掃一掃，立刻溝通
在汽車制造、工程機械等行業持續走向“小批量、多品種”的柔性化生產趨勢下，產線對自動化程度與靈活性的要求顯著提升，自動上下料等關鍵環節對視覺識別能力、路徑規劃算法和快速換型能力提出更高要求。
無序抓取為何“難落地”？
在工業現場，物料通常以堆疊、混放、遮擋、反光等狀態存在，無序抓取通常面臨四大“落地難題”。
1.抓不準，也抓不穩
工件堆疊無序、遮擋嚴重增加識別難度，路徑規劃缺乏避障機制，易出現誤抓、漏抓，影響節拍穩定性和清框效率。
2.抓不全，還抓不快
柔性工件、非規則結構、動態堆疊形態工件識別困難，節拍控制不穩，效率難以保障。
3.切換慢，又難維護
產品種類頻繁更替，每次換型需反復調參、重建工具鏈，工程部署復雜，維護成本高。
4.AI門檻高，難落地
模型訓練、數據標注依賴專家，客戶難以自主運維，系統復制難、交付周期長。
凌云光打造全新升級3D無序抓取方案，通過抓取精度突破、路徑規劃進化、AI訓練平臺升級，實現小于0.5mm抓取精度，穩定應對多目標、堆疊、遮擋等復雜場景，節拍穩定，在高反光、油污等惡劣環境中穩定運行，在汽車門、沖焊件、發動機總成、零部件等多個復雜抓取場景成功應用，幫助客戶實現從“能抓”到“看得清、抓得穩、換得快、訓得易”躍遷，助力柔性化產線智造升級。
依托自研VisionWare視覺算法平臺，融合AI與點云匹配算法（如PPF、ICP），在精度、速度與環境適應性方面實現顯著提升，有效支撐多品類柔性上料、多目標動態抓取等需求場景。
高精度識別與空間定位
復雜工況適應性強
一套模型，識別多類物體
▲多目標匹配效果
具有六軸機械手初始位姿到目標位姿的無碰撞可行路徑計算功能，確保機械臂本體、執行器與障礙物、實時點云之間不會出現碰撞，確保在堆疊混放等復雜環境中穩定運行。
多姿態自適應
自動判斷最優夾持姿態與路徑，支持多抓取點位輸入，自動規劃出一條最優抓取路線。
動態避障路徑
根據工況實時規劃，規避工裝、物料遮擋，對于深框場景，可自動規劃出最優無碰撞的抓取路線，規劃成功率可達100%。
抓取容錯機制
異常信號觸發防撞邏輯，保護設備與物料，提升系統長期運行穩定性。
一站式AI訓練平臺，打通從STL模型導入到模型部署的完整流程，實現AI從“難用”到“易用”的轉變。
采用仿真訓練無需現場采圖和人工標注，5分鐘配置 + 5小時訓練部署，交付效率提升3倍
自動生成COCO數據集，內嵌增強/預處理/標注流程
兼容人工標注與仿真數據，支持不同客戶能力與數據環境，適配多場景訓練
▲仿真訓練
?
某新能源汽車電動總成整線
抓取對象：高反光金屬件、暗色塑料件等
工況特點：堆疊無序、材質反光、物體混放、有油污或異物
生產要求：節拍≤2s，支持10種部件快速切換
客戶反饋：
“產品堆得亂七八糟的，系統居然都能抓干凈，一點不剩。”
“每天的生產計劃都變，這套系統能跟著產品快速切線，太省心了。”
“我們是奔著全自動化去的，系統穩定運行一年多了，沒有掉過鏈子。”
