När det gäller gruvmaskiner är den svåraste tekniken att bryta igenom "obemannad fullständig-minsamverkan" inom intelligenta system. Kärnutmaningen ligger i att uppnå autonomt samarbete mellan flera enheter och att förverkliga en sluten-beslutsprocess-för komplexa miljöer.
Analys av tekniska utmaningar
Svårigheter med att integrera heterogena system för flera-källor: Gruvutrustning kommer från olika tillverkare, med inkonsekventa kommunikationsprotokoll och kontrollgränssnitt, vilket gör-samarbetsschemaläggning i realtid av grävmaskiner, gruvlastbilar, krossstationer och annan-varumärkesutrustning extremt komplex.
Begränsad uppfattning i extrema miljöer: Hårda arbetsförhållanden i underjordiska eller-dagbrott (som damm, höga temperaturer och vibrationer) påverkar allvarligt noggrannheten hos sensorer som lidar och kameror, vilket leder till förvrängd miljömodellering och påverkar säker drift av obemannade system.
Extremt höga tillförlitlighetskrav för AI-beslut-: Felbedömningar (som felaktig vägplanering eller misslyckanden med att undvika hinder) kan leda till stora säkerhetsolyckor. För närvarande saknar AI-algoritmer fortfarande tillräcklig generaliseringsförmåga i "lång-svansscenarier" (sällsynta men farliga situationer).
Problemet med datasilos är framträdande: data från produktions-, säkerhets-, drift- och underhållssystem är utspridda, vilket gör det svårt att bygga en enhetlig digital grund och begränsar de övergripande optimeringsmöjligheterna för intelligenta system.
