LG CNS Physicalworks 演示会
7日，在首尔江西区LG科学园举行了一场演示会，展示了投放到产业现场的不同类型机器人如何实现自主协作作业。随着警报声响起，原本在搬运箱子的四足行走机器人开始执行巡逻任务。当机器人爬上楼梯，在巡逻区域来回巡视并检查现场是否存在异常时，LG CNS打造的“Physicalworks”平台实时转播了机器人的视野。原先负责搬运作业的任务则由自主移动机器人（AMR）接手，作业现场没有出现任何中断。
通过 LG CNS 的 Physicalworks Posi 完成训练的双足行走、四足行走、轮式、自主移动机器人（AMR）等四类机器人，以 Physicalworks Baton 为基础在物流现场进行自主协作作业的场景。LG CNS供图
View original image当天，LG CNS基于机器人转型（RX）平台Physicalworks，展示了4种机器人在物流现场实现自主作业的场景。LG CNS相关负责人强调称：“这是通过训练机器人基础模型（RFM），而非远程操控（Teleoperation），来实现机器人自主协作与实时管控的国内首例案例。”
在演示会上，中国类人机器人企业优必选机器人公司的“G1”、美国类人机器人企业Dexmate的“Vega”、LG电子子公司Bear Robotics的物流运输机器人“Kati-100”、中国机器人初创企业Deep Robotics的四足行走机器人“M20”等4种来自不同制造商、外形各异的机器人实现了协同作业。当双足行走机器人G1用手抓住已包装好的物体并放入运输箱后，四足行走机器人M20再将其移交给物流运输专用机器人Kati-100。随后，Kati-100将机身竖直伸长，将箱子搬运到高处的货架上。
在业务流程中，Physicalworks平台通过3个界面进行共享。LG CNS的Physicalworks由“Pozi”和“Baton”两大核心平台构成。Pozi是用于机器人学习和训练的平台，在获取将真实现场和作业以3D虚拟环境实现的仿真数据后，由人工智能自动进行筛选；Baton则是用于机器人综合控制与管制的平台。其核心在于能够在同一体系中运营来自不同制造商、形态各异的机器人。尤其是Agentic AI会实时反映作业进度和设备状态变化，并据此调整作业流程。
Pozi负责汇集机器人在现场执行任务所产生的数据；Baton则在演示场地图上对机器人的实时位置和状态进行控制。同时，它还在仪表盘上展示作业流程，对业务进展情况进行监管。
LG CNS表示，今后将把未来产业现场打造成“动态工厂”。不仅要实现机器人对业务的自动化，还要构建能够对生产环境中出现的各种变量进行实时响应的智能工厂。LG CNS智能物流与城市事业部部长Lee Junho表示：“最大特点在于，我们希望运营一种由机器人自主感知与判断环境并执行任务的自律型物流与制造环境”，并解释称，“正在从业务自动化迈向智能化与自律化。”
为此，LG CNS将自身对生产现场的深刻理解以及信息技术（IT）系统联动能力视为核心竞争力。LG CNS社长Hyun Singyun表示：“机器人转型的关键，与其说在于单个机器人的效能，不如说在于构建符合现场需求的学习、验证和一体化运营体系”，“在与上层系统——企业资源规划（ERP）或制造执行系统（MES）等的接口能力方面，我们拥有独一无二的优势。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
