EVST သည် ၎င်း၏ စက်မှုလုပ်ငန်းသုံး စက်ရုပ်အဓိက (XR စီးရီး ပူးပေါင်းဆောင်ရွက်သည့် စက်ရုပ်များ၊ EVST စက်မှုလုပ်ငန်းသုံး စက်ရုပ်လက်များနှင့် EVS-AI ဂဟေဆက်စနစ်) မှ ပေါင်းစပ် AI အဖြစ် တိုးချဲ့လျက်ရှိပြီး ၂၀၂၆ ခုနှစ်တွင် ထုတ်ကုန်မိသားစုအသစ် သုံးမျိုးဖြင့် မိတ်ဆက်ခဲ့သည်- စက်မှုလုပ်ငန်းသုံး လူသားပုံသဏ္ဍာန် စက်ရုပ်များ၊ အချက်အလက်စုဆောင်းသည့် လက်ကိုင်ပလက်ဖောင်းများနှင့် စက်မှုလုပ်ငန်းစစ်ဆေးခြင်းနှင့် ကွင်းဆင်းဝန်ဆောင်မှုအတွက် လေးဖက်ထောက်စက်ရုပ်ပလက်ဖောင်းများ။ ထုတ်ကုန်လိုင်းကို ဤနေရာတွင် လက်ခံထားသည်။ evsint.com/embodied-ai-solutionsဒေတာစုဆောင်းခြင်း၊ မြင့်မားသောရောနှောမှုကိုင်တွယ်ခြင်းနှင့် အန္တရာယ်ရှိသောပတ်ဝန်းကျင်စစ်ဆေးခြင်းလိုအပ်သော စက်မှုလုပ်ငန်းထုတ်လုပ်မှုဖောက်သည်များအတွက် နေရာချထားပေးသည်။
အလားတူထုတ်ကုန်များ သို့မဟုတ် ပရောဂျက်ဝန်ဆောင်မှုများ လိုအပ်ပါက ကျွန်ုပ်တို့ထံ ဆက်သွယ်ပါ — ကျွန်ုပ်တို့သည် ကျွမ်းကျင်သူပံ့ပိုးမှုပေးပါမည်။ အီးမေးလ် sales@evsrobot.com သို့မဟုတ်မက်ဆေ့ခ်ျကို WhatsApp / WeChat +86 193 8162 6253.
ဘာကြောင့် EVST ဟာ ၂၀၂၆ ခုနှစ်မှာ Embodized AI ထဲ ပါဝင်လာတာလဲ
၂၀၂၆ ခုနှစ်တွင် စက်မှုလုပ်ငန်းသုံး AI သည် လောင်းကြေးထပ်ခြင်းမဟုတ်ပါ။ ၎င်းသည် ရန်ပုံငွေကောင်းစွာရရှိထားသော ပလက်ဖောင်းများစွာသည် ဓာတ်ခွဲခန်းသရုပ်ပြမှုမှ အခကြေးငွေပေးရသည့် စီးပွားဖြစ်ဖြန့်ကျက်မှုများသို့ ရွှေ့ပြောင်းသွားသည့် အမျိုးအစားတစ်ခုဖြစ်ပြီး အရည်အသွေးမြင့် စက်မှုလုပ်ငန်းသုံး လေ့ကျင့်ရေးဒေတာမရှိခြင်းသည် ပိုမိုမြန်ဆန်သောတိုးတက်မှုအတွက် အဓိကအဟန့်အတားဖြစ်စေသည့် အချက်ဖြစ်သည်။
အပြည်ပြည်ဆိုင်ရာ စက်ရုပ်ပညာအဖွဲ့ချုပ် (IFR) ၏ World Robotics 2025 အစီရင်ခံစာအရ စက်မှုလုပ်ငန်းများတွင် humanoid robot pilot တပ်ဆင်မှုများသည် ၂၀၂၄ ခုနှစ်နှင့် ၂၀၂၅ ခုနှစ်အစောပိုင်းအထိ တိုင်းတာ၍ရလောက်အောင် တိုးလာခဲ့ပြီး မော်တော်ကားနှင့် ထောက်ပံ့ပို့ဆောင်ရေးတို့သည် ဖြန့်ကျက်မှုအရေအတွက်ကို ဦးဆောင်နေပါသည်။ BMW Group နှင့် AI ၏ စီးပွားဖြစ်သဘောတူညီချက်၊ Amazon ဖြည့်ဆည်းရေးစင်တာများတွင် Agility Robotics Digit ၏ ဖြန့်ကျက်မှုနှင့် Fremont ရှိ Tesla Optimus ၏ အိမ်တွင်းဘက်ထရီကိုင်တွယ်မှုလုပ်ငန်းများသည် အရှင်းလင်းဆုံးမှတ်တမ်းတင်ထားသော အချက်အလက်အချက်များကို ကိုယ်စားပြုသည်။ ဤအစီအစဉ်များထဲမှ တစ်ခုမျှ အပြည့်အဝ မော်တော်ကားထုတ်လုပ်မှုနှုန်းဖြင့် မလည်ပတ်သေးသော်လည်း တစ်ခုချင်းစီသည် အတွင်းပိုင်းသရုပ်ပြမှုမှ ပြင်ပအတည်ပြုနိုင်သော လည်ပတ်မှုအထိ ကန့်သတ်ချက်ကို ကျော်လွန်သွားခဲ့သည်။
Stanford AI Index 2025 အရ၊ ၂၀၂၃ ခုနှစ်မှ ၂၀၂၅ ခုနှစ်အတွင်း ပါဝင်သော AI နှင့် ရုပ်ပိုင်းဆိုင်ရာ AI စနစ်များတွင် ကမ္ဘာလုံးဆိုင်ရာ ရင်းနှီးမြှုပ်နှံမှုသည် အခြား AI အမျိုးအစားခွဲများထက် ပိုမိုမြန်ဆန်စွာ တိုးတက်လာခဲ့ပြီး၊ vision-language-action (VLA) မော်ဒယ်များ၏ တိုးချဲ့နိုင်စွမ်းနှင့် software-only AI သည် ရုပ်ပိုင်းဆိုင်ရာ ထုတ်လုပ်မှုပတ်ဝန်းကျင်များတွင် အပလီကေးရှင်းများကို ကန့်သတ်ထားသည်ဟူသော စီးပွားဖြစ်အသိအမှတ်ပြုမှု တိုးပွားလာခြင်း နှစ်ခုလုံးကို ထင်ဟပ်စေသည်။
လေ့ကျင့်ရေးဒေတာရှားပါးမှုပြဿနာသည် EVST ၏ နေရာချထားမှုနှင့် အထူးသက်ဆိုင်ပါသည်။ Open X-Embodiment dataset (Google DeepMind နှင့် ပညာရေးမိတ်ဖက်များမှထုတ်ဝေသည်) သည် သုတေသနပလက်ဖောင်းများစွာတွင် စက်ရုပ်သရုပ်ပြဒေတာများကို စုစည်းထားသော်လည်း စက်မှုလုပ်ငန်းဆိုင်ရာ ကိုင်တွယ်မှုလုပ်ငန်းများ (သတ္တုအပိုင်းအစများဖြင့် စက်ပြုပြင်ခြင်း၊ ဂဟေဆော်ဆဲလ်အစိတ်အပိုင်းများ နေရာချထားခြင်း၊ ပေါက်ကွဲစေတတ်သောပတ်ဝန်းကျင်စစ်ဆေးခြင်း) မှာ သိသိသာသာ နည်းပါးစွာကိုယ်စားပြုမှုရှိပါသည်။ dataset ရှိ သရုပ်ပြမှုအများစုသည် သုတေသနဓာတ်ခွဲခန်းများရှိ စားပွဲခုံပေါ်တင်၍ ကောက်ယူနေရာချခြင်း စမ်းသပ်ချက်များမှ လာပါသည်။ စက်မှုလုပ်ငန်းဆိုင်ရာ လေ့လာတွေ့ရှိချက်များအရ ရရှိနိုင်သော စက်မှုလုပ်ငန်းသုံး စက်ရုပ်လေ့ကျင့်ရေးဒေတာနှင့် ယုံကြည်စိတ်ချရသော စက်ရုံကြမ်းပြင်မူဝါဒများကို လေ့ကျင့်ရန် အမှန်တကယ်လိုအပ်သည်များကြား ကွာဟချက်သည် ဤနယ်ပယ်တွင် အကြီးမားဆုံးသော နည်းပညာဆိုင်ရာ အဟန့်အတားများထဲမှ တစ်ခုအဖြစ် ရှိနေဆဲဖြစ်သည်။
EVST ရဲ့ နိုင်ငံပေါင်း ၁၀၀ ကျော်မှာ ရှစ်နှစ်ကြာ စက်မှုလုပ်ငန်းသုံး စက်ရုပ်တွေ ဖြန့်ကျက်မှုဟာ AI နယ်ပယ်မှာ ပါဝင်သူအများစုမှာ မရှိခဲ့တဲ့ အခြေခံအုတ်မြစ်ကို ပံ့ပိုးပေးပါတယ်- တကယ့် ထုတ်လုပ်မှုပတ်ဝန်းကျင်တွေနဲ့ လက်တွေ့အတွေ့အကြုံ၊ မော်တော်ကား၊ လေးလံတဲ့စက်မှုလုပ်ငန်းနဲ့ လုပ်ငန်းစဉ်ထုတ်လုပ်မှုတွေမှာ ခိုင်မာတဲ့ဖောက်သည်ဆက်ဆံရေးနဲ့ စက်ရုံကြမ်းပြင်တွေမှာ စက်ရုပ်အမျိုးအစားအသစ်တွေကို လက်ခံနိုင်ဖို့ တိုက်ရိုက်သက်ဆိုင်တဲ့ ဟာ့ဒ်ဝဲအသိအမှတ်ပြုမှတ်တမ်း (IATF16949၊ CE/SGS/TUV၊ ATEX/IECEx) တို့ပဲ ဖြစ်ပါတယ်။ လူသားပုံစံ စက်ရုပ်တွေဟာ လက်ရှိမှာ စက်မှုလုပ်ငန်းအလိုအလျောက်စနစ်မှာ ဘယ်နေရာတွေမှာ အံဝင်ခွင်ကျဖြစ်လဲဆိုတာကို ပိုမိုကျယ်ပြန့်တဲ့အမြင်အတွက် ကြည့်ပါ။ စက်မှုထုတ်လုပ်မှုတွင် လူသားပုံစံစက်ရုပ်များ- ၂၀၂၆ ခုနှစ်တွင် ၎င်းတို့လုပ်ဆောင်နိုင်သည် (နှင့် မလုပ်ဆောင်နိုင်သည်) များ.
EVST ပါဝင်သော AI ထုတ်ကုန်မိသားစုခြုံငုံသုံးသပ်ချက်
EVST များ ပေါင်းစပ်ထားသော AI ဖြေရှင်းချက်များ လိုင်းကို ထုတ်ကုန်ဌာနခွဲသုံးခုဖြင့် ဖွဲ့စည်းထားပြီး တစ်ခုချင်းစီသည် မတူညီသော စက်မှုလုပ်ငန်းသုံး အသုံးချမှု အစုအဝေးတစ်ခုကို ပစ်မှတ်ထားသည်-
| ထုတ်ကုန်ဌာနခွဲ | form ကို Factor | ပင်မအပလီကေးရှင်းများ | ပစ်မှတ်ပတ်ဝန်းကျင် | ဖြန့်ကျက်မှု မိုးကုပ်စက်ဝိုင်း |
|---|---|---|---|---|
| စက်မှုလုပ်ငန်းသုံး လူပုံသဏ္ဍာန် စက်ရုပ် | ခြေနှစ်ချောင်းထောက်၊ လူ့အတိုင်းအတာ | ပြောင်းလွယ်ပြင်လွယ်တပ်ဆင်ခြင်း၊ စက်ထိန်းသိမ်းခြင်း၊ ဂိုဒေါင်ထောက်ပံ့ပို့ဆောင်ရေး | စက်ရုံကြမ်းပြင်၊ ဂိုဒေါင် | ၂၀၂၆ ခုနှစ်တွင် Pilot H2; ၂၀၂၇ ခုနှစ်တွင် အကန့်အသတ်ဖြင့် ထုတ်လုပ်မည် |
| ဒေတာစုဆောင်းခြင်း ကျွမ်းကျင်သောလက် | Multi-DoF လက်ကိုင်ပလက်ဖောင်း | အဝေးမှလည်ပတ်မှုဒေတာဖမ်းယူခြင်း၊ sim-to-real လေ့ကျင့်မှု၊ high-mix manipulation | ထိန်းချုပ်ထားသော စက်ရုံအလုပ်ရုံ | ၂၀၂၆ ခုနှစ်တွင် Pilot H2; ၂၀၂၇ ခုနှစ်တွင် အကန့်အသတ်ဖြင့် ထုတ်လုပ်မည် |
| လေးဖက်ထောက် ရိုဘော့ပလက်ဖောင်း | ခြေလေးချောင်း၊ ရွေ့လျားနိုင်သော | စက်မှုလုပ်ငန်းစစ်ဆေးခြင်း၊ အန္တရာယ်ရှိသောပတ်ဝန်းကျင်ကင်းလှည့်ခြင်း၊ ကွင်းဆင်းဝန်ဆောင်မှု | ရေနံနှင့် သဘာဝဓာတ်ငွေ့၊ ဓာတုဗေဒ၊ လျှပ်စစ်ဓာတ်အား၊ သတ္တုတူးဖော်ရေး၊ ဆောက်လုပ်ရေး | ၂၀၂၇ ခုနှစ်တွင် ယေဘုယျရရှိနိုင်မှု |
ဌာနခွဲသုံးခုစလုံးသည် EVST ၏ စက်မှုပေါင်းစည်းမှုအတွေးအခေါ်ကို မျှဝေကြသည်- သုတေသနပတ်ဝန်းကျင်များမဟုတ်ဘဲ တကယ့်ထုတ်လုပ်မှုနှင့် လယ်ကွင်းအခြေအနေများအတွက် ဒီဇိုင်းထုတ်ထားသော ဟာ့ဒ်ဝဲနှင့် ရှိပြီးသား စက်မှုထိန်းချုပ်မှုအခြေခံအဆောက်အအုံ (EtherCAT၊ OPC-UA၊ SCADA) နှင့် ချိတ်ဆက်ထားသော ဆော့ဖ်ဝဲဗိသုကာ။
စက်မှုလုပ်ငန်းသုံး လူသားပုံစံ စက်ရုပ်အသုံးပြုမှု ကိစ္စရပ်များ
EVST ၏ စက်မှုလုပ်ငန်းသုံး လူသားပုံစံစက်ရုပ်သည် fixed-arm automation ထက် bipedal form factor သည် စစ်မှန်သော လုပ်ငန်းလည်ပတ်မှုအားသာချက်ကို ဖန်တီးပေးသည့် application cluster သုံးခုကို ပစ်မှတ်ထားသည်။
ပြောင်းလွယ်ပြင်လွယ်ရှိသော မြင့်မားသော ရောနှောပေါင်းစပ်မှု
ရိုးရာ ၆-ဝင်ရိုး စက်ရုပ်လက်များနှင့် SCARA စနစ်များသည် ပမာဏများသော၊ ပုံသေဂျီသြမေတြီဆိုင်ရာ အလုပ်များတွင် ထူးချွန်ပါသည်။ ထုတ်လုပ်သူတစ်ဦးသည် အပတ်စဉ် SKU ပြောင်းလဲမှုများကို လုပ်ဆောင်သည့်အခါ၊ မတူညီသော ချိတ်ဆက်ပုံစံများ၊ ကြိုးချိတ်လမ်းကြောင်းများ သို့မဟုတ် ခွဲတပ်ဆင်မှု ဦးတည်ချက်များဖြင့် ထုတ်ကုန်မိသားစု၏ မျိုးကွဲ ၂၀၀ ကို တပ်ဆင်သည့်အခါ၊ ပုံသေအလိုအလျောက်စနစ်သည် ပြန်လည်ပြုပြင်ရန် ကုန်ကျစရိတ်များလာပါသည်။ မျှဝေထားသော အလုပ်စားပွဲမှ လည်ပတ်နေသော လူသားပုံတူစက်ရုပ်သည် အခြေခံကိုင်တွယ်မှုမူဝါဒသည် လုံလောက်စွာ ယေဘုယျအားဖြင့် ပြုလုပ်ပါက၊ အခြေခံအားဖြင့် စက်ပိုင်းဆိုင်ရာ ပြန်လည်ပြင်ဆင်မှု လည်ပတ်မှု နည်းပါးသော ပိုမိုကျယ်ပြန့်သော အလုပ်အထုပ်ကို ကိုင်တွယ်နိုင်သည်။
လက်တွေ့တွင် ဤအကျိုးကျေးဇူးသည် အမှန်တကယ်ဖြစ်သော်လည်း အကန့်အသတ်ရှိသည်။ လက်ရှိ VLA မော်ဒယ်များသည် လေ့ကျင့်ထားသော လုပ်ငန်းအမျိုးအစားအတွင်းရှိ အရာဝတ္ထုများကို ယေဘုယျအားဖြင့် အသုံးပြုနိုင်သော်လည်း ၎င်းတို့သည် out-of-distribution geometries များတွင် ယိုယွင်းပျက်စီးသွားသည်။ ၂၀၂၆-၂၀၂၇ စမ်းသပ်စီမံကိန်းများအတွက် EVST ၏ humanoid ဖြန့်ကျက်မှုချဉ်းကပ်မှုသည် SKU မျိုးကွဲအရေအတွက် များပြားသော်လည်း ကိုင်တွယ်မှုဆိုင်ရာ primitives (insert, fasten, orient, transfer) များသည် မျိုးကွဲများတစ်လျှောက်တွင် ဖွဲ့စည်းတည်ဆောက်ပုံဆင်တူသည့် assembly lines များကို အာရုံစိုက်သည်။ ၎င်းသည် ယေဘုယျအားဖြင့် ကွာဟချက်ကို ကိုင်တွယ်နိုင်သော အကွာအဝေးအထိ ကျဉ်းမြောင်းစေသည်။
အလုပ်ရုံများစွာတွင် စက်ကို ထိန်းကျောင်းခြင်း
CNC စက်ထိန်းခြင်း၊ ဖိထိန်းခြင်းနှင့် ထိုးသွင်းပုံသွင်းစက်တင်ခြင်းအတွက် စက်တစ်ခုချင်းစီအလိုက် ပုံသေရိုဘော့ဖွဲ့စည်းပုံများသည် အဓိကချဉ်းကပ်မှုအဖြစ် ရှိနေဆဲဖြစ်သည်။ ၎င်းတို့သည် ထိရောက်မှုရှိသော်လည်း အရင်းအနှီးများစွာလိုအပ်သည်- စက်တစ်ခုစီတွင် ၎င်း၏ကိုယ်ပိုင်ရိုဘော့၊ လက်မောင်းအဆုံးကိရိယာများ၊ ဘေးကင်းရေးအကာအရံနှင့် ပေါင်းစပ်ပရိုဂရမ်းမင်းများ လိုအပ်သည်။ စက်များအကြား လမ်းလျှောက်နိုင်ပြီး မတူညီသောတပ်ဆင်မှုဖွဲ့စည်းပုံများဖြင့် အလုပ်စခန်းများစွာကို တင်ဆောင်နိုင်သော humanoid robot သည် မတူညီသောအရင်းအနှီးဖွဲ့စည်းပုံကို ကိုယ်စားပြုသည်- စခန်းများစွာကို ဝန်ဆောင်မှုပေးသော စက်ရုပ်တစ်ရုပ်။
စက်မှုလုပ်ငန်းသုံး AI ဖြန့်ကျက်မှုဆိုင်ရာ McKinsey Global Institute ၏ ခွဲခြမ်းစိတ်ဖြာချက်အရ စက်ရုပ်ယူနစ်များနှင့် ထုတ်လုပ်မှုစခန်းများ အချိုးကျဆင်းလာသည်နှင့်အမျှ ပြောင်းလွယ်ပြင်လွယ်ရှိသော အလိုအလျောက်စနစ် စီးပွားရေးသည် သိသိသာသာ တိုးတက်ကောင်းမွန်လာပါသည်။ အလားတူ အစိတ်အပိုင်းမိသားစုများ၏ အစုအဝေးလိုက် စက်များပါရှိသော စက်ရုံများတွင် လူသားပုံစံ စက်ထိန်းသိမ်းမှုသည် ဤစီးပွားရေးပရိုဖိုင်အတွက် ကိုယ်စားလှယ်လောင်းတစ်ဦးဖြစ်သည်။ EVST ၏ လူသားပုံစံ စက်ထိန်းသိမ်းမှုအတွက် စမ်းသပ်အစီအစဉ်သည် ဤအစုအဝေးကို အတိအကျပစ်မှတ်ထားသည်- ပစ္စည်းနှင့် အလေးချိန်ဝိသေသလက္ခဏာများ မျှဝေသော အစိတ်အပိုင်းမိသားစုများပါရှိသော ကပ်လျက် အလုပ်စခန်း ၃-၆ ခု။
ပြောင်းလဲနိုင်သော ကတ်ထူပုံးအရွယ်အစားများအတွက် ထောက်ပံ့ပို့ဆောင်ရေးနှင့် ကောက်ယူထုပ်ပိုးခြင်း
Amazon မှာ Agility Digit က သရုပ်ပြထားတဲ့အတိုင်း ကတ်ထူပုံးအရွယ်အစားအမျိုးမျိုးနဲ့ ဂိုဒေါင်ထောက်ပံ့ပို့ဆောင်ရေးဟာ စီးပွားဖြစ်အရ သက်သေပြနိုင်တဲ့ လူသားပုံစံအသုံးပြုမှုတွေထဲက တစ်ခုအဖြစ် ရှိနေဆဲပါ။ EVST ရဲ့ လူသားပုံစံ ထောက်ပံ့ပို့ဆောင်ရေး အပလီကေးရှင်းတွေဟာ စစ်မှန်တဲ့ ဖြည့်ဆည်းမှုစင်တာ လုပ်ဆောင်ချက်တွေထက် ထုတ်လုပ်မှုလိုင်းတွေနဲ့ ကပ်လျက် စက်မှုလုပ်ငန်းသုံး သင်္ဘောတင်ပို့မှုဧရိယာတွေ (ပြီးပြည့်စုံတဲ့ ကုန်ပစ္စည်းတွေကို ပြင်ဆင်ခြင်း၊ စက်ရုံအချင်းချင်း လွှဲပြောင်းခြင်းနဲ့ ရောနှောထားတဲ့ အတိုင်းအတာရှိတဲ့ အထွက်ကုန်တွေကို ပါလက်ထဲ ပို့ဆောင်ခြင်း) ကို ပစ်မှတ်ထားပါတယ်။
အသုံးချမှုနယ်ပယ်သုံးခုလုံးတွင် ထုတ်လုပ်မှုအတိုင်းအတာဖြင့် humanoid ဖြန့်ကျက်မှုသည် လက်တွေ့တွင် ၂၀၂၆-၂၀၂၈ ခုနှစ်အတွက်ဖြစ်သည်။ ရွေးချယ်ထားသော ဖောက်သည်အဆောက်အအုံများတွင် အင်ဂျင်နီယာပိုင်းဆိုင်ရာ ကြီးကြပ်မှုအောက်တွင် လည်ပတ်သည့် ဖြန့်ကျက်မှုများအဖြစ် သတ်မှတ်ထားသော စမ်းသပ်အစီအစဉ်များကို ၂၀၂၆ ခုနှစ် ဒုတိယနှစ်ဝက်မှစ၍ ရရှိနိုင်ပါသည်။ EVST သည် ၎င်း၏ တည်ထောင်ထားသော XR စီးရီး ပူးပေါင်းဆောင်ရွက်သည့် စက်ရုပ်များ သို့မဟုတ် EVST စက်မှုလုပ်ငန်းသုံး စက်ရုပ်လက်များအတွက် ရေတိုအစားထိုးအဖြစ် humanoid စက်ရုပ်များကို မထားရှိပါ၊ ၎င်းတို့သည် fixed automation သည် မှန်ကန်သောကိရိယာဖြစ်သည့် မြန်နှုန်းမြင့်၊ မြင့်မားသော ထပ်ခါတလဲလဲလုပ်ဆောင်နိုင်မှုနှင့် လေးလံသောဝန်တင်အပလီကေးရှင်းများကို ဆက်လက်ဝန်ဆောင်မှုပေးနေပါသည်။ ဤပလက်ဖောင်းများ မည်သို့နှိုင်းယှဉ်သည်နှင့်ပတ်သက်သည့် အကြောင်းအရာအတွက် ကြည့်ပါ။ လူသားပုံစံ စက်ရုပ်များနှင့် စက်မှုလုပ်ငန်းသုံး စက်ရုပ်လက်များ.
လက်သွက်လက်သော ပလက်ဖောင်း- အချက်အလက်စုဆောင်းခြင်းနှင့် စက်မှုလုပ်ငန်းဆိုင်ရာ ခြယ်လှယ်ခြင်း
EVST ရဲ့ ကျွမ်းကျင်တဲ့ လက်ပလက်ဖောင်းကို အပြန်အလှန် အထောက်အကူပြု လုပ်ဆောင်ချက်နှစ်ခုကို အခြေခံပြီး ဒီဇိုင်းထုတ်ထားပါတယ်။ အဲဒါတွေကတော့ ပါဝင်တဲ့ AI လေ့ကျင့်မှုအတွက် အရည်အသွေးမြင့် စက်မှုလုပ်ငန်းဆိုင်ရာ ကိုင်တွယ်မှုဒေတာတွေကို ထုတ်လုပ်ခြင်းနဲ့ လက်မောင်းအဆုံးက ကိရိယာတွေ ညံ့ဖျင်းစွာ ကိုင်တွယ်ဖြေရှင်းတဲ့ ထုတ်လုပ်မှုမှာ ကျွမ်းကျင်တဲ့ ကိုင်တွယ်မှုတာဝန်တွေကို ဆောင်ရွက်ခြင်းတို့ပဲ ဖြစ်ပါတယ်။
ဟာ့ဒ်ဝဲဗိသုကာ
ဒီပလက်ဖောင်းဟာ ထိတွေ့အာရုံခံကိရိယာတွေ၊ လက်ကောက်ဝတ်မှာ force-torque sensing နဲ့ အဝေးထိန်းစနစ်အတွင်း visual feedback အတွက် integrated camera module တွေပါဝင်တဲ့ multi-degree-of-freeness ရှိတဲ့ သွက်လက်တဲ့လက်တစ်ခု ဖြစ်ပါတယ်။ ဒီဇိုင်းဟာ cobot ဖြန့်ကျက်မှုတွေမှာ force-torque sensing ကို ပေါင်းစပ်တဲ့ EVST ရဲ့ အတွေ့အကြုံကို အခြေခံထားပြီး XR series collaborative robot line တွေမှာ assembly၊ testing နဲ့ deburring လိုမျိုး application တွေအတွက် ပြန်လည်ပြုပြင်ထားတဲ့ စွမ်းရည်တစ်ခု ဖြစ်ပါတယ်။
ယင်းလက်သည် EVST ၏ humanoid robot platform နှင့် end-effector အဖြစ် တွဲဖက်အသုံးပြုနိုင်ပြီး နှစ်လမ်းသွား လှုပ်ရှားရန်မလိုအပ်သော အချက်အလက်စုဆောင်းမှုလုပ်ငန်းစဉ်များအတွက် fixed သို့မဟုတ် rail-mounted arm ပေါ်တွင် တပ်ဆင်ထားသော standalone workstation unit အဖြစ်လည်း တပ်ဆင်အသုံးပြုနိုင်သည်။
အဝေးထိန်းစနစ်နှင့် အချက်အလက်စုဆောင်းခြင်း ပိုက်လိုင်း
အဓိကဒေတာစုဆောင်းမှုလုပ်ငန်းစဉ်သည် အဝေးမှလည်ပတ်မှုဖြင့် လုပ်ဆောင်သည်- စက်ရုံအလုပ်ရုံတွင် စက်မှုလုပ်ငန်းဆိုင်ရာ ကိုင်တွယ်မှုလုပ်ငန်းများကို လုပ်ဆောင်နေစဉ်တွင် လူသားအော်ပရေတာတစ်ဦးသည် သွက်လက်သောလက်ကို haptic interface မှတစ်ဆင့် အဝေးမှထိန်းချုပ်သည်။ စနစ်သည် လက်ဟန်ခြေဟန်၊ အဆစ်လှည့်ပတ်မှု၊ ထိတွေ့အာရုံခံကိရိယာဖတ်ရှုမှု၊ လက်ကောက်ဝတ်အား-လှည့်ပတ်မှုနှင့် အလုပ်ခွင်ကင်မရာဗီဒီယိုတို့၏ ထပ်တူကျသောစီးဆင်းမှုများကို မှတ်တမ်းတင်သည်။ ဤ multimodal data stream သည် sim-to-real မူဝါဒများအတွက် လေ့ကျင့်ရေး input ဖြစ်သည်။
စက်မှုလုပ်ငန်းဆိုင်ရာ လေ့လာတွေ့ရှိချက်များအရ အစစ်အမှန်စက်မှုလုပ်ငန်းသုံး workpieces များ (သတ္တုအစိတ်အပိုင်းများ၊ မမှန်သောပုံသွန်းလောင်းမှုများ၊ ကြိုးကြိုးများ) ဖြင့် ကျွမ်းကျင်စွာကိုင်တွယ်မှုဒေတာရှားပါးမှုသည် သုတေသနအဆင့်နှင့် စက်မှုလုပ်ငန်းသုံးယုံကြည်စိတ်ချရသော AI မူဝါဒများအကြား အဓိကကွာခြားချက်ဖြစ်သည်။ EVST ၏ ထုတ်လုပ်မှုဖောက်သည်အခြေခံသည် အစစ်အမှန်ထုတ်လုပ်မှုအခြေအနေများတွင် ဤ workpiece အမျိုးအစားများကို အတိအကျဝင်ရောက်ခွင့်ပေးပြီး ၎င်းသည် pure-software ပါဝင်သော AI developer များတွင်မရှိသော ပိုင်ဆိုင်မှုတစ်ခုဖြစ်သည်။
အဝေးမှလည်ပတ်မှုဒေတာဖမ်းယူခြင်းမှ sim-to-real လေ့ကျင့်မှုမှတစ်ဆင့် autonomous deployment အထိ နည်းပညာဆိုင်ရာ pipeline ၏ အသေးစိတ်ကိုင်တွယ်မှုအတွက်၊ ကြည့်ပါ။ ပေါင်းစပ် AI အချက်အလက်စုဆောင်းခြင်း- အဝေးမှလည်ပတ်မှု၊ Sim-to-Real နှင့် စက်မှုသင်တန်းပိုက်လိုင်းများ (၂၀၂၆).
ပုံစံအမျိုးမျိုးနှင့် လိုက်ဖက်ညီမှု
EVST ရဲ့ အချက်အလက်စုဆောင်းမှု လုပ်ငန်းစဉ်ကို Open X-Embodiment dataset format နဲ့ ကိုက်ညီအောင် ဒီဇိုင်းထုတ်ထားပြီး ကိုင်တွယ်မှု သရုပ်ပြမှုတွေကို မတူညီတဲ့ robot platform တွေမှာ အသုံးပြုနိုင်ပါတယ်။ ဒီ cross-embodiment တွဲဖက်အသုံးပြုနိုင်မှုဟာ EVST hardware မှာသာမက စံသတ်မှတ်ထားတဲ့ သုတေသန benchmark တွေမှာပါ မူဝါဒလေ့ကျင့်မှုကို အရှိန်မြှင့်တင်လိုတဲ့ ဖောက်သည်တွေနဲ့ EVST ရဲ့ ပိုမိုကျယ်ပြန့်တဲ့ AI လေ့ကျင့်ရေးဂေဟစနစ်မှာ အရည်အသွေးမြင့် စက်မှုလုပ်ငန်းဆိုင်ရာ အချက်အလက်တွေ ပံ့ပိုးပေးဖို့ ရည်မှန်းချက်နဲ့ သက်ဆိုင်ပါတယ်။
လေးထောင့်စက်ရုပ်ပလက်ဖောင်း- စက်မှုလုပ်ငန်းစစ်ဆေးခြင်းနှင့် ကွင်းဆင်းဝန်ဆောင်မှု
EVST ရဲ့ ခြေလေးချောင်းပါ (ခြေလေးချောင်းပါ) စက်ရုပ်ပလက်ဖောင်းဟာ ဘီးတပ်မြေပြင်ယာဉ်တွေ မသွားလာနိုင်တဲ့နဲ့ ပုံသေအာရုံခံကိရိယာတွေကို မလွှမ်းခြုံနိုင်တဲ့ စက်မှုလုပ်ငန်းပတ်ဝန်းကျင်တွေဖြစ်တဲ့ ရေနံနဲ့သဘာဝဓာတ်ငွေ့ စီမံဆောင်ရွက်ရေးစက်ရုံတွေ၊ ဓာတုဗေဒစက်ရုံတွေ၊ ဓာတ်အားထုတ်လုပ်ရေးနေရာတွေ၊ သတ္တုတူးဖော်ရေးလုပ်ငန်းတွေနဲ့ ဆောက်လုပ်ရေးနေရာတွေကို ပစ်မှတ်ထားပါတယ်။ ဒီပတ်ဝန်းကျင်တွေမှာ မညီမညာ မြေပြင်အနေအထားကို ဖြတ်ကျော်နိုင်တဲ့၊ လှေကားတက်နိုင်တဲ့၊ လူသားစစ်ဆေးရေးမှူးတွေအတွက် အန္တရာယ်ရှိတဲ့ အခြေအနေတွေမှာ ယုံကြည်စိတ်ချစွာ လည်ပတ်နိုင်တဲ့ စက်ရုပ်တစ်ရုပ် လိုအပ်ပါတယ်။
စက်မှုလုပ်ငန်းခွင်စစ်ဆေးခြင်း
အဓိကအသုံးချမှုမှာ အလိုအလျောက် စက်ရုံလမ်းလျှောက်ခြင်းဖြစ်သည်- လေးဖက်ထောက်သည် သတ်မှတ်ထားသော စစ်ဆေးရေးလမ်းကြောင်းကို လိုက်နာပြီး ဓာတ်ငွေ့အာရုံခံကိရိယာများ၊ အပူကင်မရာများ၊ အသံထုတ်လွှတ်မှုရှာဖွေကိရိယာများနှင့် အမြင်အာရုံကင်မရာများမှ ဖတ်ရှုမှုများကို ဖမ်းယူကာ ဗဟိုစောင့်ကြည့်ရေးစနစ်သို့ ဒေတာများ ပေးပို့သည်။ ရေနံနှင့် သဘာဝဓာတ်ငွေ့နှင့် ဓာတုဗေဒစက်ရုံများအတွက်၊ ၎င်းသည် စစ်မှန်သောလည်ပတ်မှုဆိုင်ရာ နာကျင်မှုအချက်ကို ဖြေရှင်းပေးသည်။ NIOSH ၏ လုပ်ငန်းခွင်ဘေးကင်းရေးဒေတာအရ၊ ကျဉ်းကျပ်သောနေရာများနှင့် အန္တရာယ်ရှိသောနေရာများတွင် စစ်ဆေးခြင်းလုပ်ငန်းများသည် စက်မှုလုပ်ငန်းလုပ်သား ထိခိုက်ဒဏ်ရာရမှုနှင့် သေဆုံးမှုနှုန်း၏ မမျှတသောဝေစုကို ဖြစ်စေသည်။ ပုံမှန်စစ်ဆေးရေးလမ်းလျှောက်ခြင်းကို ရိုဘော့တစ်ပလက်ဖောင်းဖြင့် အစားထိုးခြင်းသည် အလုပ်သမားများကို စစ်ဆေးရေးလွှမ်းခြုံမှုကို မဖယ်ရှားဘဲ အမြင့်ဆုံးအန္တရာယ်ရှိသော ထိတွေ့မှုအခြေအနေများမှ ဖယ်ရှားပေးသည်။
ATEX/IECEx နှစ်ထပ်အသိအမှတ်ပြုလက်မှတ်နှင့် IP68 အဆင့်သတ်မှတ်ချက်ရှိသော XR-EX စီးရီးပူးပေါင်းဆောင်ရွက်သည့်ရိုဘော့များမှတစ်ဆင့် ထူထောင်ထားသော EVST ၏ ပေါက်ကွဲမှုဒဏ်ခံနိုင်သော အင်ဂျင်နီယာအတွေ့အကြုံသည် Zone 1 နှင့် Zone 2 အန္တရာယ်ရှိသောနေရာများအတွက် ရည်ရွယ်ထားသော quadruped ပလက်ဖောင်းများအတွက် တိုက်ရိုက်သက်ဆိုင်သည့် အသိအမှတ်ပြုလက်မှတ်နှင့် ဒီဇိုင်းအခြေခံကို ပံ့ပိုးပေးပါသည်။ ပူးပေါင်းဆောင်ရွက်သည့်ရိုဘော့အတွက် ATEX/IECEx နှစ်ထပ်အသိအမှတ်ပြုလက်မှတ်ကို ရရှိသည့် ပထမဆုံးပြည်တွင်းထုတ်လုပ်သူများထဲတွင် EVST ပါဝင်သည့် XR-EX စီးရီးသည် ပေါက်ကွဲစေတတ်သောလေထုအသိအမှတ်ပြုလက်မှတ်မှတစ်ဆင့် ရိုဘော့အမျိုးအစားအသစ်များကို ယူဆောင်လာရန် လုပ်ငန်းစဉ်၏သက်သေကို ပေးပါသည်။ Quadruped ATEX အသိအမှတ်ပြုလက်မှတ်သည် EVST ၏ လမ်းပြမြေပုံတွင် ပါဝင်သည်။
ကွင်းဆင်းအင်ဂျင်နီယာ စေလွှတ်မှုအရှိန်မြှင့်ခြင်း
ပုံမှန်စစ်ဆေးမှုအပြင်၊ EVST ၏ quadruped သည် hybrid deployment model ကို ပံ့ပိုးပေးသည်- ဝေးလံခေါင်သီသော လယ်ကွင်းအင်ဂျင်နီယာတစ်ဦးသည် ရုပ်ပိုင်းဆိုင်ရာဝန်ထမ်းများကို မစေလွှတ်မီ ချို့ယွင်းမှုအခြေအနေကို အကဲဖြတ်ရန် စက်ရုပ်ကို မိုဘိုင်းအာရုံခံပလက်ဖောင်းအဖြစ် အသုံးပြုသည်။ စက်ရုပ်သည် တိုက်ရိုက်ဗီဒီယိုနှင့် အာရုံခံဒေတာကို ထုတ်လွှင့်သည်။ အင်ဂျင်နီယာသည် ပြဿနာကို အဝေးမှ ရောဂါရှာဖွေပြီး စက်ရုပ်အကူအညီဖြင့် ဖြေရှင်းသည် သို့မဟုတ် ပြဿနာ၏အကြောင်းရင်းကို ရှာဖွေရန် နည်းပညာရှင်တစ်ဦးကို စေလွှတ်မည့်အစား မှန်ကန်သော အစိတ်အပိုင်းများဖြင့် မှန်ကန်သောကျွမ်းကျင်သူကို စေလွှတ်သည်။
ဤမော်ဒယ်သည် EVST ၏ နိုင်ငံပေါင်း ၁၀၀ ကျော်ရှိ ကမ္ဘာလုံးဆိုင်ရာ ကွင်းဆင်းအင်ဂျင်နီယာ စေလွှတ်နိုင်စွမ်းနှင့် သဘာဝအတိုင်း ကိုက်ညီပါသည်။ ဝေးလံခေါင်သီသော စက်မှုလုပ်ငန်းခွင်များ (ကမ်းလွန်ပလက်ဖောင်းများ၊ သတ္တုတွင်းလုပ်ငန်းများ၊ စိုက်ပျိုးရေးပြုပြင်ထုတ်လုပ်ရေးစက်ရုံများ) ရှိ ဖောက်သည်များအတွက် စက်ရုပ်အကူအညီဖြင့် အဝေးထိန်းရောဂါရှာဖွေခြင်းသည် မဟုတ်ပါက ရက်ပေါင်းများစွာ ခရီးသွားထောက်ပံ့ပို့ဆောင်ရေးပါဝင်မည့် တုံ့ပြန်မှုအချိန်များကို ချုံ့ပေးသည်။
နောက်ထပ် လယ်ကွင်းအသုံးချမှုများ
ရေနံနှင့် သဘာဝဓာတ်ငွေ့အပြင် EVST ၏ လေးထောင့်ပုံစံ ပလက်ဖောင်းသည် သတ္တုတူးဖော်ရေး (မြေအောက်ဥမင်လိုဏ်ခေါင်း စောင့်ကြည့်ခြင်း၊ ဖွဲ့စည်းပုံဆိုင်ရာ အကဲဖြတ်ခြင်း)၊ ဆောက်လုပ်ရေး (နေရာတိုးတက်မှု မှတ်တမ်းတင်ခြင်း၊ ဘေးကင်းရေး လိုက်နာမှု ကင်းလှည့်ခြင်း) နှင့် စိုက်ပျိုးရေးဆိုင်ရာ ပြုပြင်မွမ်းမံခြင်း (ပုံသေကင်မရာ လွှမ်းခြုံမှု မဖြစ်နိုင်သည့် ကြီးမားသော စက်ရုံများကို စောင့်ကြည့်ခြင်း) တို့တွင် စစ်ဆေးရေး လိုအပ်ချက်များကို ဖြေရှင်းပေးသည်။ ပတ်ဝန်းကျင်တစ်ခုစီတွင် ရွေ့လျားမှု၊ အာရုံခံကိရိယာ ဝန်ထုပ်ဝန်ပိုးများနှင့် ဆက်သွယ်ရေး အခြေခံအဆောက်အအုံများအပေါ် မတူညီသော လိုအပ်ချက်များကို ထားရှိသည် - EVST ၏ စမ်းသပ်အစီအစဉ် နယ်ပယ်သတ်မှတ်ခြင်း လုပ်ငန်းစဉ်သည် ဖြန့်ကျက်မှုမတိုင်မီ နေရာအကဲဖြတ်ခြင်းအတွင်း ဖြေရှင်းပေးသည့် အချက်များဖြစ်သည်။
EVST ရဲ့ စက်မှုလုပ်ငန်း အဓိကအချက်အချာနဲ့ ပေါင်းစပ်ထားတဲ့ AI ဘယ်လိုချိတ်ဆက်ပေးသလဲ
EVST ရဲ့ AI ထုတ်ကုန်တွေဟာ လက်ရှိထုတ်ကုန်လိုင်းတွေကနေ ခွဲထွက်သွားတာမျိုး မဟုတ်ပါဘူး။ ဒီထုတ်ကုန်မိသားစုသစ် သုံးမျိုးကို လက်ရှိစက်ရုပ်ဂေဟစနစ်ကို အစားထိုးဖို့မဟုတ်ဘဲ တိုးချဲ့ပြီး ဖြည့်စွက်ပေးဖို့ ဒီဇိုင်းထုတ်ထားပါတယ်။
Humanoid နှင့် XR Cobot တို့ကို နှစ်ထပ်စက်ရုံဖြန့်ကျက်မှုအဖြစ် အသုံးပြုသည်
လက်တွေ့တွင်၊ humanoid robot နှင့် EVST ၏ XR စီးရီး ပူးပေါင်းဆောင်ရွက်သည့် robot များသည် တူညီသော စက်ရုံဆဲလ်တွင် မတူညီသော ရာထူးများကို ထမ်းဆောင်ကြသည်။ XR cobot သည် မြန်နှုန်းမြင့်၊ ထပ်ခါတလဲလဲ လုပ်ဆောင်နိုင်သော၊ တိကျသော အလုပ်များကို ကိုင်တွယ်သည်- ±0.02 မှ ±0.05 mm ထပ်ခါတလဲလဲ လုပ်ဆောင်နိုင်မှု လိုအပ်ပြီး cycle times များကို ပုံသေသတ်မှတ်ထားသည့် assembly operations များ။ humanoid သည် တူညီသော အနီးတစ်ဝိုက်တွင် ပြောင်းလွယ်ပြင်လွယ်ရှိသော၊ မကြာခဏ မလုပ်ဆောင်နိုင်သော သို့မဟုတ် ပြောင်းလဲနိုင်သော အလုပ်များကို ကိုင်တွယ်သည်- incoming components များကို unboxing လုပ်ခြင်း၊ cobot ၏ input queue မှ exception များကို ရှင်းလင်းခြင်း သို့မဟုတ် ထုတ်ကုန် မျိုးကွဲများနှင့်အတူ အပတ်စဉ် ပြောင်းလဲသော assembly step တစ်ခုကို လုပ်ဆောင်ခြင်း။ ဤ two-tier model သည် EVST မှ 2027 ခုနှစ်အထိ pilot deployments အများစုကို ဖွဲ့စည်းရန် မျှော်လင့်ထားသည့် ပုံစံဖြစ်သည်။
စက်မှုလုပ်ငန်းသုံး စက်ရုပ် ပရိုဂရမ်းမင်းသို့ လက်ဖြင့် ဒေတာ ပေးပို့ခြင်း
EVST ၏ ကျွမ်းကျင်သော လက်ပလက်ဖောင်းမှ အဝေးထိန်းစနစ်ဖြင့် မှတ်တမ်းတင်ထားသော လေ့ကျင့်ရေးဒေတာသည် humanoid robot မူဝါဒလေ့ကျင့်ရေးအတွက်သာ မဟုတ်ပါ။ တူညီသော သရုပ်ပြဒေတာသည် EVST စက်မှုလုပ်ငန်းသုံး robot လက်များအတွက် assembly path generation ကို အသိပေးနိုင်ပြီး၊ အထူးသဖြင့် workpiece geometry ပြောင်းလဲမှုက fixed-path programming ကို ပျက်စီးစေသည့် အလုပ်များအတွက်ဖြစ်သည်။ လူသားဖြင့် သရုပ်ပြထားသော ကိုင်တွယ်မှုနှင့် စက်မှုလုပ်ငန်းသုံး robot programming အကြား ဆက်စပ်မှုသည် စက်ရုံအလိုအလျောက်စနစ်တွင် ရေရှည်စိန်ခေါ်မှုတစ်ရပ်ဖြစ်ခဲ့သည်။ EVST ၏ data pipeline ကို ပါဝင်သော AI မူဝါဒလေ့ကျင့်ရေးနှင့် ရိုးရာ robot path optimization နှစ်မျိုးလုံးကို ဝန်ဆောင်မှုပေးရန် ဒီဇိုင်းထုတ်ထားသည်။
EVS-AI ဗိသုကာလက်ရာကို ပေါင်းစပ်ထားသော AI ကောက်ချက်အထိ တိုးချဲ့ထားသည်
EVST ရဲ့ EVS-AI ဂဟေဆက်စနစ်ဟာ 1 kHz EtherCAT ထိန်းချုပ်မှု၊ ဂဟေဆက်ကြောင်းခွဲခြားသတ်မှတ်ခြင်းအတွက် 3D vision auto-scan နဲ့ လမ်းလျှောက်နေစဉ် ဂဟေဆက်ခြင်းလုပ်ဆောင်ချက်တွေအတွက် SLAM-based autonomous navigation တို့ပါဝင်တဲ့ self-learning engine ကို လည်ပတ်စေပြီး AI inference layer အတွက် architectural template ကို ပံ့ပိုးပေးပါတယ်။ EVS-AI အတွက် တီထွင်ထားတဲ့ real-time control loop၊ sensor fusion နဲ့ autonomous path planning တွေဟာ humanoid နဲ့ quadruped platform တွေရဲ့ control လိုအပ်ချက်တွေကို တိုက်ရိုက်ပြောင်းလဲပေးပါတယ်။ EVST ဟာ AI control architecture ကို သုညကနေ တည်ဆောက်နေတာမဟုတ်ပါဘူး။ production-tested architecture ကို form factor အသစ်တွေအဖြစ် တိုးချဲ့လုပ်ဆောင်နေတာပါ။
အသိအမှတ်ပြုလက်မှတ် အခြေခံမျဉ်းကို ဆက်လက်တင်ပြခြင်း
EVST ၏ လက်ရှိအသိအမှတ်ပြုလက်မှတ်အစုစု (cobot ထုတ်လုပ်မှုလိုင်းအတွက် IATF16949 မော်တော်ကားအဆင့် ထုတ်လုပ်မှုအသိအမှတ်ပြုလက်မှတ်၊ ထုတ်ကုန်အမျိုးအစားအားလုံးအတွက် CE/SGS/TUV ပြင်ပအဖွဲ့အစည်းအသိအမှတ်ပြုလက်မှတ်၊ XR-EX ပေါက်ကွဲမှုဒဏ်ခံနိုင်သော cobot စီးရီးအတွက် ATEX/IECEx နှစ်ထပ်အသိအမှတ်ပြုလက်မှတ်) သည် အသစ်ထည့်သွင်းထားသော AI ပလပ်ဖောင်းများ တိုးချဲ့မည့် လိုက်နာမှုအခြေခံကို ကိုယ်စားပြုသည်။ လူသားစက်ရုပ်ဘေးကင်းရေးအသိအမှတ်ပြုလက်မှတ်သည် ပွင့်လင်းသောစံနှုန်းမေးခွန်းတစ်ခုဖြစ်သည်- AI-augmented robot ဘေးကင်းရေးကို လွှမ်းခြုံထားသော ISO 10218-3 သည် ISO တွင် ကြိုတင်ဖွံ့ဖြိုးတိုးတက်မှုတွင် ရှိနေသည်။ EVST သည် ဤစံနှုန်းလုပ်ငန်းစဉ်ကို စောင့်ကြည့်နေပြီး မူကြမ်းရင့်လာသည်နှင့်အမျှ ပါဝင်ဆောင်ရွက်ရန် စီစဉ်ထားပြီး ၎င်း၏ရှိပြီးသား CE နှင့် ATEX အသိအမှတ်ပြုလက်မှတ်အတွေ့အကြုံကို အသုံးပြု၍ စံနှုန်း၏တရားဝင်ထုတ်ဝေမှုမတိုင်မီ ၎င်း၏ humanoid ပလပ်ဖောင်းကို လိုက်နာမှုအတွက် နေရာချထားရန် စီစဉ်ထားသည်။ ပါဝင်သော AI နှင့် VLA မော်ဒယ်များသည် လက်ရှိစက်မှုလုပ်ငန်းဘေးကင်းရေးမူဘောင်များနှင့် မည်သို့အပြန်အလှန်အကျိုးသက်ရောက်သည်ကို အသေးစိတ်စစ်ဆေးခြင်းအတွက် ကြည့်ပါ။ စက်မှုလုပ်ငန်းသုံး ရိုဘော့တစ်နည်းပညာတွင် ပါဝင်သော AI- VLA မော်ဒယ်များသည် ရိုဘော့ပရိုဂရမ်းမင်းကို မည်သို့ပြောင်းလဲစေသည်.
လမ်းပြမြေပုံ အချက်ပြမှု- ၂၀၂၆ မှ ၂၀၂၈ အထိ
EVST ၏ ပါဝင်သော AI လမ်းပြမြေပုံသည် ရှင်းလင်းသောသတိပေးချက်များပါရှိသော အဆင့်ဆင့်စီးပွားဖြစ်ထုတ်လုပ်မှုအချိန်ဇယားကို လိုက်နာသည်။ ၎င်းတို့သည် စာချုပ်ဆိုင်ရာကတိကဝတ်များမဟုတ်ဘဲ စီမံကိန်းပစ်မှတ်များဖြစ်ပြီး စမ်းသပ်အစီအစဉ်ရလဒ်များ၊ ထောက်ပံ့ရေးကွင်းဆက်ဖွံ့ဖြိုးတိုးတက်မှုနှင့် humanoid ဘေးကင်းရေးစံနှုန်းများဆိုင်ရာ စည်းမျဉ်းစည်းကမ်းဆိုင်ရာတိုးတက်မှုများအပေါ် မူတည်သည်။
| ကာလ | မှတ်တိုင်တစ်ခု | ကုန်ပစ္စည်း | status |
|---|---|---|---|
| H2026 ၅၂ | အင်ဂျင်နီယာကြီးကြပ်မှုအောက်တွင် ရွေးချယ်ထားသော စက်မှုလုပ်ငန်းသုံး ဖောက်သည်များနှင့်အတူ စမ်းသပ်ဖြန့်ကျက်မှုများ | လူသား + သွက်လက်သောလက် + လေးဖက်ထောက် | စီစဉ်ထားသည် |
| 2027 | humanoid robot နှင့် dexterous hand platform အတွက် အကန့်အသတ်ဖြင့် ထုတ်လုပ်မှု | လူသားပုံစံ + ကျွမ်းကျင်သောလက် | target က |
| 2027 | လေးထောင့်စစ်ဆေးရေးပလက်ဖောင်းအတွက် ယေဘုယျရရှိနိုင်မှု | လေးပုံတစ်ပုံ | target က |
| 2028 | ပြောင်းလွယ်ပြင်လွယ် တပ်ဆင်မှု အသုံးချမှုများတွင် humanoid အတွက် ထုတ်လုပ်မှု စကေး | humanoid | target က |
| 2026-2028 | ISO 10218-3 စံနှုန်းများ ပါဝင်ဆောင်ရွက်မှု (AI-augmented robot ဘေးကင်းရေး၊ ဖွံ့ဖြိုးတိုးတက်မှုမတိုင်မီ) | ပါဝင်သော AI ပလက်ဖောင်းအားလုံး | စဉ်ဆက်မပြတ် စောင့်ကြည့်ခြင်း + ပါဝင်ဆောင်ရွက်မှု |
၂၀၂၆ ခုနှစ် စမ်းသပ်အဆင့်သည် လက်ငင်း စီးပွားဖြစ် ဦးစားပေးအဆင့်ဖြစ်သည်။ EVST သည် ယခုအခါ စမ်းသပ်အစီအစဉ် စုံစမ်းမေးမြန်းမှုများကို လက်ခံနေပြီး၊ မည်သည့် ဟာ့ဒ်ဝဲ ကတိကဝတ်မဆို မပြုလုပ်မီ နေရာ အကဲဖြတ်ခြင်းနှင့် ဖွဲ့စည်းပုံ အတိုင်းအတာ သတ်မှတ်ခြင်းတို့ကို ပြုလုပ်ပါသည်။ စမ်းသပ်စည်းကမ်းချက်များတွင် အင်ဂျင်နီယာပံ့ပိုးမှု၊ အချက်အလက်ပိုင်ဆိုင်မှုနှင့် စမ်းသပ်ပြီးနောက် စီးပွားဖြစ် ရွေးချယ်မှုများနှင့် သက်ဆိုင်သည်။ မည်သူသည် လူသားပုံစံ စက်ရုပ်များကို စက်မှုလုပ်ငန်းတွင် ဖြန့်ကျက်နေပြီး မည်သည့်နှုန်းဖြင့် ဖြန့်ကျက်နေသည်ဆိုသည့် ပိုမိုကျယ်ပြန့်သော အကြောင်းအရာအတွက် ကြည့်ပါ။ စက်မှုလုပ်ငန်းသုံး ရိုဘော့တစ်နည်းပညာတွင် ဖန်တီးမှုဆိုင်ရာ AI- အခြေခံပုံစံများ၊ ကုဒ်ထုတ်လုပ်မှုနှင့် ၂၀၂၆ ခုနှစ် ရှုခင်း.
ေမးေလ့ရွိသည့္ေမးခြန္းမ်ား
ကျွန်တော့်စက်ရုံမှာ EVST humanoid robot ကို ဘယ်အချိန်မှာ မောင်းနှင်နိုင်မလဲ။
EVST သည် စက်မှုလုပ်ငန်းဖောက်သည်များနှင့်အတူ ရွေးချယ်ထားသော စမ်းသပ်ဖြန့်ကျက်မှုများအတွက် ၂၀၂၆ H2 ကို ပစ်မှတ်ထားသည်။ humanoid robots များအတွက် အပြည့်အဝထုတ်လုပ်မှုရရှိနိုင်မှုသည် ၂၀၂၇-၂၀၂၈ လမ်းပြမြေပုံတွင်ရှိသည်။ စိတ်ဝင်စားသော ထုတ်လုပ်သူများသည် ယခုပင် ဆက်သွယ်နိုင်ပါသည်။ sales@evsrobot.com စမ်းသပ်အကဲဖြတ်တန်းစီတွင် ပါဝင်ရန်နှင့် လုပ်ငန်းခွင်အကဲဖြတ်ခြင်းကို စတင်ရန်။
EVST ရဲ့ စက်မှုလုပ်ငန်းဆိုင်ရာ လုပ်ဆောင်ချက်မှတ်တမ်းက AI အဖြစ် ဘယ်လိုပြောင်းလဲနိုင်မလဲ။
EVST သည် ATEX/IECEx အသိအမှတ်ပြု ပေါက်ကွဲမှုဒဏ်ခံနိုင်သော cobots (XR-EX စီးရီး)၊ IATF16949 အသိအမှတ်ပြု cobot ထုတ်လုပ်မှုလိုင်းနှင့် 1 kHz EtherCAT ထိန်းချုပ်မှုနှင့် 3D vision auto-scan ပါရှိသော EVS-AI ဂဟေဆက်စနစ် အပါအဝင် နိုင်ငံပေါင်း ၁၀၀ ကျော်တွင် စက်မှုလုပ်ငန်းသုံး စက်ရုပ်များကို ရှစ်နှစ်ကျော်ကြာ ဖြန့်ကျက်ခဲ့သည်။ ဤပရိုဂရမ်များသည် မတူညီသော ထုတ်လုပ်မှုပတ်ဝန်းကျင်များတွင် လယ်ကွင်းဖြန့်ကျက်မှုဒေတာများကို ထုတ်လုပ်ပေးခဲ့ပြီး AI စနစ်များသည် ယုံကြည်စိတ်ချရသော လက်တွေ့ကမ္ဘာအထွေထွေပြုလုပ်မှုအတွက် လိုအပ်သော ဒေတာအခြေခံအုတ်မြစ်နှင့် တူညီသည်။ အသိအမှတ်ပြုလက်မှတ်အတွေ့အကြုံ (ATEX/IECEx၊ CE/SGS/TUV၊ IATF16949) သည် အသစ်ပါဝင်သော AI ပလက်ဖောင်းများအတွက် လိုက်နာမှုလုပ်ငန်းစဉ်သို့ တိုက်ရိုက်ပြောင်းလဲပေးသည်။
EVST ရဲ့ ကျွမ်းကျင်တဲ့လက်က အဝေးထိန်းစနစ် လေ့ကျင့်ရေးအတွက်ပဲလား၊ ဒါမှမဟုတ် ထုတ်လုပ်ရေးအတွက်ပဲလား။
ဒီဇိုင်းရည်ရွယ်ချက်မှာ စက်မှုလုပ်ငန်းဆိုင်ရာဒေတာစုဆောင်းခြင်း- sim-to-real လေ့ကျင့်ရေးပိုက်လိုင်းများအတွက် teleoperation-driven demonstration capture ဖြစ်သည်။ ဒုတိယအသုံးပြုမှုကိစ္စမှာ fixed end-of-arm tooling သည်လက်တွေ့မကျသည့် high-mix၊ low-volume assembly တွင် ထုတ်လုပ်မှုကိုင်တွယ်ခြင်းဖြစ်သည်။ ထုတ်လုပ်မှုအသင့်ဖြစ်မှုသည် သတ်မှတ်ထားသောအလုပ်နှင့် သည်းခံမှုလိုအပ်ချက်များပေါ်တွင် မူတည်သည်။ ၂၀၂၆-၂၀၂၇ ဖြန့်ကျက်မှုအများစုသည် ထုတ်လုပ်မှုကိုင်တွယ်မှုကို parallel evaluation track အဖြစ်အသုံးပြု၍ ဒေတာစုဆောင်းမှုလုပ်ဆောင်ချက်ကို အာရုံစိုက်မည်ဖြစ်သည်။
EVST ရဲ့ လေးဖက်ထောက်စက်ရုပ်ဟာ ကျွန်တော့်ရဲ့ ရှိပြီးသား SCADA ဒါမှမဟုတ် DCS နဲ့ ပေါင်းစပ်နိုင်ပါသလား။
EVST ရဲ့ လေးထောင့်ပုံစံ ပလက်ဖောင်းကို စက်မှုလုပ်ငန်းဆိုင်ရာ ဆက်သွယ်ရေး ပရိုတိုကောတွေကို ထည့်သွင်းစဉ်းစားပြီး ဒီဇိုင်းထုတ်ထားပါတယ်။ SCADA နဲ့ DCS စနစ်တွေ (OPC-UA၊ Modbus ဒါမှမဟုတ် site-specific protocols) နဲ့ ပေါင်းစပ်အသုံးပြုတာဟာ ဖြန့်ကျက်မှု အတိုင်းအတာရဲ့ တစ်စိတ်တစ်ပိုင်း ဖြစ်ပါတယ်။ စိတ်ကြိုက်ပေါင်းစပ်အသုံးပြုရေး လိုအပ်ချက်တွေကို စမ်းသပ်လုပ်ဆောင်မှုရဲ့ site assessment phase အတွင်း ဖြေရှင်းပေးပါတယ်။ ဆက်သွယ်ရန် sales@evsrobot.com သင့်အဆောက်အအုံ၏ ပေါင်းစည်းမှုလိုအပ်ချက်များ၏ နည်းပညာဆိုင်ရာ ကြိုတင်အကဲဖြတ်မှုအတွက်။
ကျွန်ုပ်၏ အဆောက်အဦတွင် သိမ်းဆည်းထားသော လေ့ကျင့်ရေးဒေတာအတွက် ဒေတာပိုင်ဆိုင်မှု မော်ဒယ်ကား အဘယ်နည်း။
EVST ၏ ကျွမ်းကျင်သောလက် သို့မဟုတ် ဖောက်သည်အဆောက်အအုံတွင် humanoid ပလက်ဖောင်းများမှ ဖမ်းယူထားသော လေ့ကျင့်ရေးဒေတာများသည် ဖောက်သည်၏ပိုင်ဆိုင်မှုအဖြစ် ဆက်လက်တည်ရှိနေပါသည်။ EVST ၏ စံသတ်မှတ်ထားသော ထိတွေ့ဆက်ဆံမှုစည်းကမ်းချက်များတွင် ထုတ်လုပ်မှု IP ကာကွယ်ရေးလိုအပ်ချက်များနှင့် ကိုက်ညီသော ဒေတာလျှို့ဝှက်ချက်ပြဋ္ဌာန်းချက်များ ပါဝင်သည်။ ဖောက်သည်များသည် မော်ဒယ်တိုးတက်မှုကို အရှိန်မြှင့်တင်ရန်အတွက် အပြန်အလှန်အားဖြင့် cross-embodied datasets များတွင် ပံ့ပိုးပေးသည့် ဒေတာမျှဝေခြင်းအစီအစဉ်များကို ရွေးချယ်နိုင်သော်လည်း ၎င်းသည် စမ်းသပ်အစီအစဉ်၏ လိုအပ်ချက်မဟုတ်ပါ။
သင်သည် အလားတူထုတ်ကုန်များ သို့မဟုတ် ပရောဂျက်ဝန်ဆောင်မှုများ — EVST ၏ AI ထုတ်ကုန်မိသားစုသုံးခု (စက်မှုလုပ်ငန်းသုံး လူသားပုံစံရိုဘော့များ၊ အချက်အလက်စုဆောင်းသည့် လက်ကိုင်ပလက်ဖောင်းများနှင့် ခြေလက်ထောက်စစ်ဆေးရေးရိုဘော့များ) တွင် စမ်းသပ်အကဲဖြတ်မှုများ သို့မဟုတ် ဆက်စပ်သော configuration scoping — လိုအပ်ပါက ကျွန်ုပ်တို့ထံ ဆက်သွယ်ပါ၊ ကျွန်ုပ်တို့သည် ကျွမ်းကျင်သူပံ့ပိုးမှုကို ပေးပါမည်။ ကျွန်ုပ်တို့၏ ဆက်သွယ်ရန်အသေးစိတ်အချက်အလက်များမှာ- အီးမေးလ် sales@evsrobot.com, သတင်းစကား WhatsApp / WeChat +86 193 8162 6253, တင်ပြပါ contact formသို့မဟုတ် ထုတ်ကုန်စာမျက်နှာသို့ ဝင်ရောက်ကြည့်ရှုပါ evsint.com/embodied-ai-solutions.
နောက်ဆုံးပြုပြင်မွမ်းမံခြင်း - မေလ ၁၃ ရက်၊ ၂၀၂၁