Recognition Robotics已應一家大型汽車OEM需求, 根據之前產品開發出更小, 更具成本效益的機器人導引系統. 根據Vision Systems Design報導, Recognition Robotics在2012年推出Robeye機器人導引方案. 該系統使用連接到機器手臂的工業相機來捕捉零件影像, 以引導機器人零件的正確位置, 並有獨立的工業電腦來處理映像及與機器人控制器通訊. 最近, 有家汽車客戶需要佔地面積更小, 成本更低, 設置和操作更簡單的系統. Recognition Robotics於是與淩華科技合作開發Robeye的改進版Robeye All-In-One(RAIO), 為用於從架上取下車身面板, 並將其放置在車輛上的機器手臂提供視覺導引. RAIO搭載淩華NEON-1020智能相機. 該相機採用ams Sensors Belgium(CMOSIS)的200萬畫素CMV2000 CMOS映像感測器, 畫素尺寸可達5.5微米, 幀率達120 fps. 淩華工業智能相機搭載英特爾(Intel)Atom 4核心處理器E3845 1.91GHz, 1個FPGA協處理器, 支援Windows或Linux作業系統. 淩華表示, 這種架構減少了Robeye產品的佔地面積, 並提供IP67等級的自含視覺識別和導引系統. 淩華表示, RAIO是輕量級解決方案, 可直接安裝到機器手臂上, 而且由於是獨立系統, 因此可遠距連接RAIO和機器人控制器來進行實物教學, 設定和執行. 有了這種功能, 就能在製造現場網路上遠距編程和監控多個RAIO工作單元. RAIO亦應用Recognition Robotics的視覺演算法, 這些演算法處理映像的方式類似人類視覺皮層. 該系統能從單一2D映像中識別出零件, 並將該零件的X, Y, Z, Rx, Ry和Rz位置資訊傳到機器人用戶架構. 有了這些數據, 機器人就能以該零件當前位置的修正偏移數據並更新預編程路徑. Recognition Robotics執行長Simon Melikian表示, 這些演算法是基於人類認知物體的能力而開發. 他在開發這些演算法時模仿了人類的視覺皮層, 將人類大腦功能及人眼視角的相關知識帶進軟體領域.
