2022年，我們可以看到機(jī)器人發(fā)展的一個(gè)顯著趨勢，那就是更大的靈活性。在最近的一次采訪中，機(jī)器人軟件公司Insident的首席執(zhí)行官Wendy Tan White預(yù)測，工業(yè)機(jī)器人領(lǐng)域?qū)⒊霈F(xiàn)更多的創(chuàng)新。她認(rèn)為，在軟件優(yōu)先解決方案、更便宜的傳感器和更豐富的數(shù)據(jù)的推動下，我們正處在工業(yè)機(jī)器人復(fù)興的風(fēng)口浪尖。

　　今天的制造商正尋求在機(jī)器人方面做更多的工作。用于希望更小、更靈活的設(shè)計(jì)能夠輕松地適應(yīng)現(xiàn)有的生產(chǎn)線，或者他們現(xiàn)有的機(jī)器人能夠輕松地重新調(diào)整用途并重新分配任務(wù)。

　　在物流、倉庫或?qū)嶒?yàn)室等其他領(lǐng)域，對機(jī)器人在正常制造空間之外發(fā)揮作用的需求將不斷增長。特別是協(xié)作機(jī)器人(cobots)，將繼續(xù)提供與人類進(jìn)行更大的合作和協(xié)作工作的可能性。一個(gè)著名的例子是亞馬遜的 Kiva 機(jī)器人，它是機(jī)器人化的托盤搬運(yùn)車，可以跟隨倉庫周圍的工人并支持他們完成任務(wù)。

　　在 2022 年及以后，機(jī)器人將越來越多地用于在倉庫或生產(chǎn)線周圍揀選和移動產(chǎn)品。其他增長領(lǐng)域?qū)ㄅc計(jì)算機(jī)數(shù)控 (CNC) 設(shè)備一起運(yùn)行的協(xié)作機(jī)器人，焊接應(yīng)用的可能性也越來越大。那么，機(jī)器人是否已經(jīng)準(zhǔn)備好勝任這些不同的角色?

　　視覺系統(tǒng)

　　機(jī)器人執(zhí)行新任務(wù)(例如在倉庫中挑選和移動產(chǎn)品)不可或缺的一項(xiàng)功能是增加對 2D 和 3D 視覺系統(tǒng)的使用。"盲"機(jī)器人(或沒有視覺系統(tǒng)的機(jī)器人)只能完成簡單的重復(fù)性任務(wù)，而具有機(jī)器視覺的機(jī)器人可以對周圍環(huán)境做出直觀反應(yīng)。

　　借助2D 系統(tǒng)，機(jī)器人就配備了一個(gè)攝像頭。這種方法更適合讀取顏色或紋理很重要的應(yīng)用，例如條形碼檢測。另一方面，3D系統(tǒng)是從 2003 年首次在麻省理工學(xué)院 (MIT) 開發(fā)的空間計(jì)算發(fā)展而來的。它們依靠多個(gè)攝像頭來創(chuàng)建目標(biāo)對象的 3D 模型，適用于任何形狀或位置需要考慮的任務(wù)，例如自動抓取零件。

　　2D 和 3D 視覺系統(tǒng)都可以提供很多功能。尤其是 3D 系統(tǒng)，可以克服配備 2D 的機(jī)器人在執(zhí)行物理任務(wù)時(shí)遇到的一些錯(cuò)誤，否則這些錯(cuò)誤會需要人工診斷和解決，并可能產(chǎn)生故障。展望未來，配備 3D 視覺系統(tǒng)的機(jī)器人將在檢查發(fā)動機(jī)零件或產(chǎn)品質(zhì)量等缺陷、包裝檢查、檢查組件方向等方面釋放更多的潛力。

　　正確的選擇

　　未來幾年，工業(yè)機(jī)器人技術(shù)的重點(diǎn)將從傳感器設(shè)備硬件轉(zhuǎn)向構(gòu)建人工智能(AI)，以幫助優(yōu)化傳感器的使用，并最終提高性能。

　　AI、機(jī)器視覺和機(jī)器學(xué)習(xí)的結(jié)合將迎來機(jī)器人技術(shù)的下一階段。預(yù)計(jì)將看到更多旨在幫助制造商實(shí)現(xiàn)更高水平的卓越運(yùn)營、彈性和成本效益的數(shù)據(jù)管理和增強(qiáng)分析系統(tǒng)。

　　這將包括機(jī)器視覺與學(xué)習(xí)能力的結(jié)合。以精確的無序揀選應(yīng)用為例，這是機(jī)器人最搶手的任務(wù)之一。對于以前的機(jī)器人系統(tǒng)，需要專業(yè)的計(jì)算機(jī)輔助設(shè)計(jì) (CAD) 編程來確保機(jī)器人能夠識別形狀。雖然這些 CAD 系統(tǒng)可以識別揀選箱中的任何給定物品，但如果，物品在揀選箱分揀任務(wù)中以隨機(jī)順序出現(xiàn)，系統(tǒng)就會遇到問題。

　　取而代之的是，先進(jìn)的視覺系統(tǒng)使用被動成像，即光子被物體發(fā)射或反射，然后形成圖像。因此，機(jī)器人可以自動檢測物品，無論它們的形狀或順序如何。

　　Shibaura Machine 的視覺系統(tǒng) TSVision3D 就是一個(gè)例子，它使用兩個(gè)高速攝像機(jī)連續(xù)捕捉 3D 圖像。通過使用智能軟件，該系統(tǒng)可以處理這些圖像并識別物品的確切位置。通過這個(gè)過程，機(jī)器人可以確定最合乎邏輯的順序并以亞毫米的精度拾取物品，就像人類工人一樣輕松。

　　機(jī)器人技術(shù)在將機(jī)器視覺與機(jī)器人學(xué)習(xí)相結(jié)合方面具有巨大潛力?？赡艿膽?yīng)用包括基于視覺的無人機(jī)、倉庫拾放應(yīng)用和機(jī)器人分揀或回收等。

　　試錯(cuò)過程

　　借助 TSVision3D，我們看到機(jī)器人 AI 發(fā)展到可以像人類一樣可靠地解釋圖像的程度。這種演變的另一個(gè)關(guān)鍵特征是機(jī)器學(xué)習(xí)，它允許機(jī)器人從錯(cuò)誤中學(xué)習(xí)并適應(yīng)。

　　一個(gè)例子是由人工智能研究實(shí)驗(yàn)室 OpenAI 創(chuàng)建的 DACTYL 機(jī)器人系統(tǒng)。借助 DACTYL 系統(tǒng)，虛擬機(jī)械手可以通過反復(fù)試驗(yàn)進(jìn)行學(xué)習(xí)。這些數(shù)據(jù)被傳輸?shù)浆F(xiàn)實(shí)生活中靈巧的機(jī)器人手上，通過類似人類的學(xué)習(xí)，機(jī)器人能夠更有效地抓取和操作物體。

　　這個(gè)過程也稱為深度學(xué)習(xí)，是機(jī)器人 AI 的下一步。希望通過試錯(cuò)過程，就像 DACTYL 系統(tǒng)一樣，機(jī)器人可以學(xué)會在不同的環(huán)境中執(zhí)行更多不同的任務(wù)。

　　邊緣智能

　　簡而言之，邊緣計(jì)算意味著將數(shù)據(jù)處理盡可能靠近其源頭，以便更好地獲取數(shù)據(jù)并確定其優(yōu)先級。它不是像傳統(tǒng)麥克風(fēng)或攝像頭那樣的"啞巴"傳感器，而是使用智能傳感器，例如配備語言處理能力的麥克風(fēng)、濕度和壓力傳感器，或配備計(jì)算機(jī)視覺的攝像頭。

　　邊緣計(jì)算可以與上述技術(shù)相結(jié)合。因此，機(jī)械臂可以通過智能傳感器和 3D 視覺系統(tǒng)讀取數(shù)據(jù)，然后將其發(fā)送到帶有人機(jī)界面 (HMI) 的服務(wù)器，在那里工作人員可以檢索數(shù)據(jù)。

　　使用邊緣系統(tǒng)可以減少與云之間的數(shù)據(jù)傳輸，從而緩解網(wǎng)絡(luò)擁塞和延遲，并允許更快地執(zhí)行計(jì)算。這些工業(yè) 4.0 創(chuàng)新將用于改進(jìn)最新的機(jī)械臂末端工具硬件系統(tǒng)，例如機(jī)器人的夾具或加工中心的夾緊系統(tǒng)，使這些硬件系統(tǒng)的精度逐年提高。

　　我們應(yīng)該期待在工業(yè)機(jī)器人領(lǐng)域看到更多的創(chuàng)造力和變革。改進(jìn)的視覺系統(tǒng)、AI和邊緣系統(tǒng)也可以結(jié)合起來，以幫助確保制造商及其機(jī)器人在未來幾年繼續(xù)蓬勃發(fā)展。