人工智能+传统工业机器人=智能机器人

传统的工业机器人是机械设计与制造技术、自动控制技术以及计算机软硬件技术的高度融合。

 

       人工智能是数据和算法的集合，计算能力（芯片）不断跃升是人工智能得以广泛应用的基础。目前人工智能仍处于弱人工智能的阶段，形成突破的领域仍比较局限。人工智能技术和机器人技术相结合，实现既具备机器人的肢体又具备类人智慧的机器人是人工智能和机器人技术发展的**目标。智能机器人是人工智能技术和传统工业机器人技术融合发展的结果。

 

       Geek+ CEO郑勇表示，如果把人工智能定义到“深度学习”的程度，那目前几乎没有落地应用。他认为目前的人工智能可以定义为“相对复杂的算法带来的自主能力”。

 

      专注机器人智能物流领域的Geek+，通过人工智能和机器人技术赋能物流仓储行业，通过智能拣选、搬运、分拣等仓储物流环节的优化，高度柔性的人机交互，来实现提高仓库效率，降低人工成本及人工劳动强度的目的。

 

      库柏特CEO李淼指出，“分拣、打磨、装配、检测”为人工智能与机器人落地应用*为迫切和广泛的四大领域。由此，库柏特自主研发的系统通过核心学习算法以及专用控制软件可应用于上下料的无序分拣、手机或者航空叶片的力控打磨、智能示教、智能贴标以及零件装配等场景。

 

       “AI时代，工业机器人将被新的核心技术定义，包括深度学习、路径规划、任务级编程、柔性控制等。”梅卡曼德CEO邵天兰说道。在他看来，混杂物体分拣是目前需求*明显、应用*直接的部分，很多公司都能展示一定程度的demo，但是真正能大规模使用的产品还没出现。

 

       除此之外，还有个结合点为“操作规划”，即人只需要指定好多个工件的安装要求，机器人就可自行计算出抓取和安装的方案，节省大量编程时间。

 

       在标准场景中，工业机器人生产的产品批量较大，有大量的重复性工作，需要高频次的轨迹优化，比如机床加工、零件安装等应用。此时可以通过小样本监督学习，让机器人拥有自适应、进化功能。

 

       而此前，艾利特展示了“机器人叠衣服”的demo，展示了机器人轨迹优化不仅仅可以针对刚性物体，还能应对衣服这类柔性体。艾利特的机器人叠衣服系统通过深度强化学习算法和深度视觉传感器精准定位衣物叠取点，自动寻优*佳运动轨迹，实现叠取效果。该系统还使用了仿真环境快速建模和迁移学习方法，加快学习速度、降低数据采集成本，*终将仿真结果映射到真实机器人操作中。

 

       除了上述以提升工业机器人效率为攻坚重点的应用外，机器视觉作为人工智能的一个分支既是机遇也是挑战。

 

       在智能制造过程中，机器视觉主要用计算机来模拟人的视觉功能，也就是把客观事物的图像信息提取、处理并理解，*终用于实际检测、测量和控制。

 

       易视智瞳CEO黄卜夫认为，机器视觉瑕疵检测是人工智能的一大“练兵场”。易视智瞳高精度视觉点胶系统集成了点胶工艺的视觉感知、运动控制和点胶执行等功能，可方便地与各种执行机构整合，一步形成终端点胶机产品，满足各种产线点胶的需求，通过深度学习还可由单机智能向多机互联协同演变。

 

       此外，设备故障监测与预警也是人工智能在工业场景的一大落地应用，这类方案可监管工厂厂房每一台机器人，并预测机器人的异常状况，在机器人出现问题前加派技术人员进行维修作业。

 

       此外，如果有机器人发生故障，这类方案也能让相邻的机器人自动承担其生产线上的任务，以避免或减少设备停产损失。

 

       万变不离其宗，人工智能在制造业的应用场景大多与上述类似或相关。业内人士一致认为，人工智能技术与机器人技术的结合将改变传统的机器人行业格局，就像智能手机对传统手机的颠覆一样。