{{{sourceTextContent.title}}}

Procter- & Gamblepartner mit Äther auf Drucken 3D und künstlicher Intelligenz

{{{sourceTextContent.subTitle}}}

Äther, die San Francisco-Biotechnologiefirma hinter dem Multiwerkzeug Äther 1 bioprinter 3D, kündigte den Anfang einer zweijährigen Vereinbarung der gemeinsamen Entwicklung mit Procter & Gamble für die Entwicklung des innovativen Druckens 3D und DER AI-Technologien an.

{{{sourceTextContent.description}}}

Äther 1 wird als Technologieschaffungsplattform verwendet, um eine Reihe Hardware- und Software-Fähigkeiten zu entwickeln, die, um Produktforschungsanwendungen für P&G zu automatisieren und zu verbessern, entworfen sind sowie einen zukünftigen Drucker des Äthers 3D zu entwickeln.

„Äther arbeitet mit P&G, um Drucken 3D vollständig neu zu definieren. Er wird nicht mehr gerade über das Niederlegen eines Materials sein, oder zwei in einem spezifischen Muster,“ sagte Äther CEO und Gründer Ryan Franks. „Wir bauen etwas eher wie einen intelligenten Roboterhandwerker auf, fähig, in hohem Grade komplexe Aufgaben mit vielen verschiedenen Werkzeugen durchzuführen, sichtlich seine Arbeit während des Herstellungsprozesses auszuwerten und zu korrigieren, und ständig zu lernen, wie man verbessert. “ Entwicklung umfasst die Schaffung eines Verbundnetzes des maschinellen Sehens und DER AI-Algorithmen, um Multiwerkzeug- und Multimaterial3d Druckautomatisierung zu erhöhen sowie errichtet eine erweiterte Reihe von den Eigenschaften, die entworfen sind, um die Möglichkeiten für das Feld des Druckens 3D zu erweitern. Eine Reihe leistungsstarke Kameras wird mit kundenspezifischer Hardware zusammengepaßt, um neuen Robotikfähigkeiten auf einem Drucker 3D zu ermöglichen. Diese schließen Realzeitin-situdruckkontrolle mit dynamischer intelligenter Antwort für Parameteranpassung und -Fehlerkorrektur, automatische Leistung von nachbearbeitenden Behandlungen, Objekterkennung und Manipulation, Automatisierung von hybriden Herstellungsverfahren des Multiwerkzeugs ein.

Äther entwickelt zusätzliche Software, um Bildverarbeitung für P&G mit dem Ziel der Lieferung einer erheblichen Zunahme der Geschwindigkeit über Methoden der manuellen Bearbeitung zu automatisieren. Tiefe Lerntechniken werden verwendet, um mehrfache neurale Netze wie neurale Gewindenetze, tiefe Restnetze, generative Fragennetze oder andere generative neurale Netze auszubilden, um Hochgenauigkeit automatisches 2D zur Umwandlung der Datei 3D für P&G-Forscher zu erzielen.