i卡會員

倉儲物流的分揀任務難以自動化的主要原因是分揀物品的種類繁多，而且必須應付多變無序的應用場景。 新創公司Covariant.ai 發展的AI平台應用於機械手臂具有極高的自主性，分揀物品的成功率達到 99%，已經跨越真實世界的應用門檻達到新的里程碑。 本文分上/下兩篇，探討 Covariant.ai 的發展策略以及對於AI機器手臂未來發展的重要意義。

【內容大綱】

• 五、AI演算法
  • (一)  強化學習 (續)
  • (二)  模仿學習
  • (三)  小樣本學習與元學習
• 六、 Covariant 案例的意義
  • (一)  分揀機器手臂的應用擴散
  • (二)  AI演算法於機器手臂的發展潛力
  • (三)  發展共通AI平台對應各式硬體的可行性與必要性
  • (四)  Covariant的商業模式對於台灣的啟發
  • (五)  競爭態勢改變與策略調整的重要指標
• IEKView

【圖表大綱】

• 圖5、強化學習應用於手指操作
• 圖6、深度強化學習打造的ANYmal