Robotik und Knstliche Intelligenz markieren den Beginn einer neuen ra in der Reinigung von Kernabfllen.
Am Kernkraftwerk Oldbury im Vereinigten Königreich werden Robotiksysteme mit künstlicher Intelligenz getestet, um radioaktive Abfälle sicherer und effizienter zu transportieren und zu entsorgen. Das vom Nuclear Decommissioning Authority mit rund 12 Millionen US-Dollar finanzierte Projekt nutzt ferngesteuerte Arme mit haptischem Feedback sowie das Auto-SAS-System zur automatischen Abfallklassifizierung, um die Risiken für Mitarbeiter zu minimieren und die Entsorgungskosten zu senken.
Kurzfassung
Warum das wichtig ist
- Am Kernkraftwerk Oldbury im Vereinigten Königreich werden Robotiksysteme mit künstlicher Intelligenz getestet, um radioaktive Abfälle sicherer und effizienter zu transportieren und zu entsorgen.
- Das vom Nuclear Decommissioning Authority mit rund 12 Millionen US-Dollar finanzierte Projekt nutzt ferngesteuerte Arme mit haptischem Feedback sowie das Auto-SAS-System zur automatischen Abfallklassifizierung, um die Risiken für Mitarbeiter zu minimieren und die Entsorgungskosten zu senken.
- Neue ra im Management alter nuklearer Abflle Am Kernkraftwerk Oldbury im Vereinigten Knigreich werden fortschrittliche Robotiktechnologien getestet, um verbleibende radioaktive Abflle aus der Vergangenheit sicher zu transportieren und zu entsorgen.
SvyTech-Check
Redaktionelle Einordnung
Kernpunkt
Am Kernkraftwerk Oldbury im Vereinigten Königreich werden Robotiksysteme mit künstlicher Intelligenz getestet, um radioaktive Abfälle sicherer und effizienter zu transportieren und zu entsorgen.
Warum relevant
Diese (NRS) durchgefhrten Arbeiten zielen darauf ab, die Risiken fr Mitarbeiter bei gefhrlichen Reinigungsoperationen zu minimieren und die Arbeitseffizienz zu steigern.
Einordnung
SvyTech ordnet die Meldung aus interestingengineering.com als Teil des Themenfelds Technologie ein und verweist auf den Originalartikel, damit Leser Fakten, Quelle und Kontext nachvollziehen koennen.
Diese (NRS) durchgefhrten Arbeiten zielen darauf ab, die Risiken fr Mitarbeiter bei gefhrlichen Reinigungsoperationen zu minimieren und die Arbeitseffizienz zu steigern. Im Rahmen des Projekts werden ferngesteuerte robotische Arme und Systeme gemeinsam eingesetzt.
Robotische Arme mit haptischem Feedback Das erste Projekt konzentriert sich auf die sichere Rckgewinnung und Klassifizierung den bestehenden Verfahren mssen Operatoren dicke Schutzkleidung tragen und hinter schweren Strahlenschutzschilden mit langen mechanischen Greifern arbeiten.
Um diese Herausforderung zu bewältigen, steuern Operateure in einem neu entwickelten System robotische Arme, die mit Werkzeugen zur dreidimensionalen Visualisierung und taktiler Rückmeldungstechnologie ausgestattet sind.
Einordnung fuer Autofahrer
Dadurch können Mitarbeiter präzise Aufgaben aus sicherer Distanz unter Nachahmung des physischen Kontakts mit einem Kraftgefühl durchführen. Auto-SAS für autonome Abfallklassifizierung Das zweite Projekt, das Auto-SAS-System, ermöglicht die automatische Identifizierung, Kategorisierung und Trennung komplexer radioaktiver Abfälle.
Quellenprofil
Quelle und redaktionelle Angaben
- Quelle
- interestingengineering.com
- Canonical
- https://svytech.de/artikel/robotik-und-knstliche-intelligenz-markieren-den-beginn-einer-neuen-ra-in-der-reinigung-von
- Quell-URL
- https://interestingengineering.com/ai-robotics/uk-teleoperated-robots-nuclear-waste-cleanup-trials
Aehnliche Inhalte
Verwandte Themen und interne Verlinkung
Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.
Alibaba veröffentlicht das Open-Source-KI-Modell Qwen 3.8 mit 27 Milliarden Parametern
Alibaba Cloud hat das kommerziell nutzbare Open-Source-Modell Qwen 3.8 27B mit 27 Milliarden Parametern unter der Apache 2.0-Lizenz auf Hugging Face veröffentlicht, das dank einer hybriden Architektur und eines erweiterbaren Kontextfensters Tokens sowohl für lokale Installationen als auch für API-Anfragen verfügbar ist. Während der Hersteller behauptet, dass das Modell in Programmieraufgaben und der Analyse visueller Dokumente Leistungen übertrifft, weisen unabhängige Beobachter darauf hin, dass die veröffentlichten Benchmarks noch keiner externen Validierung unterzogen wurden und die standardmäßige höchste Denkebene bei einfachen Aufgaben zu unnötig langen Verarbeitungszeiten führt.
