Solomon 將在 2024 年台北自動化展上展示視覺開發平台
國內 AI 視覺領導公司所羅門自今年三月在 NVIDIA 的 GTC 上亮相以來，備受矚目。雖然大家關注主要聚焦在所羅門的機器人應用上，但所羅門公司在過去十年中不斷深化其 AI 視覺研發能力，已擴展其產品範圍至機器人應用之外。在今年的自動化展覽中，所羅門將展示各種視覺應用，從機器人 3D 視覺、AI 缺陷檢測到整合 AI 和 AR 技術的增強智能解決方案。這些展示類似於所羅門成功為豐田、戴爾、應用材料、西門子，香奈兒、3M 和愛爾康等頂級國際企業實施落地的方案。
特別值得關注的是，所羅門不僅將這些視覺應用作為獨立產品提供，更重要的是提供了一個完整的AI視覺應用開發平台，讓客戶能夠針對自己所需的場景迅速開發客製化解決方案。所羅門董事長解釋說：“在與數百家國內外客戶討論過程中，我們了解到，在客戶現場部署 AI 時，開發客製化 AI 應用所需的時間和資源通常遠比客戶預期的多，很多時候效果不佳導致無法落地。所羅門的AI視覺開發平台已整合並優化許多不同的 AI 算法，使 AI 能夠適用於多元化的視覺應用，先進的算法讓用戶使用較少量的圖像樣本學習即可以訓練出高辨識率的 AI 模型。此外，該平台還整合不同的機器人品牌、PLC、2D 和 3D 相機、攝影機，AMR，甚至無人機等硬體。使用者可以利用這些軟硬體整合功能快速定制其任務，無需編寫程式語言，就好比使用樂高構建積木模型一樣容易。”
今年的自動化展覽將展示所羅門在 AR、AI 和多種機器人系統的先進視覺整合。今年的其中一大亮點是透過 ChatGPT 下指令給機器人，讓機器人或自走車(AMR)自主移動至不同場景巡邏檢查，例如就算十公尺以外的物件如工業表頭的指針數據都可立即辨識，可協助降低人員走動時間並提高巡檢準確性。所羅門還將展示一項創新技術，該技術整合 AI 和 AR，運用 AR 導引作業員在裝配任務中操作，再由 AI 即時確認作業員的操作正確。陳政隆指出：“在許多前線作業中，人的雙手靈巧性目前仍然遠優於機器人，所以並非所有事情都用自動化解決才最有效率。然而，人類可能會犯錯，導致工安問題或工廠生產力下降。透過 AI 和 AR 的整合技術，現在可以將作業人員錯誤降至最低及效率提升” 陳政隆同時表示, “這項技術需與無線電信業者和硬體廠商整合，所以我們很高興能與我們許多生態系的夥伴如中華電信，及安提、Axis、日本愛普生、佐臻、慧友一起合作，將各種須將 AI 客製化的應用場景快速落地.” 據瞭解，所羅門 AR+AI 技術已成功運用於石化廠，汽車零件廠，連鎖零售店，國外捷運，國際機場等多類不同領域上。此外，也藉由與科勝的合作，將所羅門 AR＋AI 的技術與施奈德 Wonderware SCADA 工業監控系統整合並透過NVIDIA數位攣生平台Omniverse展現。
機器人應用
藉由與NVIDIA在機器人領域的合作，所羅門在這次自動化展將展示一款智能運動規劃軟體，可以根據用戶在 3D CAD 檔上面指定機器人需到達的點位和姿勢，既能夠即時算出幾百條機器人可能行走路徑中的最佳路徑，並且避開機器人到達不了的『奇異點 singularity』，傳統上，工程師需要耗費許多時間使用繁瑣的機器人教導器來編程機器人的路徑。另外，於廣運的攤位裡，所羅門與廣運將合作重現今年電腦展NVIDIA執行長黃仁勳演講中用 Omniverse 所呈現的手臂搭配 3D 視覺使用的物流應用。同時在將在全球協作機器人領導品牌 Universal Robots 攤位中展現所羅門 3D 視覺結合NVIDIA Isaac的應用。除此之外，所羅門也將展示全球第一套讓多隻手臂同時在雜亂的料籃中取料，又能避免手臂碰撞的 3D AI 視覺技術，以提升物流及倉儲取件效率五成以上。此外，所羅門亦將推展一款實惠的焊接機器人解決方案，協助解決國內當下技術焊工短缺的問題。
AI 瑕疵檢測
除了上述產品外，所羅門Solvision AI瑕疵檢測產品已成功落地在許多半導體、EMS、汽車、隱形眼鏡，農業和醫療器材等行業。針對瑕疵樣本稀少的應用行業如半導體，所羅門近期開發了以生成式 AI 『模擬仿真』瑕疵的功能，以確保有足夠的多樣性樣本用於建立高識別率 AI 模型，同時也還包含了傳統 AOI 功能更方便精確的定位和量測瑕疵大小。Solvision 瑕疵檢測功能亦可以輕鬆搭配機械手臂用於檢測非平面的大型物件，例如馬達或伺服器，僅需設定機器手臂需拍照檢驗的瑕疵 3D 位置，即可快速算出並執行最佳手臂檢測路徑。
快速人工智慧，隨時部署
這些展示突顯所羅門如何應用這套 AI 視覺開發平台讓使用者快速開發既多元，又容易客製化的AI應用。陳政隆說：“許多企業或許認為AI 自動化項目落地很簡單，但到最後常發現軟體優化，硬體整合，及收集資料所需投入的資源相當大。然而，為了喝牛奶而養牛是沒有必要的。我們的平台透過長年實際場域的累積已將許多複雜的軟硬體整合優化，大幅簡化了這一過程，使得部署及落地客製化 AI 視覺應用比以往更快更加可行。”