本希望通過添加機器人給火車站提供機械助手, 使旅行更安全, 甚至更有趣。


這些機器人還將被程式設計來理解各種各樣的語言來適應外國遊客, 其他的機器人將被設計用來清潔地板, 或者清理火車站。 同時, 能夠檢測到商店扒手的安全機器人也是新計畫的一部分。

鳴志電器擬5.5億元投資太倉智慧製造產業基地專案

鳴志電器9日晚間公告, 公司擬在太倉港經濟技術開發區製造業園區內投資建設“鳴志(太倉)智慧製造產業基地專案”, 生產、製造公司主營業務產品;並擬與太倉港經濟技術開發區管委會簽署《專案投資協議》。 該項目投資總額預計約人民幣55,000萬元, 項目規劃從事步進電機、直流電機、智慧LED驅動電源、智慧LED驅動器、電源供應設備、工業控制系統主要部件的生產製造。

公司表示,

若該項目成功建設, 將有助於拓展公司主業發展空間、優化製造成本。 預計該項目完全達產後, 可實現年銷售收入約人民幣120,000萬元。

隆深機器人與一汽豐田達成合作

近日, 佛山隆深機器人有限公司與天津一汽豐田汽車有限公司達成合作意向, 確立雙方合作夥伴關係。

據悉截止2016年, 隆深機器人在白色家電市場上的機器人佔有率已超過了60%。 從2016年下半年開始, 隆深機器人開始佈局進軍汽車零配件、3C新能源、軌道交通及住宅工業化智慧裝備領域, 擴大自身的市場份額。 本次與一汽豐田達成合作, 意味著隆深機器人的佈局開始實現。

DeepMind研發AI技術, 讓機器人自主避障

DeepMind最近正在研發一種名為“在複雜環境下運動行為”的人工智慧系統。

這項研究探索了如何通過強化學習技術來告訴電腦在陌生和複雜的環境中適應。 而未來有一天, 這項研究可能會幫助機器人在陌生的環境中直接爬樓梯或者躲避障礙物。

該小人所有的動作都是自動完成的。 跳躍、躲避和下蹲, 所有都是電腦自行設計了自己的行為, 並且獲得從A到B的最佳途徑,DeepMind的程式師要做的,只是給配備一組虛擬的感測器(告訴自己是否處於直立狀態),然後然小人自動前進。

這項研究最新奇之處就在於,研究人員正在探索複雜的環境如何教會一個人工智慧機器人進行複雜和正確的動作。通常情況下,強化學習產生的行為很脆弱,而一旦進入到不熟悉的環境中,系統就會崩潰。比如一個會在家裡爬樓梯的嬰兒,卻無法自己學會乘坐電梯。而通過這項研究證明,事實並非總是如此,強化學習技術,可以用來教授人工智慧系統處理更複雜的運動。

我是孫榕澤,關注工業機器人,郵箱:sunrongze@36kr.com

本文圖片來自Yestone 邑石網正版圖庫:http://www.yestone.com/

並且獲得從A到B的最佳途徑,DeepMind的程式師要做的,只是給配備一組虛擬的感測器(告訴自己是否處於直立狀態),然後然小人自動前進。

這項研究最新奇之處就在於,研究人員正在探索複雜的環境如何教會一個人工智慧機器人進行複雜和正確的動作。通常情況下,強化學習產生的行為很脆弱,而一旦進入到不熟悉的環境中,系統就會崩潰。比如一個會在家裡爬樓梯的嬰兒,卻無法自己學會乘坐電梯。而通過這項研究證明,事實並非總是如此,強化學習技術,可以用來教授人工智慧系統處理更複雜的運動。

我是孫榕澤,關注工業機器人,郵箱:sunrongze@36kr.com

本文圖片來自Yestone 邑石網正版圖庫:http://www.yestone.com/

同類文章
Next Article
喜欢就按个赞吧!!!
点击关闭提示