协作机器人技术如何成为工业4.0战略的核心

作者: HERO 2021-05-28 10:12:43

如今,越来越多的企业对机器人无缝集成自动化和工业4.0策略的兴趣日益浓厚。工业4.0中最佳的自动化策略基于以下认识:机器人可以在与人类一起工作时才能充分发挥其自动化优势。

当然可以肯定的是,机器人在某些方面可以比人类更有效地发挥重要作用,可以完成重复性很强的单调任务(例如焊接)、繁重的工作负荷,或在威胁人身安全的环境中执行的任务。也就是说,机器人只能按照人类的安排去做,它们不能即兴创作。人类不可思议的力量就是在出现突发情况时思考和应用实时决策,人工智能在这一方面与人类相比还有一定的差距。

如今的机器人虽然可能非常有效地执行一项任务,但却是静态的,并且成本高昂。行业专家指出,机器人必须降低成本,并且在移动性和可重新编程性方面必须变得更加敏捷。事实上,有了这些能力,机器人可以更好地与人类进行竞争。这并不意味着工作人员的职业生涯将要终结。人类拥有非凡的大脑,可以与机器人开展合作。工作人员的技能可能会发生变化,但行业专家对在工厂环境中使用机器人的前景非常乐观。

开发感官功能

让机器人变得更加智能的一种方式是集成各种传感器,就像人类有五种感官一样。但机器人大多只有视觉这一种感官功能。随着技术的发展和进步,机器人的能力和功能将会继续提高。

可以设想机器人能够理解人类的手势,例如在噪音很大的环境通过识别手势来执行操作。但是希望看到机器人会增加其他感官功能。未来的机器人能够听取语音命令并识别某些机器设备不正常的噪音。他们可能能够使用触觉来确认特定产品是否足够光滑,也许他们可以对特定化合物的混合物进行味觉测试。唯一可能在机器人技术中受到限制的感觉是气味,但是一些企业正在为实现这一功能而研发传感器,并致力于使其在未来得以应用。例如,尿液的气味已被证明是某些癌症的主要指标,并且已经证明蜜蜂可以闻到爆炸物的气味。可以想象一下,未来的机器人在农场中可以根据气味来选择成熟的蔬菜和水果。

应对意外事件

开发人员需要考虑两个关键因素:首先,当需要机器人执行任务时,它必须立即响应人类。其次,这些机器人可能部署在并不理想且通常无法预测的环境中。设计人员需要考虑机器人在不理想环境的使用情况,并确保机器人始终保证一起工作的工作人员的人身安全。

例如在工厂里进行的一个实验也许可以了解这样的情况。一家企业正在探索使用无人机在大型仓库中进行库存检查,这听上去好像可以快速、准确和安全地完成的事情,但开发人员却看到这样的一种景象,撕开条形码的货品以杂乱方式放置在积满灰尘的货架上,而仓库的照明情况在不同时段的变化很大,无人机不得不在梯子、叉车、箱子的过道中穿行。并且各种仓库的环境并不相同,这为实现这种想法带来了很大困难,除了要克服一系列技术挑战(例如充电等)外,这还挑战了无人机提供商的业务模式。如果机器人看到无法识别的内容,则人工智能系统必须默认为安全状态,而在此状态下,人工干预可以重新启动服务。

机器人目前仍然必须由人类来监控,但是人工智能会有所帮助。随着机器人了解有关工厂车间环境和场景的更多信息,机器人的功能将得到增强和改善。许多人都对人工智能的发展前景感到兴奋。但是由于需要考虑各种场景的复杂性,需要循序渐进,不要急于求成。

例如,如果不与外界连接的协作机器人只使用本地计算资源,则可以提高安全性,但会使人工智能的自学习过程更加困难。适当的平衡将是本地学习与使用从云中累积的汇总学习中获得的规模能力相结合。如果与外界的连接不能保证安全,则需要更多的训练和学习。

应对网络攻击

效率和准确性可以说是人工智能和机器人技术的最大优势,但仍然缺乏批判性思维和创造力。例如在工厂中各种情况还没有被完全理解。人们已经在汽车行业中看到了这种情况,例如一些自动驾驶汽车已经进行了数百万公里行驶的测试,并且不断完善和改进,但是仍然存在一些问题。在工厂环境中,中断或停产严重影响效率和成本效益,更重要的是,人身伤害是一个重大问题。人类要完全信任这些自治系统还需要一段时间。

为了解决这个问题,必须对硬件故障和软件错误做好准备。必须有适当的保护措施,以确保不会发生恶意攻击和危及人身安全的不当行为。机器人的人工智能系统架构使一切都被锁定。微软公司几年前在其Azure Sphere计划中表示:“对于安全来说,需要把所有的门都锁上,而不仅仅是锁上前门。”这种比喻也适用于机器人的开发和应用。

在物联网世界中,需要锁好与外部相通的每扇门。从网络的角度来看,如果存在违规行为,则网络攻击者只能访问一部分有价值的数据资产。软件和硬件必须对物联网系统进行分区以隔离功能,为此企业必须在受到威胁时立即意识到并发送实时警报。

这是人工智能在工业物联网应用中发挥作用的一种方式:识别该系统的异常行为,并提醒用户随后决定正确的行动方案。其选项还包括断开系统与网络的连接、阻止特定IP地址和禁用某些系统功能。开发者必须为应对黑客攻击进行规划和准备。由于没有万无一失的系统,物联网需要随着时间的推移不断提高应对网络攻击的能力,但同样,如果物联网系统受到威胁,必须迅速恢复到已知的安全状态。

结论

迄今为止,汽车行业一直被认为是智能工厂解决方案的行业先驱。但行业专家认为,自主移动机器人有各种机会。如上所述,汽车生产工厂的规模如此之大,以至于需要证明采用高效地执行一项任务复杂机器的合理性。汽车制造业的规模效益可以降低成本。然而,当成本、移动性、功耗和可靠性问题都能得到解决时,机器人才能提高各种应用程序的有效性。

机器人技术如今也应用在食品和饮料行业领域。有些人认为机器人有能力使传统的生产线过时。尽管机器人可以执行食品和饮料行业中的重复性任务,但专家认为,为了获得更高的效率,必须调整生产线以利用机器人和人类的技能。在未来几年,人们并不能在工厂车间看到这样的重大变化。去年发生的冠状病毒疫情使许多企业都在考虑采用新技术以调整其现有生产设施中的流程,对于机器人行业来说,构建全新的设施将是更重要的市场机会。

人工智能 AI 机器人
上一篇:数据分析技术:边缘人工智能的应用 下一篇:AI现在能教你画画了
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载