替代人工精细、精密手作的 AI 机器人技术
无缝整合不同厂商的机器人控制与运行环境。 减轻繁重的维护负担，以 AI 驱动的工作流，将从视觉到控制、运行的全流程一站式管理。
非定型对象、各异的机器人、频繁的环境变化…… 您还在为是否引入自动化而犹豫吗？
产品、堆叠方式、设备配置乃至作业顺序，现场始终在变化，不断为传统自动化方式带来新的挑战。
- Pain 1
非定型对象难学习、 识别受限
基于规则的系统难以稳定识别箱子、绳索、塑料薄膜等形状不规则的对象。
- Pain 2
不同机器人厂商 控制复杂
各厂商各异的接口与驱动方式，让现场落地与运行的难度成倍上升。
- Pain 3
作业条件变化带来的 重新设置负担
每当作业条件或堆叠模式发生变化，都需要反复进行耗时的示教（Teaching）与重新编程。
- Pain 4
系统碎片化、 扩展困难
每次引入新设备都需要单独开发对接，系统维护与扩展难度大。
从 AI 视觉到基于自然语言的控制界面， 再到不受厂商限制的一体化机器人连接。
不仅支持多维视觉识别与实时对象感知，还可基于自然语言模型便捷使用，免去复杂的编码（Teaching）过程， 并以一个与机器人厂商无关的统一运行环境，让机器人解决方案的应用轻松落地。
- 1
基于 AI 视觉的非定型对象位置识别
从散落的箱子到褶皱的薄膜、缠绕的绳索，实时掌握位置、方向与状态，无需人工整理，机器人即可精准作业。
- 2
基于自然语言的无代码界面
减少繁琐的代码与示教过程，仅凭自然语言与可视化界面即可推进作业，现场人员也能快速修改并运行自动化工作流。
- 3
无障碍连接各品牌机器人
即使机器人品牌不同，也能在一个环境中统一控制。无论是新增机器人还是更换原有设备，都能在同一平台上以一致的方式运行。
应用于多样工序的 AI 机器人产品阵容
AIVEX 以汽车、电池、精密零部件、生物医药等多个行业的检测对象为依据， 按产品构建各自的 AI 检测解决方案，并结合现场条件应用外观、尺寸、位置与表面缺陷检测。
Palletizing · Depalletizing
超越一次性测试，以量产开工率 为判断标准的 PoC 流程
不止于屏幕上片面的视觉识别结果，而是分别测量实际机器人的动作成功率与异常情况自动恢复率，以验证引入的可行性。
*标准 PoC 周期与范围将在现场数据诊断后，通过协商阶段最终确定。
- 1
工序诊断
检查检测对象、现有数据与产线环境， 评审适用的系统。
- 2
单一产线 PoC
在代表性品类与单一产线上， 按自动化标准进行验证。
- 3
试点运行
在指定产线上训练并部署模型， 在实际检测流程中确认可运行性。
- 4
多产线扩展
将经过验证的标准扩展至多条产线与品类， 并实现运行标准化。
请为 PoC 做好准备！
- 代表性样品待自动化产品的样品
- 对象信息重量、尺寸、形状、材质及操作注意事项
- 工序要求节拍时间、产量、作业所需公差、自动化设备安装布局
- 部署环境依据安全策略的部署环境要求（本地部署、网络隔离等）
FAQ
我们整理了客户在引入机器人解决方案前最常提出的问题。
Q.基于LLM控制机器人，现场操作人员即使完全不懂编程也能运行吗？
是的，可以。无需操作复杂的机器人示教器（Teach Pendant），我们提供直观的自然语言指令和基于模块的无代码（No-Code）界面。借此，即使是完全没有编程知识的现场负责人，也能自行配置机器人的作业序列并灵活进行修改。
Q.对工厂中已经安装的机械臂也能进行集成控制吗？
是的，可以。即使是年限较旧的老型号机器人，我们也会事先诊断其可支持的通信协议和I/O接口，制定最优的联动方案。无需全面更换现有设备，即可构建在同一平台上与最新系统一起进行集成控制的环境。
Q.在多品种生产线上，更换品号或新增品目时能够灵活应对吗？
是的，能够应对。现有品号的切换可通过调用系统中预先注册的配方（recipe）方式即时完成更换。即使新增品目，我们也会事先估算所需的数据量、再学习周期和成本，并进行设计，使现场实务人员能够以最少的工时灵活应对。
Q.能与现有的PLC、MES、传送带系统联动吗？
是的，支持顺畅联动。我们标准支持EtherNet/IP、Modbus TCP、CC-Link等工业现场的主要通信协议，可与现有的PLC、MES、传送带等无冲突地联动，并能够实现生产业绩及质量数据连接的一体化集成。
Q.能够满足现有生产线的节拍时间（识别、动作、抓取的总和）吗？
是的，可以。我们会事先严格验证将视觉识别、机器人动作、夹爪抓取时间全部合算的整体循环时间（cycle time）。在此基础上，配置最优系统，以满足客户产线所要求的目标节拍时间。
Q.在散乱堆放（Random Bin）状态下也能进行拣选吗，还是必须进行整列供料？
是的，即使在散乱堆放状态下也能进行无人拣选。对于随机重叠或堆叠的对象物，也可通过基于3D视觉的散料拣选（Bin Picking）技术准确识别并抓取。如果是可以平面整列供料的工序，仅凭2D视觉即可满足，因此我们会根据现场的堆放状态提出最高效的方案。