工業技術研究院

技術簡介

提出全國首創擬真穩定取物點自動標記資料產生技術：對於金屬加工及倉儲物流取物應用，研發國內首創之RGB-D取物點標記資料產生技術，解決目前產業導入AI耗時耗力人工標記資料之瓶頸，透過自動產生的大量標記資料，學習泛用物品取物策略，對於新物品的導入，就能馬上決定其穩定取物點，取物成功率達90.9％。

Abstract

We have proposed a photorealistic RGB-D auto-labeled data generation technology for grasp point detection for logistics and machining applications. Our solution solves the bottleneck of time-consuming and human-intensive data labeling process when introducing AI into the manufacturing industry. Learning universal picking strategy by the labeled data generated by our auto labeled data generation technology can determine the stable grasp point of unseen object immediately, and achieve 90.9％ of the successful picking rate.

技術規格

泛用物品取物系統，其技術模組包含：(1)自動擬真訓練標記資料產生機制，(2)取物點優劣評估技術，(3)快速穩定取物點推論技術，(4)物件分割技術。

Technical Specification

Universal picking system, the technical modules includes: (1) Auto labeled data generation technology, (2) grasp quality determination technology, (3) fast and robust grasp point detection technology, (4) instance segmentation technology.

技術特色

目前AI (DNN神經網路) 技術之準確率要能應用於實際場域，訓練資料標記的數量與品質是關鍵，針對倉儲物流及金屬加工業，產品品項眾多外型變異大，若要採用人工標記方式，時間與人力成本太高，將無法實際落實於產業中。本AI自主學習之取物點辨識技術將透過擬真 (photorealistic) 3D模擬器，自動產生符合應用場景之擬真RGB-D訓練影像、物件分割及穩定取物點標記以供DNN神經網路之訓練 (無需大量人工標記真實訓練資料)。

應用範圍

應用領域包括以機器人來提升產線自動化之金屬加工產業，如水五金、手工具、自行車零組件等產業；可擴充到製造業組裝之整列與備料應用、及製鞋業加工等應用；也可應用於倉儲物流業之取物需求。

接受技術者具備基礎建議（設備）

•V-REP、Tensorflow。 •硬體：RAM: 64GB/CPU: Intel (R) Core (TM) i7-7820X / GPU: GTX1080Ti *4 / SSD: 500GB HDD: 4TB *3。

接受技術者具備基礎建議（專業）

深度學習專家、程式維護人員。

聯絡資訊