---
title: "Сортиране от контейнери: Истинско предизвикателство за роботите | Siemens"
description: "Изобретателят на Siemens Инес Угалде Диас революционизира сортирането от контейнери от роботи с гъвкаво решение за ИИ захващане, подобрявайки роботизираната манипулация в индустриите."
language: "bg-BG"
locale: "bg-BG"
source_url: "https://www.siemens.com/bg-bg/company/innovation/inventors/robotic-picking-system-method/"
url: "https://www.siemens.com/bg-bg/company/innovation/inventors/robotic-picking-system-method/"
canonical: "https://www.siemens.com/bg-bg/company/innovation/inventors/robotic-picking-system-method/"
image: "https://images.sw.cdn.siemens.com/siemens-disw-assets/public/3H8pPjhLh6w2dNoOgM2Ra7/en-US/c3ecfc23-353d-43d9-a02e-95237a310d48%20-%20041-IoY-Ines-Ugalde-Newcomer-0686_original.jpg?auto=format%2Ccompress&amp;w=1200&amp;h=630&amp;fit=crop&amp;crop=faces%2Cedges&amp;q=60"
type: "website"
content_category: "about"
division: "CM"
schema_type: "WebPage"
site_name: "Siemens"
fetched_at: "2026-11-17T04:32:32.638Z"
word_count: 818
reading_time_minutes: 3
links_count: 6
images_count: 6
status_code: 200
twitter_card: "summary_large_image"
---

## Structured Data (JSON-LD)

```json
{
  "@context": "https://schema.org",
  "@type": "WebPage",
  "name": "Сортиране от контейнери: Истинско предизвикателство за роботите",
  "url": "https://www.siemens.com/bg-bg/company/innovation/inventors/robotic-picking-system-method/",
  "breadcrumb": {
    "@type": "BreadcrumbList",
    "itemListElement": [
      {
        "@type": "ListItem",
        "position": 1,
        "item": {
          "name": "",
          "@id": "https://www.siemens.com/bg-bg/"
        }
      },
      {
        "@type": "ListItem",
        "position": 2,
        "item": {
          "name": "Фирма",
          "@id": "https://www.siemens.com/bg-bg/company/"
        }
      },
      {
        "@type": "ListItem",
        "position": 3,
        "item": {
          "name": "Иновации",
          "@id": "https://www.siemens.com/bg-bg/company/innovation/"
        }
      },
      {
        "@type": "ListItem",
        "position": 4,
        "item": {
          "name": "Изобретатели на годината",
          "@id": "https://www.siemens.com/bg-bg/company/innovation/inventors/"
        }
      },
      {
        "@type": "ListItem",
        "position": 5,
        "item": {
          "name": "Сортиране от контейнери: Истинско предизвикателство",
          "@id": "https://www.siemens.com/bg-bg/company/innovation/inventors/robotic-picking-system-method/"
        }
      }
    ]
  },
  "producer": {
    "@type": "Organization",
    "name": "Siemens"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Siemens"
  },
  "maintainer": {
    "@type": "Organization",
    "name": "Siemens",
    "department": [
      {
        "@type": "Organization",
        "name": "CM"
      }
    ]
  }
}
```

Сортиране от контейнери: Истинско предизвикателство за роботите | Siemens

![](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/3H8pPjhLh6w2dNoOgM2Ra7/en-US/c3ecfc23-353d-43d9-a02e-95237a310d48%20-%20041-IoY-Ines-Ugalde-Newcomer-0686_original.jpg?auto=format%2Ccompress&w=2560&h=1440&fit=crop&crop=faces%2Cedges&q=60)

# Сортиране от контейнери: Истинско предизвикателство за роботите

Инес Угалде Диас | Изобретатели на годината на Siemens | Новодошлите

Има задачи, които са лесни за хората, но наистина трудни за роботите, а сортирането от контейнери е една от тези задачи. Например роботите трябва да могат да вземат една част от контейнера с несортирана, хаотично подредена купчина от отделни части като купчина пакети.

Инес Угалде Диас и нейният екип в Бъркли (САЩ) разработват системи за управление на роботи повече от шест години и досега са направили над 40 изобретения. Инес бе отличена като изобретател на годината 2024 в категорията за новодошлите за решение за сортиране от контейнери, което може да бъде гъвкаво модифицирано за различни инструменти за захващане от роботи. Това конкретно изобретение е избрано, защото служи като основа за следващото поколение на Siemens SIMATIC Robot Pick AI. Pick AI е представен на множество търговски изложения, включително тазгодишния панаир в Хановер в Германия през пролетта на 2024 г.

## Хващане чрез вакуум

![Човек стои пред бяла дъска, покрита с диаграми и ръкописни бележки, свързани с разпознаването и класирането на 3D обекти.](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/6RsTEHaZxkxutUsavadp7p/en-US/4413a9be-889e-4284-8d7a-8271cd251ee6%20-%20055-IoY-Ines-Ugalde-Newcomer-0817_original.jpg?auto=format%2Ccompress&w=1280&h=720&fit=crop&crop=faces%2Cedges&q=60)

Много роботи захващат предмети, чрез създаване на вакуум. В края на ръката - това, което се нарича „end effector“ (краен инструмент) - роботите използват една или повече вендузи, за да упражняват вакуум върху обекта, който трябва да бъде захванат. За да направите това, вендузите трябва да попаднат на оптимална, плоска, гладка и непореста повърхност. Има много варианти на вендузи в различни размери и форми, с правоъгълна или квадратна основа и с една или повече вендузи.

„Нашето ново изобретение улеснява използването на смукателни захващачи с различни размери и подреждане. От клиента зависи да реши какво иска“, казва Инес. „Това всъщност е много уникален аспект на нашия продукт, който ни отличава от всички конкуренти“.

## Да виждаш през хаоса

В хаоса на контейнера отделните части лежат една върху друга в случайни пространствени ориентации. Роботът първо трябва да разпознае структурата в този хаос: Той трябва да идентифицира къде започва и къде завършва дадена част и да разбере как е позиционирана, за да намери място, където да получи добро сцепление. Необходимите данни - текущият изглед на кутията - се предоставят от 3D камера. Алгоритмите за изкуствен интелект, които са обучени да диференцират отделните обекти в тези изображения, поставят основата за управление на ръката на робота.

## Подобряване на стандартен софтуер

Награденото изобретение се основава на разбирането на сцената, по-специално разграничавайки контейнера и отделните обекти. Това обикновено се нарича „сегментиране на екземпляри“, стандартен проблем в машинното обучение и компютърното зрение. Вече има много предварително обучени модели за тази задача, които са се възползвали от обучението по милиони примери. Те са добри, но са твърде общи и правят грешки в сценариите за избор на двойки. Инес и нейната група подобриха ефективността на тези стандартни решения до задоволителни нива, като им дадоха допълнително обучение за специфични набори от данни: например данни от реалния свят от съществуващи роботизирани клетки на Pick AI.

![Човек работи на бюро с два компютърни монитора, показващи код и роботизирана ръка, видима на преден план.](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/4q1kriKDvTbjVVO74ovUwY/en-US/036-IoY-Ines-Ugalde-Newcomer-0349_original.jpg?auto=format%2Ccompress&w=1280&h=720&fit=crop&crop=faces%2Cedges&q=60)

## Споделяне на данни за по-добро представяне

![Ръка сочи към екрана на компютъра, показващ цветно дигитално изображение със зелена отметка, показваща успешна обработка.](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/51IZWoiJfzqxTyDO0jkzoY/en-US/026-IoY-Ines-Ugalde-Newcomer-0253_original.jpg?auto=format%2Ccompress&w=1280&h=720&fit=crop&crop=faces%2Cedges&q=60)

„Нашето решение е предназначено да работи на всеки клиентски сайт, защото го обучихме върху огромни набори от данни както от синтетични, така и от реални източници“, казва Инес. „Справя се наистина добре върху кутии, бутилки и торбички, а също и ако частта е обвита в пластмасово фолио. По принцип клиентите не трябва да виждат никаква оперативна деградация, но ако го направят, те могат да позволят на моделите да се учат от своите неуспехи. Това е част от нашата стратегия за продукта. Подготвяме се да поглъщаме мащабни набори от данни от флоти от роботи в облака на Siemens, който има способността да използва случай на неуспех, за да направи нашия продукт по-добър - не само за един клиент, но и за всички клиенти, които са съгласни за споделяне на данни“. Подобренията водят не само до повишаване на производителността, но и до разкриване на нови случаи на употреба. „Показахме, че с минимални усилия можем да модифицираме софтуера, за да поемем напълно нови случаи на употреба, включително роботизирано депалетизиране“, обяснява Инес. Pick AI е в основата на новоразгърната роботизирана клетка за депалетизиране в един от производствените складове на Siemens в Ерланген, Германия. Благодарение на данните екипът пресича границите на роботизираната манипулация.

 

## Свързано съдържание

[

![Трима мъже в черни тениски с лого „3D“ и графично изображение „Machine Tool Robot“ стоят до голям бял индустриален робот на Siemens.](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/7lHbVA9e0rMp3rcvvk0wMO/en-US/edce9854-dc56-48d5-be5c-8927e4d8d318%20-%20IoY-Team-Roboter-feature-640x360.jpg?auto=format%2Ccompress&w=640&h=360&fit=crop&crop=faces%2Cedges&q=60)

### От изобретение до въздействие: Изобретатели на годината 2025

Изобретателите на годината 2025 на Siemens правят индустриите по-интелигентни и по-ефективни, а пътуването по-устойчиво. И подобряват здравеопазването.

](/bg-bg/company/innovation/inventors/)

[

![Ян Бюхшюц и двама негови съоснователи на RIIICO.](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/6BtM3DMxPgAn57q2TtyDel/en-US/e9cc585d-234a-489b-aba0-15504b5b23d7%20-%20IoY-OpenInnovation-Riico-064_original.jpg?auto=format%2Ccompress&w=640&h=360&fit=crop&crop=faces%2Cedges&q=60)

### Industrial Metaverse в дизайна на заводи

С помощта на ИИ триизмерни модели на промишлени предприятия могат да се създават автоматично и бързо.

](/bg-bg/company/innovation/inventors/riiico-3d-industrial-plant-models/)