当下制造业普遍呈现产品品类多、规格多、换产频繁等特点，典型场景如搬运和上下料下，工件多为散乱堆叠状态只能采用人工方式处理。“招工难”和“用工贵”困境，使得“机器换人”成为企业的必然选择，随之而来的技术问题则成为制约企业发展的瓶颈。

本中心以提高制造装备的智能化水平为目标，致力于解决上下料等典型应用场景下工件散乱堆叠的识别、引导与抓取等共性问题。团队利用3D立体视觉技术的感知、辨识与位姿估计能力与机器人的运动规划能力进行结合，开发应对非结构场景的机器人智能上下料作业系统。

团队核心人员来自于上海交通大学，80%以上研发人员具备硕士和博士学历。技术负责人来自上海交通大学机器人研究所，团队多年来深入机器人3D立体视觉领域的理论与应用研发，对机器人三维智能感知与自主操作技术财产化具有丰富的工程经验。

研发方向：

本中心聚焦机器人与作业环境的自然交互、自主适应复杂动态环境并协同作业，探索散乱堆叠零件三维智能感知与自主操作的深度学习方法与关键技术，着力解决动态非结构化环境感知与机器人自主操作。

技术特点：

分别提出了基于RGBD与深度信息融合的低纹理工业零件位姿估计、基于三维传感的点云输入的散乱堆叠数据语义实例分割与位姿估计。

利用深度学习在图像领域的细粒化分割表现且结合深度特征，实现低分辨率成像条件下高度可靠的工业零件位姿估计，有效算法降低对硬件性能的要求，增强整体抓取系统的稳定性和性价比。利用点云数据，实现复杂堆叠态下的工业零件的点云语义与实例分割，增强了整体系统对不同环境和工业零件的适应能力。

本中心研发的智能工业3D机器人引导技术，建立了完善了AI+3D+工业机器人解决方案，提升了面对复杂环境的处理能力，其算法的高效性和泛化性提升了整体方案的性价比，同时拓展了该技术的应用领域。