易视智瞳CEO黄卜夫博士则表示,在探讨“工业机器人+AI”之前,有个问题需要厘清:人工智能(AI)分为弱人工智能、强人工智能和超人工智能,目前常见的是前两者。“工业机器人的智能分拣,其对应不同的场景,针对不同的环境或者物料,如何提高准确率和响应速度,或者如何让不同工件的移动距离更短,都需要借助弱人工智能;而强人工智能则是我们经常在媒介看到的诸如无人工厂内的工业机器人如何进行多机协作,自主决策,在没有人类干预的前提下完成各项任务等智能化更高的技术。两种程度的人工智能都是需要的,只不过强人工智能离我们的现实稍远,所以才会有人认为‘工业机器人+AI’是噱头,其实弱人工智能早已在很多场景中被使用了。” 有观点认为,中国的工业机器人市场非常庞大,但真正搭载机器视觉或者是其他人工智能技术的机器人却非常少,即使是按照当前的增长速度,人工智能的市场份额依旧会很低。微链科技总经理张宇则驳斥了这种观点,他说:现在有很多的工作岗位,还是不得已要用人工。不是因为那些制造业企业不愿意去把人工换成机器人,而且没有好的解决方案。精密装配、乱序分拣等工作都需要用到感知智能、机器视觉、深度学习等人工智能技术。“所以我认为这个不是一个噱头,而是必然。让人工智能由浅入深的,把工厂里一些原来无法用机器替代的岗位替代下去,让人解放出来,去做一些更高端的,真正无法被替代的工作。” ■ AI是手段而不是目的 梅卡曼德CEO邵天兰说,AI(人工智能)这个词本身有一定“热词”的成分,实践中一般是指深度学习、逻辑推理、各种优化方法等。以梅卡曼德为例,使用了非常多的深度学习、强化学习、路径规划等技术,这些技术现在在非专业的场合经常被“AI”包括。 在不久前举办的汉诺威工业展上,梅卡曼德展示了搭载3D视觉系统的机器人对货品、金属件等不同物体的识别、抓取、分类。 “通过使用深度强化学习,我们从混放堆叠的金属工件中定位出可抓取的工件,使得速度和效果比传统方法强非常多。正是通过这类的新技术,我们才能够在价格比原有产品低60%甚至80%的情况下达到更好的效果。对于电商、物流中的多类货品,就更需要这类新技术,”邵天兰说。 他认为,真正的逻辑应该是这样:物流、电商、更灵活的制造等等提出新需求-->要求机器人有新功能(自主路径规划、能解决复杂问题的视觉等等)-->原有技术不能解决-->需要AI(如深度学习等)。“最后客户不关心是不是AI,价格低、稳定可靠、速度快、简单易用、灵活性高才是他们的关注点。” ■ 国内机器人企业如何顺应趋势? “工业机器人对于人工智能有实实在在的需求,所以埃夫特在相关的领域已经开始布局”,埃夫特副总经理曾辉告诉高工机器人网。根据埃夫特的发展规划,未来该公司会专注于智能化产品及相关零部件的开发。 格力智能装备技术研究院的工作人员也告诉记者,格力正在开发AI版块,特别是机器视觉和云数据,格力的生产线和检测线都在使用。这位工作人员表示,格力在相关领域起步较晚,还需要借助一些外部力量。 黄卜夫则给机器人AI技术的研发企业提出了两点建议: 第一点,要基于实际的工况需求来应用人工智能。不要盲目的从底层开始研究,也不要过分追求算法的先进性,这不是企业应有的追求点或切入点。 第二点,多利用现有资源。人工智能的人才和资源价格较为昂贵,所以如果要自己从头到尾搭建可能周期较长,成本较高。多利用现有资源或者和高等院校合作的方式来解决人工智能的基础研究,在此基础上再增加实际应用的二次开发,可能会比较快捷。 邵天兰表示,从大的技术趋势看,AI是一波技术红利。大的技术红利可以打破原有格局。 但对国产机器人本体企业而言仍然需要直道追赶,在机械设计、控制、软件等很多层面补课,“并不是说AI时代这些就不重要了”。另一方面,国内以机器人智能为主的优秀企业与欧美日的同类企业基本在同一层次,是有机会在国际竞争中抢占先机的。“举个例子,中国的汽油车长久以来技术上明显落后于德日,但是电动车就好很多,自动驾驶有机会,机器人也一样。本体等技术上仍然要追赶,关键技术必须要自己突破。但是在新赛道上中国企业完全有机会直接超越。”
|