
看见、学习,由机器人执行。
将视觉识别、作业判断与机器人控制串联为一个流程, 让检测结果直接延伸为真正的现场自动化。
现场运营
以视觉与传感器的融合,实现媲美人类的机器人控制
在图像数据的基础上叠加力/扭矩传感器技术,由 AI 推导出的数据可即时转化为如同人类般精准而安全的机器人动作。
仅依赖单一视觉信息,对现场物体的识别十分有限
实时同步采集视觉数据与物理数据
立体化识别物体状态,为判断提供依据
无需编码,将多品牌机器人合而为一进行控制的环境
不同品牌的机器人也可在同一界面中管理,用日常语言即可轻松指挥其动作。
- No-Code
无需专业知识, 也能直观搭建的机器人控制
- 拖放模块即可轻松编排作业流程
- 在实际运行前通过 3D 画面预览并安全验证
- 无需懂编码,现场操作人员即可直接设定机器人的动作
- 像对话一样用自然语言下达指令,即可完成机器人的动作

- 边缘控制
随处轻量部署, 以低功耗 PC 独立运行
- 无需昂贵的服务器或云端连接, 仅凭一台小型 PC 即可运行
- 即使在电力与空间有限的移动现场, 也能稳定运作

- 设备统一管理
不论制造商, 在同一界面中完美控制
- 机械臂、相机、夹爪等即便品牌不同,也能完美联动
- 不受特定制造商束缚,同时控制多品牌机器人
- 沿用现有设备,节省引入新设备的成本

- 强化学习
无需编程, 通过模仿人类来运动的机器人
- 通过模仿人类的示范,省去复杂的机器人设置(示教)环节
- 实时察觉障碍物,自主寻找安全路径移动
- 机器人自我提升动作,实现更精细的作业

看见、判断、即刻行动的现场自动化
越是需要精准观察、精密动作的高难度工序,AI 与机器人相融合的 AIVot 能力就越能大放异彩。
- 1
视觉引导拣放/组装
通过摄像头识别对象的位置与状态,并指挥机器人执行作业。

- 2
基于图像的情境判断
不只是提取抓取位置,还能通过 AI 算法判断工序状态,并根据判定结果让机器人执行相应作业。

- 3
基于 VLA 的机器人控制
利用 VLA 基础模型,以少量现场数据训练机器人模型,并通过强化学习,使其在导入后随着时间推移不断提升准确度。

从识别到硬件控制,成就 AIVot 的完整生态
视觉相机、AI 模型与运营数据连接至机械臂,如同一个有机体般完美协同。
洞察现场的眼睛
- 实时识别形态与大小各异的物体。
- 精确定位,为机器人提供视觉信息。
- (±0.5mm 以内)实现不容丝毫误差的高精度组装自动化。
- (±5mm 以内)对各种尺寸与形态的货物快速而稳定地进行拣放(Pick and Place)。
洞察现场的眼睛
- 实时识别形态与大小各异的物体。
- 精确定位,为机器人提供视觉信息。
- (±0.5mm 以内)实现不容丝毫误差的高精度组装自动化。
- (±5mm 以内)对各种尺寸与形态的货物快速而稳定地进行拣放(Pick and Place)。
计算并学习最优行动
- 即使是混杂的多种零件(Mixed SKU),AI 也能智能分类与检出。
- 自动对齐相机与机器人位置,实现自动标定(Auto-Calibration)。
- 自主寻找最佳移动路径,并持续学习、不断进化。
贴合现场的精密执行
- 基于相机所见的信息,实时校正机器人的动作。
- 为您量身设计契合作业环境与物体形态的定制化机器人手(夹爪)。
想了解导入单位 与运营条件吗?
请查看常见问题
Q.能与现有正在使用的机器人或设备兼容吗?
是的,可以兼容。AIVot采用不依赖于特定机器人品牌或硬件的硬件无关(Hardware-Agnostic)架构设计。完美支持与KUKA、Doosan、Yaskawa、Hyundai、Neuromeka等工业现场主要机器人厂商及现有设备的顺畅联动。
Q.现场存在振动或部件位置偏差时也能进行作业吗?
可以。AIVot支持自适应自主控制(Adaptive Autonomy)技术,能实时检测现场振动或部件位置的细微偏差等作业环境变化,并自动校正机器人的动作,从而保证作业的稳定性。
Q.能够根据对象物定制夹爪吗?
是的,可以进行定制设计。我们会精密分析对象物特有的形状、材质和重量,定制真空式、磁力式、机械式等最适合的夹爪形式。此外,为应对多品种混流生产,还可应用能够多用途使用的可更换式手爪(Tool Changer)系统。
Q.在杂散光或现场照明变化的情况下也能稳定运行吗?
是的,能够稳健地应对环境变化运行。我们采用自有的遮光结构和专用光学解决方案,有效阻断外部杂散光的进入,即使周边照明环境发生变动,也能保持一致的性能,从而确保了稳健性(Robustness)。
Q.对于难处理的对象物(反射体、有光泽/无光泽、透明、表面变化、相似个体等)也能准确识别吗?
是的,可以。我们会根据对象物难处理的表面特性,选定同轴光、穹顶光、结构光等最优的照明及相机配置。对于一般视觉难以区分的相似个体或表面变化条件,也会运用基于深度学习的识别算法准确分类并应对。






