FMC? Robotics公司推出了Doceo系列产品，这是一套数据采集与处理技术集合，旨在帮助工业机器人从真实的人类活动中学习制造任务。
这家总部位于德国的工业具身智能公司表示，该系统旨在解决智能机器人面临的主要挑战之一：获取足够详细的物理世界数据，以训练机器人完成涉及复杂动作、物体操作以及生产条件变化的任务。
FMC?并非完全依赖专门的机器人训练设施或模拟环境，而是希望在工人执行日常工作任务的同时，直接从工厂运营中采集数据。
由此获得的信息随后可用于通过该公司的工业具身智能体平台来训练、测试和完善机器人能力。
Doceo系统的四大组成部分
Doceo系列由四项相互关联的技术组成，涵盖数据采集、处理、训练基础设施以及机器人集成。
Doceo RealCap使用智能摄像头头戴设备、外部摄像头以及可选的触觉感应手套，在工人执行工业任务时采集视觉、深度、动作和触觉信息。
Doceo Hub负责同步这些数据流，整合多重视角，并提供用于记录、回放、标注和数据管理的工具。
Doceo Cloud旨在支持数据摄取、自动标注、整理、模型训练、仿真和测试。该系统借助了Vector Informatik公司的数据基础设施和云技术。
Doceo Driver将由此形成的机器人能力连接到不同的机器人平台和控制系统。
这些组件共同构成了FMC?所称的工业学习闭环，将现实世界的任务演示与AI模型开发、验证以及后续的机器人操作连接起来。
FMC? Robotics欧洲区总裁约阿希姆·费策尔博士表示：“真正短缺的并非数据本身，而是合格的物理世界数据，这些数据需要反映出某项任务在特定环境中的实际执行方式：动作、物理交互、流程顺序、质量结果，以及其中的错误和纠正过程。”
在工厂中测试该技术
FMC?还在推进两个工业概念验证项目，旨在评估其方法在制造条件下的表现。
在一家消费电子工厂中，该公司正在测试一款轮式机器人，它能够拾取料箱，将其运送至工厂各处，并放置到生产线上指定的位置。
其挑战在于，要在不对现有工厂布局进行大规模改造的情况下，处理不同尺寸的容器并服务于多个工作站。
第二个项目在一家电池电芯生产设施中进行，重点是处理电极片。
该机器人正在被开发用于拾取电极片，将其转移到托盘上，并在现有的制造流程中进行精确定位。
这两个项目目前仍处于概念验证阶段，其性能衡量指标包括循环时间、定位精度和持续运行时间。
构建更广泛的工业数据基础设施
FMC?还在与Vector Informatik和PEM Motion合作，计划在德国成立一家合资企业，以建立面向工业具身智能的标准化数据基础设施。
这项拟议中的合作将把FMC?的机器人技术和数据采集技术，与PEM Motion的生产工程专业知识以及Vector Informatik的数据管理、通信和云技术结合起来。
其目标是使工业训练数据在不同工厂和机器人应用之间更加一致、可追溯和可复用。
FMC?的最终目标是让机器人能够通过实际生产运营中的反馈来提升自身能力，从而在制造任务发生变化时，减少所需的工程开发和再训练工作量。
目前，该公司的工厂试验将有助于确定其数据采集和学习技术能够多有效地将人类制造经验转化为可靠的机器人操作。