一套底座,三类工业场景解决方案
以世界模型和强化学习为中心,覆盖自动驾驶、智能巡检与垃圾分拣,从场景诊断、模型训练到真机部署与持续运营。
五步把现场问题变成可运行策略
每一步都有明确输入输出,保障安全、节拍与业务指标可评估。现场诊断
梳理本体形态、物料/道路工况、风险事件、节拍和安全边界。
任务建模
定义感知目标、动作空间、奖励函数、异常兜底与验收指标。
世界模型训练
生成合成场景并批量测试,让策略先在仿真中完成探索。
真机微调
以少量真机数据修正动力学残差、传感偏差与执行延迟。
数据闭环
回传接管和失败样本,持续更新模型库与测试集。
自动驾驶:长尾风险与运动安全
从数据生成到端到端训练,再到车端运动控制,覆盖复杂路口、弱势道路参与者与极限避障。让模型见过足够多的极端场景
基于世界模型批量生成鬼探头、非机动车逆行、事故绕行、无保护左转、雨雪道路等场景,并自动评估规划轨迹与控制稳定性。
- 端到端感知—预测—规划—控制训练链路
- 长尾场景生成与对抗性批量测试
- 车端—云端协同开发与数据回传
- 运动域控制与紧急转向能力
- SIL / HIL / 封闭道路分层验证
智能巡检:四足、轮式与机械臂协同
面向园区、工厂、能源站与施工现场,让机器人完成重复巡检、异常识别和远程协同处置。从定点拍照走向自主判断
将巡检点、仪表读数、人员行为、设备状态与安全事件建模为统一任务,机器人可根据地形和任务优先级自主调整路径。
- 四足 / 轮式 / 机械臂多本体适配
- 非结构化地形路径规划与姿态控制
- 仪表、阀门、缺陷与人员行为识别
- 异常分级、工单联动与远程接管
- 巡检报告自动生成与趋势分析
垃圾分拣:复杂物料的稳定分选
面向混合生活垃圾、装修垃圾与再生资源,解决遮挡、形变、污染和高速来料带来的识别与抓取难题。看得清、抓得住、分得准
结合 RGB-D 感知、材质识别、抓取点预测与传送带节拍控制,机器人可在密集堆叠中稳定完成目标物分离与分类投放。
- 混合物料识别与材质判断
- 遮挡堆叠下的抓取点预测
- 双侧机械臂与传送带协同调度
- 分拣质量、减量率与处理量看板
- 难例样本回传与模型持续迭代