Volume 2,Issue 9
基于 Transform 模型及图像识别技术的运输机器人设计优化研究
本文针对物流行业劳动力成本上升与智能化需求，设计了一款以Transformer模型与图像识别技术的运输机器人系统。该系统采用Jetson Nano与STM32双主控架构，融合YOLOv8目标检测算法与A*路径规划算法，实现复杂环境下的物料精准识别、动态路径优化及机械臂协同抓取。测试表明，系统在目标检测准确率大幅提升，路径规划耗时较传统算法显著缩短，有效提升物流自动化效率。研究提出的多传感器融合、轻量化模型优化等改进方向，为后续技术迭代提供参考。
[1] 包秀娟,周璐.基于Jetson NANO的机器人智能码垛系统[J].自动化与仪表,2025,40(01):64-67+71.
[2] 张浩杰,张玉东,梁荣敏,等.改进A*算法的机器人能耗最优路径规划方法[J].系统工程与电子技术,2023,45(02):513-520.
[3] 温永兴,王利强,刘洪钢.软体机器人驱动技术研究现状综述[J].机器人技术与应用,2025,(01):7-11.
[4] 唐音元,赵子巍,蔡双,等.运矿机器人在罐笼提升运输系统的应用[J].采矿技术,2025,25(02):215-218.
[5] 袁兴有.基于地下运输机器人的运动参数设计[J].汽车与驾驶维修(维修版),2025,(01):32-34.
[6] 杨德山.消防爬楼运输机器人研究与设计[J].现代制造技术与装备,2024,60(12):84-86.
[7] 李建超,王学军,孙长勇,等.智能药品运输机器人设计[J].现代信息科技,2024,8(23):194-198.
[8] 袁兴有.基于地下运输机器人移动机构履带及翼板的设计[J].汽车与驾驶维修(维修版),2024,(12):59-61+68.
[9] 徐金义.煤矿辅助运输转载机器人设计研究[J].机械管理开发,2024,39(10):127-129.
[10] 梁红磊,杨智,操雷.煤矿运输系统智能巡检机器人系统研究[J].煤炭工程,2024,56(09):220-224.