人工智能驱动的解决方案无疑是通向未来的道路，因为用户不需要设计、调试或测试任何东西。智能系统可以减轻集成商复杂的3D相关计算和任务的负担。
 
      然而，他们应该具备一些基本的机械知识，包括不同类型的夹持器如何工作，哪些夹持器适合拾取特定零件，以及如何分配应用程序中部署的所有机械组件，以防止机器人操作或扫描失败。

 
机器人可以完成全部工作
 
      Photoneo3D视觉扫描装满箱子的整个托盘，并将扫描传输到3D纹理数据集。然后，该扫描由Photoneo的机器学习算法处理，该算法在5000多种盒子上进行训练。AI立即识别每个盒子并向机器人发送命令。使用专门开发的通用夹持器，机器人执行拾取动作的精度为+-3 mm。这样，它可以在一小时内卸下1000箱货物，准确率为99.7%。
 
      如果尽管进行了所有计算，但由于表面起皱或其他障碍物，夹钳未能拾取箱子，夹钳将发送反馈并通知用户问题，以便执行纠正措施。循环时间通常小于10秒，这取决于机器人类型、盒子表面及其内容物等。