Fale connosco

TO ORDER

<10 msLatência de controlo no edge
VLAModelos de base afinados
RGB-D · LiDARPerceção multimodal
Edge + CloudArquitetura híbrida

Capacidades

A camada de inteligência

A mesma stack de IA alimenta todas as áreas da POLCERO. O hardware do robô pode ser o seu ou do nosso catálogo - nós fornecemos o cérebro.

CAPACIDADE

Afinação de modelos VLA

Modelos de base, adaptados à sua tarefa

Modelos VLA abertos (GR00T N1.7, π0, OpenVLA) afinados com dados do cliente. Uma camada de abstração permite-nos trocar os modelos de base sem voltar a treinar a inteligência da sua tarefa.

CAPACIDADE

Visão e perceção

Compreensão da cena em tempo real

Deteção de classe YOLO para reconhecimento de objetos em tempo real, câmaras de profundidade (RGB-D), LiDAR, imagem multiespectral e térmica, além de um VLM para compreensão de cena e linguagem.

CAPACIDADE

Arquitetura edge + cloud

Controlo em menos de 10 ms, aprendizagem à escala da cloud

Inferência no edge a bordo para controlo em menos de 10 ms. Cloud para atualizações de treino, análise e gestão de frotas. Um ciclo virtuoso de dados melhora continuamente o desempenho.

CAPACIDADE

Controlo clássico onde é suficiente

IA apenas onde faz sentido

Controladores PID para tarefas simples e repetitivas de preensão e corte - menor custo, maior fiabilidade. Reservamos a IA para decisões complexas de perceção e compreensão da cena.

CAPACIDADE

Gestão de frotas

Coordenar muitos robôs como um só sistema

Supervisão central de uma frota mista de robôs: atribuição de tarefas, telemetria, distribuição de modelos e relatórios de produtividade a partir de uma única camada de controlo.

Como colaboramos

Dos dados do processo a um cérebro em funcionamento

Acrescentamos inteligência ao seu hardware ou ao nosso em quatro passos.

  1. 01

    Dados e definição do âmbito

    Mapeamos a tarefa, recolhemos ou simulamos dados do processo e definimos os requisitos de perceção e controlo.

  2. 02

    Seleção e afinação de modelos

    Escolhemos os modelos VLA / de visão adequados (ou controlo clássico) e afinamo-los com os seus dados por trás de uma camada de abstração estável.

  3. 03

    Integração e implementação no edge

    Integramos o cérebro com o robô, implementamos a inferência no edge para controlo de baixa latência e validamos face aos critérios de aceitação.

  4. 04

    Operação de frota e ciclo virtuoso de dados

    A análise na cloud, as atualizações de modelos e a gestão de frotas continuam a melhorar o desempenho após a entrada em funcionamento.