登录社区云,与社区用户共同成长
邀请您加入社区
汽车零部件产线效率瓶颈通常不在单一焊接工作站,而在焊接、码垛、上下料之间的断点。瀚泰装备将六轴焊接机器人、HT-S500堆高机器人(1.0-2.0吨载荷、3-8.5米起升高度、定位精度±10mm、续航8-9小时)、激光导航无人叉车AGV(定位精度±10mm)纳入同一产线控制体系,通过多品类工业机器人和智能工厂系统集成实现物料流、节拍流、数据流贯通。核心工位设计:焊接工位采用多工位协同与柔性夹具,扫
电冷器自动叠片机工作站,通过工业机器人与视觉检测系统的协同作业,实现了两款不同主板与翅片等子零件的自动上料、视觉检测与自动堆叠,覆盖从零件抓取到成品输出的完整作业流程。
<think>我们根据要求生成≤150字的文章摘要。需要概括报告核心内容。报告涉及智驾领域大模型低精度训练,主要结论:狭义端到端训练用FP16/BF16,车端INT8/FP16;VLA等大规模才用BF16和FP8,小鹏FP8,特斯拉CFloat8。BF16是训练默认,FP8用于大规模。推理用FP8/INT4。注意不超过150字。用中文。</think>本报告分析智驾领域大模型低精度训练:狭义端到端
2026奇点智能大会深度解读:郎玉川(昆仑行机器人具身算法负责人、前理想汽车资深算法专家)专家视角,剖析从自动驾驶到具身智能量产的工程拐点、VLA模型部署、量产成本控制、Sim-to-Real迁移实战,附多模态感知融合与产线校准代码示例。
机器人样机第一次站起来,现场往往一片欢呼。但通信工程师知道,真正的测试才刚刚开始:某个动作偶发抖动,是控制算法、总线周期还是时钟同步?单路电机正常,多路同时上电为什么出现丢包?运行数小时后产生漂移,又该从哪一帧数据开始追?“能动”证明功能链路已经打通,“稳定”才意味着工程可以交付。机器人网络测试要做的,就是把这些偶发、模糊、难复现的现象,转化为可以测量、可以定位、可以回归的工程结论。
依托机器人3D视觉“眼+脑”一体化方案,3D相机采集深筐内工件三维数据,AI算法完成高反光金属圆环识别定位,机器人结合算法输出坐标,自主完成深筐内工件抓取,将工件精准上料至目标工位。
通过实时感知物理世界的微小偏差,在数字孪生体中进行仿真、分析与决策,并生成最优的补偿指令,反馈给物理执行机构(如机器人),从而在下一个装配工位或动作中实时修正误差,实现装配精度的闭环控制。曲面缺陷的检测难点与应对:丰田自动车株式会社一项关于工件缺陷检测的专利也指出,对于存在曲面的工件外周面,检测时需要特别注意由工件形状和相机位置关系引起的图像失真问题。人形机器人正在逐步进入汽车制造的质量检测环节,
例如,Neura Robotics推出的“认知机器人”概念和Neuraverse平台,旨在让机器人能像智能手机更新系统一样,通过云端持续学习并获取新技能,甚至具备“自学习”能力,应对完全未知的挑战。这种设计更利于机械臂自动插装。值得注意的是,所关注的“冲突”或“差异”问题,随着标准的更新正在被系统性地解决。新增要求:此次修订还新增了网络安全要求,并将其视为功能安全的一部分,同时引入了基于机器人负载
处理线缆、软管或织物等柔性零部件代表着下一个复杂度层级。这些材料因在搬运过程中会变形并表现出不可预测的行为,对传统自动化系统而言难以可靠操纵。具备处理此类零部件的能力,将使人形机器人得以用于拆包任务,并有助于弥合自动化仓储系统与自动化生产线之间衔接缺口。操纵柔性零部件的能力还为自动化涉及线缆布线或管路安装的重复性装配活动创造了机会。当人形机器人能够被部署于多项高复杂度任务、并接近人类工人的灵活性水
针对45000个SKU对应备件在尺寸、重量、包装形态和周转频次上的差异,德力智仓规划“多类型存储+柔性搬运+智能拣选+统一调度”的整体方案,通过托盘四向穿梭机器人、高速料箱穿梭机器人、窄巷道高位货架及双层阁楼货架匹配不同备件的存储需求,并结合AGV柔性搬运与WMS/WCS统一调度,实现多库区、多设备、多流程协同运行。WMS统一管理库存、库位和业务任务,WCS则根据任务优先级、设备状态和作业路径,统
MCIeCAN系列miniPCIe接口CAN卡以其紧凑的尺寸、工业级的隔离与EMC防护、丰富的软件支持,为工控机领域提供了一种高效、可靠的CAN总线扩展方案。无论是AGV/AMR、协作机器人,还是新能源BMS、轨道交通等对可靠性要求极高的场景,该产品均能胜任,有效解决了工控机原生CAN接口缺失或不足的难题。
全球市场仍由Texas Instruments、Infineon、STMicroelectronics、Renesas、Microchip、Toshiba、Allegro MicroSystems、Monolithic Power Systems、NXP、onsemi、ROHM、Melexis、Elmos等具备模拟、电源管理、MCU或汽车半导体优势的企业参与。下游覆盖家电、HVAC、汽车、工业自动
承载人形机器人开发商、零部件供应商与系统集成商的地区,将获取更大的经济收益。欧洲的起点具有优势:格外强大的汽车与工业供应商基础,加上稳健的自动化生态。与本地人形机器人主机厂携手,这些企业可结成强大伙伴关系,重振当前承压的工业部门。该地区拥有强大的机器人与自动化企业基础,仍是重要的产业核心。人形机器人可能重塑全球制造业布局。以先进人形机器人每小时约2美元的估算运营成本计,即便是劳动密集型生产也可能在
原生内置Profinet、EtherCAT、Modbus TCP/RTU、OPC UA等上百种工业协议,可无缝对接汽车产线伺服、变频器、机器人、扫码枪、传感器、温控设备等异构设备,无需额外加装协议转换模块。汽车焊装强电磁干扰、涂装粉尘油污、车间温差波动大、设备高频启停,对控制器稳定性要求极高。:安全控制等级、系统容错性行业顶尖,EtherNet/IP网络稳定性强,极致适配汽车焊装、高压涂装、动力电
另一些企业可能采取更有选择性的路径,通过积极的业务开发,组建小型团队,以能力展示与技术研讨的方式与人形机器人企业接触——这一方式公开曝光较少,却仍能创造可观的商业机会。在软件端,这可能涵盖对来自多家主机厂的人形机器人集群的控制与编排,以及与工厂管理系统和产线控制系统的深度集成。希望在快速变化的人形机器人格局中竞争的企业,应组建小型、自主、拥有实际决策权的团队,最好置于传统公司架构之外运作,以匹配人
初期的人形机器人应用聚焦于直截了当的任务,例如从货架拣取散装货物或零件并装入机器或送上传送带,以及在入库与出库物流中于各存储点之间搬运箱子。AGV 已提供了相当高的灵活性,这限制了人形机器人在此类场景中的增量价值。因此,在此类情境中部署人形机器人的首要理由,往往是制造商与机器人供应商之间的技术开发合作,而非纯粹的经济商业论证。鉴于当前的技术成熟度,人形机器人在近期的部署将聚焦于较简单的用例,并随着
加特兰成立于2014年,是专注于车规级无线感知和通信芯片研发、设计、销售的高新技术企业,拥有毫米波雷达芯片、超宽带芯片等产品组合,广泛应用在辅助驾驶、自动驾驶、车身内外感知、数字钥匙等车规级领域,以及机器人、智能家庭、智慧城市等工业及消费领域。招股说明书显示,2023-2025年度、2026年1-3月,加特兰研发费用分别达到3.04亿元、3.65亿元、3.7亿元和0.98亿元,占营业收入的比例分别
对于上海、安徽、浙江、江苏地区的中大型汽车零部件及机械加工企业,如果生产模式呈现多品种、小批量、定制化特征,且现场已部署或计划部署AGV、立库、机械手等自动化设备,建议重点考察中之杰智能。在AI层面,中之杰智能构建了X-Agent工业智能体系列,涵盖融合智能体(小沃问数、小沃智库)、决策智能体(AI老厂长、AI品控卫士、AI设备管家)和协作智能体(AI水蜘蛛、OBF岛式生产智能体、具身智能仓库),
公司构建起智能驾驶域控、跨域融合中央计算、智能网联、智能座舱、整车安全、新能源电控全栈产品矩阵,依托成熟车规级软硬件技术,实现车载智驾技术向人形机器人领域高效复用,形成技术互通、产能共享、生态协同的独特竞争格局。公司持续布局具身智能域控、机器人AI感知总成、全域算力控制器、轻量化能源系统等核心产品,联合行业伙伴持续迭代机器人全域控制解决方案,依托汽车行业成熟的Tier1量产体系实现稳定批量供货,精
据Omdia统计,2025年智元通用人形机器人出货量超5100台,约占全球39%份额,宇树紧随其后。Wind数据显示,截至8月4日,今年以来共有87家企业完成IPO,合计募资1730.52亿元,上市数量与募资总额同比分别增长47.46%和181.30%,其中科创板与创业板募资占比近六成。公司早年在四足机器人领域站稳脚跟,近年将能力扩展至人形机器人,被市场视为少数能"自我造血"的硬科技标的。根据招股
2023 年,特斯拉发布了 FSD Beta V12,一套靠数十亿英里真实驾驶数据喂养的神经网络,摄像头进,驾驶指令出,中间没有人工切分,整个流程被一个持续进化的 AI 模型接管。从单目视觉深度估计,到物体语义识别,再到动态障碍物预测,这些底层算法,和机器人的环境感知逻辑是相通的。AI 时代的解法,是从「模块化」走向「端到端」。收购 Mentee Robotics,让 Mobileye 在守住驾驶
【摘要】汽车焊装车间依赖A键位M12圆形连接器实现稳定运行,其四大核心技术解决行业痛点:1)细牙螺纹抗振设计可抵御高频冲击;2)全金属屏蔽层有效抑制电磁干扰;3)IP67/IP69K防护等级抵抗焊渣、冷却液侵蚀;4)A编码机械防呆杜绝误插。实际应用中,该技术方案使故障率降低62%,停线时间缩短75%,日均信号中断趋近于零。这些"隐形卫士"通过精密设计支撑起每分钟万元级产值的自动
最近几年,人形机器人行业有一个明显变化。机器人的大脑越来越聪明。视觉模型越来越强,VLA(Vision-Language-Action)模型不断发展,机器人已经可以理解语言指令,也能够完成越来越复杂的任务。但真正走向商业化时,很多企业发现:机器人最难突破的地方,可能不是AI,而是一双手为什么?因为人类的一只手,看似简单,实际上是经过数百万年进化形成的精密系统。它不仅需要完成抓取,还需要感知力度、调
据 TechCrunch 对特斯拉过去七年财报电话会议的分析,马斯克在会议中谈论机器人与人工智能的时间占比逐年攀升,目前已接近一半,而汽车业务相关话题被大幅压缩。这反映出马斯克个人关注点的转移,也加剧了投资者对特斯拉业务重心的担忧。
汽车零部件涂胶看上去是一条连续轨迹,真正跑起来却很容易在细节上出问题。直线段胶线均匀,到了转角突然变粗;机器人速度没有明显变化,某一段却出现断胶;同一套程序昨天还能用,换了一批工件后,胶线整体偏到一边。这些现象常被笼统地归到“机器人精度不够”,实际原因可能来自出胶系统、运动轨迹、工件定位或胶水状态。汽车零部件自动涂胶方案要稳定,机械臂只是其中一环。胶枪、供胶、治具、轨迹和工艺参数必须一起调,单独更
当800V高压平台、AI大模型和高阶辅助驾驶逐渐成为行业标配,当续航里程从700公里一路卷到1000公里,消费者的感知却越来越弱。汽车产业似乎陷入了同质化的泥沼。然而,真正的巨头早已跳出了“造好一辆车”的单一维度。2026年,全球汽车产业的竞争边界正在被彻底打破。未来的竞争不再是单一产品对产品的较量,而是跨领域、跨主体的生态协同对决。智能汽车、低空经济(飞行汽车)与人形机器人,正成为头部车企的“新
汽车电驱和机器人关节模组,看似属于两个产业,但实际上代表了同一条技术链上的两个阶段。新能源汽车解决的是让机器高效移动,而机器人解决的是让机器完成复杂任务。未来几年,汽车产业人才向机器人产业流动还会持续。但机器人真正需要的,并不是简单复制汽车人才,而是寻找那些能够理解电机、电控、机械结构,同时具备工程量产经验的人。从猎头视角来看,机器人产业下一阶段的人才竞争,本质上是产业经验的竞争。谁拥有更多懂工程
过去两年,人形机器人几乎成了机器人展会上的固定主角。它们能走路、抓取、分拣,也开始进入汽车工厂、仓储和商业服务场景。镜头里的进步很直观,制造企业真正立项时,问题却往往朴素得多:这台设备能不能稳定跑一个班?换产品时要停多久?现场工程师能不能接手?同一套方案复制到第二条线,成本会不会突然失控?这些问题没有人形机器人那么吸睛,却决定了一笔自动化投资能不能落地。人形机器人热度不断上升的同时,协作机器人仍在
汽车轮毂进入车削、钻孔或检测工序后,上下料很快就会变成一项体力活。毛坯表面不便抓握,机床门口空间紧,卡盘又在设备内部;刚加工完的工件还可能带着切削液和金属屑。取料、装夹、等待、下料,一班里要反复做很多次。30kg 级协作机器人常被列入轮毂和重型汽车零部件项目的候选范围,越疆 CR 30H 官方列出的汽车制造应用就包括汽车轮毂搬运。轮毂重量低于 30kg,机器人却未必还有充足余量。夹爪、转接板、气路
汽车整车焊装车间内部生产工序繁杂,车身骨架、底盘支架、车门构件等各类钢制零部件拼接作业,大多依靠发那科弧焊机器人完成批量施焊,混合气凭借适配碳钢焊接的优异特性,长久以来都是汽车焊线主流保护介质。
注塑车间里,机械臂选大还是选小,常常不是由塑料件本身决定的。一个汽车内饰件看起来并不重,但把金属嵌件、真空吸具、气动夹爪、快换盘和连接板全部算进去,机器人末端承担的重量可能已经翻了几倍。再遇到一套夹具同时完成取成品、放嵌件,或者下料后还要转去切水口、检测和装箱,原本够用的负载余量很快就会被吃掉。这也是不少注塑自动化项目从6kg、10kg继续看到16kg级协作机器人的原因。
李卓慧,资深嵌入式软件与汽车诊断工程师,拥有10年以上行业经验。2011年肇庆学院电子信息科学与技术专业毕业后,先后在安防监控(参与中国首款高速球机开发)、医疗影像(OCT设备)领域积累技术。2015年起专注汽车诊断领域,先后任职道通科技、元征科技、超越科技等知名企业,主导TPMS胎压传感器、汽车诊断仪等核心产品研发,拥有多项单片机程序优化、资源分散加载及SPI通信协议优化的发明专利(如CN201
复盘智能电动车产业的崛起路径,核心逻辑就是国产供应链突破硬件壁垒、实现规模化降本,最终带动产业全面爆发。如今,这套逻辑正在人形机器人赛道完美复刻。未来3—5年,人形机器人的技术差距会逐步缩小,真正拉开企业竞争差距的,是硬件量产能力、成本控制能力、供应链整合能力,而这恰恰是汽车零部件巨头的绝对主场。对于车企而言,自研机器人的核心底气,早已不止算法与场景,更是整条成熟汽车供应链的赋能。汽车产业百年积淀
C#上位机+Modbus的机器人与PLC联动方案,非常适合节拍要求不极端严苛、注重柔性与成本的汽车零部件产线。它的核心优势在于通用性强,几乎适配所有主流PLC与机器人品牌,开发和维护成本都远低于专用总线方案,且调度逻辑集中在上位机,产线调整、工艺升级都非常灵活。后续可以从两个方向继续深化:一是引入机器视觉,将工件位置偏差通过Modbus下发给机器人做补偿,实现无序工件的精准焊接;二是对接工厂MES
在“共鸣”场景中,座舱打通了车家生态,用户归途即可远程调控家中设备;本届WAIC上,百度还将集中展示由昆仑芯、百度智能云、文心大模型和智能体应用构成的“芯云模体”全栈AI布局,全面呈现从底层算力、云基础设施和模型能力,到智能体开发与行业应用落地的完整技术体系。本次展会,神玑公司完整展出NX9031系列全栈自研5nm车规芯片矩阵,包含用于智能辅助驾驶的NX9031X主算力芯片,已成功部署蔚来品牌、乐
汽车总装线旁,真正消耗人力的往往不是搬走一个大箱子,而是把一箱混装零件送到工位后,再按车型和装配顺序完成取件、分拣、转身、摆放。保险盒、连接器、内饰件和小型总成的外形不同,料架位置会变,生产节拍也会跟着订单切换。固定自动化当然可以解决标准工位,但一旦产品换型频繁、现场通道狭窄,或者设备必须沿用原有人工作台,重新铺设输送线和专机的投入就会迅速上升。工业人形机器人的机会,正是在不大改人类工位的前提下,
新能源汽车制造体系中,轻量化构件与精密三电零部件的焊接加工,对弧焊防护工艺有着远超传统机械制造的严苛标准。
阳光干扰的根源在于光照模型与算法适配的矛盾。局部伽马矫正、对数域梯度、多方向Sobel融合与动态窗口阈值的组合,配合太阳光模拟器的可控验证,能有效提升视觉机器人在阳光干扰下的路径识别能力。
7月15日讯,7月14日,何小鹏赴德国参与小鹏汽车第二代VLA模型本地化验收测试。目前,第二代VLA能很好地识别复杂的欧洲路标,理解欧洲的道路交规和路权体系,适应当地用户的习惯。此次验收是小鹏第二代VLA完成海外本地化验证的关键节点,小鹏也是国内首家用“同一套模型”同时打通中国与欧洲的企业。
小米人形机器人已进入小米汽车生产线,承担柔性工件的搬运与装配辅助工作,从实验室演示迈向真实生产场景。与特斯拉Optimus"暂时难进厂"的判断不同,小米凭借自有产线的场景闭环优势,通过具身智能技术实现柔性抓取等复杂操作。然而,从单点落地到大规模量产仍需跨越成本、可靠性和标准体系三重障碍。这一进展标志着国产人形机器人从表演走向实用,但距离工业级普及仍有差距,需通过长期产线验证才能真正站稳脚跟。
摘要:本文介绍基于3D机器视觉与机器人技术的汽车零部件自动化检测分拣方案。采用ABB工业机器人和PhoXi结构光相机,结合Halcon视觉算法,实现多材质零件的高精度识别、检测与抓取。系统支持无序工件全姿态识别、自动分拣和并行作业,具有快速适配新品的优势。该方案可24小时运行,替代人工实现标准化检测,提升生产效率30%以上,良率提升至99.5%,适配各类汽车零部件产线的智能化升级需求。
全国大学生智能汽车竞赛是国内极具影响力的工程实践类学科赛事,始终以“立足培养、重在参与、鼓励探索、追求卓越”为核心宗旨,覆盖自动化、智能制造、车辆工程、电子信息、计算机、大数据与人工智能、机器人、电气工程、机械工程等数十个工科专业,为全国高校学子搭建了一个理论落地、技术创新的科技嘉年华,是国内规模最大、影响力最广的工程实践类赛事之一。英飞凌与所有招聘企业,期待在总决赛现场与热爱技术、勇于创新的你相
其中,丹尼克尔展示大螺钉柔性拧紧,桥田展示快换柔性抓取,砺星展示自适应机器人自动拧紧系统,因斯特展示自适应机器人连接器气密堵头和电接头自动插接,快联展示自适应机器人测试连接器自动插接等应用,形成了从拧紧、抓取到连接器插接、测试连接等多个汽车制造细分工艺的生态化呈现。线束、接插件、电池包、车载电子部件等工艺对象,往往具有柔性强、姿态不确定、装配空间受限、接触过程复杂等特点。目前,非夕已在汽车三电、汽
用户可通过工具将PROFINET的IO地址与DeviceNet设备参数一一关联,同时支持数据类型转换,比如将PROFINET的浮点型数据转换为DeviceNet的整型数据,适配不同设备的数据格式需求。耐达讯自动化PROFINET转DeviceNet网关是解决工业自动化新老设备通信兼容的关键组件,通过协议转换、数据映射与实时性保障三大核心功能,实现跨协议设备的无缝协同。当PROFINET控制器需要对
卡钳支架机器人去毛刺工作站,实现了从铣削加工到多工序去毛刺的全流程自动化作业。工作站以六轴工业机器人为核心执行单元,采用双抓手协同设计,集成铣床上下料系统、多工位去毛刺单元和成品输送线,构建了一套完整的自动化加工闭环。
NVIDIA发布的Alpamayo自动驾驶模型在短短半年内从1.0迭代至2.0 Super版本,展现了端到端自动驾驶技术的快速演进。Alpamayo 1.0通过视觉-语言-动作(VLA)架构,结合因果推理引擎和轨迹解码器,实现可解释的驾驶决策;1.5版本扩展了强化学习、导航条件输入和通用视觉问答功能;2.0 Super进一步升级为32B参数的全景感知模型,支持元动作和自动标注。开源工具链AlpaG