易賣工控網(wǎng)8月26日訊，8月20日-25日，“2019世界機器人大會”在北京亦創(chuàng)國際會展中心舉行。8月22日，ABB（中國）有限公司首席技術(shù)官劉前進(jìn)在新興應(yīng)用與實踐論壇作了主題為《機器與人：從共存到共事》的報告。

　　不管是AlphaGo擊敗李世石，還是Google語音訂餐，包括各種游戲，看著可能很炫，但是為什么不能干點正事呢？有觀點認(rèn)為，讓計算機搬起茶杯要比打敗李世石困難得多，因為面對的所有空間、路徑都是不可知的。

　　現(xiàn)如今，人類與機器人的關(guān)系，已從過去的競爭變成了現(xiàn)在的協(xié)作，也就是從競爭、共存、協(xié)作到未來的共事。例如在一些3C工廠，工人一天八到十個小時重復(fù)站在那里去做同一件工作，那么對這種工作，我們希望他可以完全被自動化替代。同時，利用人類的認(rèn)知、適應(yīng)或者創(chuàng)造等能力去做更加有意義的工作。

　　而過去幾年中，火得不能再火的人工智能技術(shù)，他與機器人的結(jié)合，在工業(yè)互聯(lián)網(wǎng)的落地中起到什么作用，扮演的角色又是什么？

　　通過文中的分析，你就會知道其實有很多有用的案例，例如：物流場景中，不同工件的識別和抓取等，此外，通過將人工智能、機器人技術(shù)引入到工業(yè)互聯(lián)網(wǎng)領(lǐng)域，還會帶來一些新的變化，過去幾年的主要變化就是在認(rèn)知和理解方面所做的工作，現(xiàn)在我們看到強化學(xué)習(xí)推進(jìn)的過程優(yōu)化都是完成這樣的過程。

　　很高興有機會和各位同仁交流，下面我分享一下ABB在機器人和人工智能方面的工作進(jìn)展，包括我們做的一些比較好玩的事情。

　　過去兩年，馬斯克創(chuàng)立了一家公司叫做OpenAI，然后讓人類冠軍和計算機進(jìn)行比賽，比賽結(jié)果是260：0，機器完勝了人類，大家看到這種新聞可能已經(jīng)覺得見怪不怪了。

　　AlphaGo擊敗李世石，Google語音訂餐，包括今天玩的各種游戲，看著可能很炫，但是為什么不能干點正事呢？雖然是在玩游戲、下棋，其實背后更是一種挑戰(zhàn)，我們想把人工智能、深度學(xué)習(xí)和現(xiàn)實生活、工業(yè)等結(jié)合在一起。

　　看似簡單的工作，對機器人可能很難

　　現(xiàn)實生活當(dāng)中，可能沒有那么多規(guī)則和狀態(tài)的約束，就像游戲當(dāng)中規(guī)定人類玩家冠軍不允許用這個，不允許用那個，但現(xiàn)實當(dāng)中沒有那么多約束、沒有那么多條件，所以我們面對的現(xiàn)實情況要比游戲復(fù)雜得多。人生不是游戲，真正工業(yè)場景中需要人工智能技術(shù)處理的任務(wù)更為復(fù)雜。

　　網(wǎng)上有幾句話比較有意思，比如摩拉韋克悖論，我們看到很復(fù)雜的事情，玩游戲、下圍棋，上周我也看到澳門人工智能大會也有人拿象棋進(jìn)行示范，盡管這些都是相對不難的，可以挑戰(zhàn)我們的認(rèn)知，但是如果想讓電腦像人一樣去做一些小孩的感知呢？ 　　去年有一部視頻非常有意思，一個人搬著大箱子把門撞開，并雙手使勁去轉(zhuǎn)把手，然后角落站著一個三歲小孩看著這個人試了兩次打不開，他就直接走過去把門打開了。試想一下，如果沒有任何訓(xùn)練和學(xué)習(xí)，我們的電腦是做不到這件事情的，所以讓機器人完成看似很簡單、很基礎(chǔ)的工作其實是非常難的。

　　今年的CVPR大賽上，英特爾CTO提到，讓計算機搬起茶杯要比打敗李世石困難得多，因為面對的所有空間、路徑都是不可知的。

　　人機關(guān)系：從競爭到協(xié)作

　　傳統(tǒng)機器人都是任勞任怨的機器人，就是不停重復(fù)高精度、精準(zhǔn)的工作，要是真正和人配合進(jìn)行人機協(xié)作就會讓機器人一下子變得親和許多，所以我們把它叫做協(xié)作機器人。

　　過去幾年我們經(jīng)常提到工業(yè)4.0，比如機器換人、設(shè)備上網(wǎng)、數(shù)據(jù)上云，這是工業(yè)4.0針對工業(yè)3.0的主要變化趨勢。我們所說的自動化和自主化需要有更高的水準(zhǔn)，但不是完全的無人化。

　　就像前面提到的，過去的十年當(dāng)中很多工作消失了，也有很多新的工作出現(xiàn)了，但人始終是不可替代的，因為人在這個過程當(dāng)中能創(chuàng)造更多工作的機會和工種。同時，自動化發(fā)展水平也是這樣，我們不是100%無人化的工廠，包括無人倉庫、無人超市，背后還是需要有人創(chuàng)造更多的工作，包括一些新的工作崗位。

　　關(guān)于機器換人，更多的是替換藍(lán)領(lǐng)工人的工作，就是把人類原來重復(fù)的、低技術(shù)含量的工作通過機器進(jìn)行替代。如果有機會去到一些3C工廠，可以發(fā)現(xiàn)那些工廠的工作環(huán)境是非常差的，讓工人一天八到十個小時重復(fù)站在那里去做同一件工作，那么，這種工作就沒有必要保留？我們希望他可以完全被自動化替代，這樣可以提高效率，把人釋放出來，利用人類認(rèn)知、適應(yīng)能力或者創(chuàng)造能力去做更加有意義的工作。因此，人機協(xié)作一定會有更好的前景，也讓我們的生活變得更加有意義。 　　人機協(xié)作能夠達(dá)到什么狀態(tài)呢？一個真正協(xié)作的機器人，就是不用加上視覺和傳感裝置，就可以被動地和人進(jìn)行合作，而且能夠很靠近人，和人產(chǎn)生互動。我們通過傳感視覺讓大型機器人和人產(chǎn)生間歇性的合作，這是目前工業(yè)領(lǐng)域人機協(xié)作最好的狀態(tài)。

　　我們要對人機協(xié)作有更高的要求，那么工廠當(dāng)中協(xié)作需要什么狀態(tài)？我們知道機器有一個安全工作區(qū)域，可以在工作范圍以外有一種共存，原來說是機器換人，現(xiàn)在變成人機共存，但光是共存是不夠的，還是對空間有比較苛刻的要求，有沒有可能人進(jìn)到機器工作的范圍以內(nèi)？未來不僅是共享空間，還要共享時間，就是在緊密的工作區(qū)域內(nèi)和機器完全互動，機器人可以接受零件，完成整個工業(yè)流程。

　　人機從過去的競爭到現(xiàn)在的協(xié)作，也就是從競爭、共存、協(xié)作到未來的共事，真正和人一起去工作，這是我們對人機協(xié)作定義的狀態(tài)。

　　工業(yè)場景中的人工智能

　　關(guān)于過去幾年一下子火得不能再火的人工智能，我們應(yīng)該怎么看待？過去幾年，深度學(xué)習(xí)領(lǐng)域有很多突破，深度學(xué)習(xí)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)就像一個通用的函數(shù)逼近器，無論有任何復(fù)雜的工況、功能和函數(shù)，我們可以無限地逼近你、靠近你，達(dá)到一個立式的精度完成。就像現(xiàn)在我們做的人臉識別和游戲示范，能夠達(dá)到人類無法企及的高度，要在這些數(shù)據(jù)統(tǒng)計當(dāng)中產(chǎn)生知識，并和人類專家結(jié)合，這是工業(yè)當(dāng)中我們期望看到的，算法和專家結(jié)合起來之后能夠增加人類潛力，也有更多的應(yīng)用機會，這是我們未來希望看到人工智能的方向。 　　我們是把機器學(xué)習(xí)和深度學(xué)習(xí)在各種工業(yè)場景，包括光伏、風(fēng)電做了很多不同的示范，總結(jié)下來就是三類：

　　首先，是預(yù)測維護。根據(jù)設(shè)備的現(xiàn)場數(shù)據(jù)可以從歷史數(shù)據(jù)當(dāng)中預(yù)測數(shù)據(jù)會不會有什么問題，不是等到故障以后再做緊急的修補或者定期的維護，電力行業(yè)一年一小修、三年一大修，無論設(shè)備有沒有出狀況，都需要維持好的維護團隊，但是不能保證維護團隊有足夠的經(jīng)驗和知識處理維修工作，一個大的設(shè)備進(jìn)行維修以后很難判斷可靠性是提升，還是下降。 　　再者，資產(chǎn)健康軟件系統(tǒng)。過去一年我們在內(nèi)蒙電網(wǎng)全面推廣我們的軟件系統(tǒng)，叫做資產(chǎn)健康軟件，第一次實驗是在2017年示范，覺得剛剛做過運維應(yīng)該不會有問題，結(jié)果上了軟件以后發(fā)現(xiàn)有七臺大型變壓器可能會有問題，要不要挑出幾臺檢查一下？后來發(fā)現(xiàn)運維的過程當(dāng)中不小心碰到了繞阻，導(dǎo)致繞阻出現(xiàn)扭曲變形，也會帶來一些安全隱患，可以說是非常好的和工業(yè)結(jié)合的狀況，我們在做和生產(chǎn)運營過程相關(guān)的，能夠提高整個生產(chǎn)運行的水平。

　　最后是遠(yuǎn)程服務(wù)中心。通過遠(yuǎn)程檢測了解故障，也有最好的專家保障設(shè)備的安全運營。這是我們在2018年做的全球首例無人駕駛傳播，地點是在赫爾辛基，北海附近有些居民，我們在島內(nèi)不停穿梭，最新的電控系統(tǒng)和自主駕駛的功能這樣結(jié)合，產(chǎn)生一些新的功能模塊，不只是能做運營監(jiān)控、遠(yuǎn)程分析和艦隊管理，整個工作叫做運營中心，現(xiàn)在我們可以在全球建立一套網(wǎng)絡(luò)，針對所有海洋船舶提供服務(wù)。我們知道一艘大型運輸船舶希望保障最好的可靠性，同時有最好的空間為運貨提供服務(wù)，這樣就會產(chǎn)生兩難問題，規(guī)劃好路線之后可以得到最好的燃油性價比，包括最多的空間提供運營生產(chǎn)能夠得到的價值回報。

　　機器人和人工智能如何結(jié)合？

　　關(guān)于機器人的安裝和使用，現(xiàn)在的機器人使用的時候，雖然相比過去有很大的進(jìn)步，但還是有些復(fù)雜。

　　以前可能需要一個專門的工程師花幾天編程來做更好的規(guī)劃，交響樂師和機器人工作了七個小時完成了兩首曲子的編排，能夠像人一樣非常優(yōu)美地把比賽盒滑來滑去，精準(zhǔn)完成比賽的過程。然而，現(xiàn)在我們覺得還不夠，未來希望可以不用專業(yè)工程師去教它，機器人在看到我們的產(chǎn)業(yè)線工人在做什么就會主動了解這項工作，以及自己能不能完成。 　　我們把最新的研究成果，以及機器人的安裝示范過程結(jié)合起來的難度在哪里？

　　大家知道，ImageLight的識別率從70%提升到了90%，這是非常好的例子，但是和機器人結(jié)合的話會發(fā)現(xiàn)現(xiàn)場工況很難標(biāo)注，沒有辦法預(yù)測所有的場景。上面我們提到DOTA游戲，最重要的就是上下左右回車，實際上我們的工作不只是上下左右。更重要的是規(guī)律，要是能夠把規(guī)則完全定義好就是我們自動化工人做的事情，但是一定會有域外發(fā)生，能夠依靠人工智能呢？完成依靠從大數(shù)據(jù)抓取數(shù)據(jù)的AI來做件這事情嗎？

　　因此，數(shù)據(jù)和AI結(jié)合的話會有很大難度，包括三個不同層次：

　　第一層次，可以把現(xiàn)在我們深度學(xué)習(xí)做的一些工作來做位置識別，準(zhǔn)確知道機器人抓取要到什么地方，我們也做了很有意義的示范；

　　第二層次是技能，就是做了什么工作，然后指導(dǎo)機器人完成，甚至給出一個起始點和終點以后根據(jù)過去我們所做的數(shù)據(jù)強化學(xué)習(xí)完成某個規(guī)則。經(jīng)過一段時間的強化訓(xùn)練以后，發(fā)現(xiàn)我們可以達(dá)到這種效果，就是600多萬個不同種類的空間之中，機器人強化學(xué)習(xí)可以達(dá)到96%的識別率，之后我們會有更好的辦法，希望達(dá)到99%以上，甚至再有新的東西出來以后能夠簡化學(xué)習(xí)的過程；

　　第三層次是應(yīng)用程序的端到端學(xué)習(xí)，自己學(xué)習(xí)背后的機理、經(jīng)驗和知識，抓住以后可以變成規(guī)則。 　　通用函數(shù)是不可解釋的，雖然可以很粗暴地達(dá)到一定精度，但是你不知道它的時候就不能用，這對工業(yè)來說幾乎是不可接受的，所以我們希望能夠有更好的辦法讓它變得更加可解釋，更加容易泛化，也更容易合作。

　　在湛江，ABB有一家合作的公司，這是國內(nèi)最大的海鮮制品公司，其產(chǎn)線基本是全程自動化，除了一個環(huán)節(jié)。當(dāng)我們在必勝客吃鳳尾蝦時，要先把皮去掉，如何讓不同形狀大小的蝦讓機器識別，既能保證足夠的肉又能夠把皮剝掉？這個環(huán)節(jié)必須由人完成，所以給人0.5平米的工位，人就站在那里八小時不停地把蝦扒出來放到指定位置。不說這個工作很辛苦，光是味道就會讓你覺得很難受。

　　我們的科學(xué)家到了現(xiàn)場看了實際情況后，通過不同的照片標(biāo)注、識別、確定精準(zhǔn)度，最后可以達(dá)到98%的精度，這樣就是最后一個環(huán)節(jié)通過自動化，這位同事就在現(xiàn)場聽報告。拍下一張圖片當(dāng)中有幾十只蝦，通過算法推理一下子就把蝦的抓取點標(biāo)識出來，交給機器人之后完全可以完成剩下的工作，“機器人抓蝦，不抓瞎”。 　　這是物流場合大家經(jīng)常碰到的場景，就是不同的工件混合在一起進(jìn)行抓取，難度在哪里呢？

　　因為形狀不規(guī)則，傳統(tǒng)的機器視覺很難做到，而且是堆放在一起的，即使是不同規(guī)則輸入庫里，怎么保證產(chǎn)生新的形狀，知道哪個先抓，哪個后抓。這是目前工業(yè)機器人領(lǐng)域能夠把混合、堆疊、識別做到最高的水平的一個案例，也是目前我們做到的最好Case。

　　工業(yè)人工智能，或者是把人工智能做得有意義的事情和機器人進(jìn)行結(jié)合。傳統(tǒng)的方式是用一個完成的模型，然后我們執(zhí)行感知分析和控制邏輯，這是傳統(tǒng)工程師在做的工作。人工智能引入這個環(huán)節(jié)會帶來一些新的變化，過去幾年的主要變化就是在認(rèn)知和理解方面所做的工作，現(xiàn)在我們看到強化學(xué)習(xí)推進(jìn)的過程優(yōu)化都是完成這樣的過程。

　　工業(yè)人工智能我們希望做的不僅是認(rèn)知和理解，具體解決也可以帶來更多的突破。一個工廠當(dāng)中的自動化系統(tǒng)一定有些場合、有些場景不是我們工程師提前預(yù)測到的，之前沒有預(yù)測和發(fā)生過的事情我們能怎么做？能不能讓機器自我學(xué)習(xí)，處理一些之前沒有預(yù)料到過的狀況，沒有發(fā)生過的事情，可以有些基本的識別和判斷，給出可以解決的方案出來？這是我們期待工業(yè)人工智能未來所做的工作，這個過程當(dāng)中人是永遠(yuǎn)存在的，不僅是監(jiān)測整個生產(chǎn)過程，隨時可以取代自動化系統(tǒng)，介入、操作和完成。這是我們自己對工業(yè)人工智能的定義，從自動化到自主化，希望未來我們能夠有真正完全自主化的工作環(huán)境，也為人類創(chuàng)造更美好的環(huán)境。

　　人機關(guān)系的改變，從過去的競爭到現(xiàn)在的協(xié)作，以及未來可能真正和人一起去工作，這些轉(zhuǎn)變將會給人類的生產(chǎn)生活帶來極大的便利。傳統(tǒng)機器人都是任勞任怨的機器人，就是不停重復(fù)高精度、精準(zhǔn)的工作，而協(xié)作機器人的出現(xiàn)，可以真正和人配合著一起工作。

　　現(xiàn)如今，工業(yè)互聯(lián)網(wǎng)的概念愈發(fā)火熱，各種新技術(shù)層出不窮，而人工智能、機器人的應(yīng)用將進(jìn)一步為工業(yè)互聯(lián)網(wǎng)賦能。隨著國家層面對產(chǎn)業(yè)升級、創(chuàng)新、經(jīng)濟新動能的進(jìn)一步強調(diào)，工業(yè)互聯(lián)網(wǎng)作為智能制造的基礎(chǔ)平臺，將會在整個制造業(yè)發(fā)展過程中起到越來越關(guān)鍵的作用。以上就是關(guān)于ABB機器人和AI的結(jié)合 如何賦能工業(yè)互聯(lián)網(wǎng)的相關(guān)內(nèi)容介紹，更多ABB相關(guān)信息請訪問：工控網(wǎng)（http://news.tpt0.cn）