机器人技术2.0：人工智能机器人可以执行哪些以前无法完成的任务？

许多复杂的装配操作都依赖于人类操作员的经验和“直觉”。无论是安装汽车座椅还是将零件放入工具箱，这些看似简单的动作都需要操作者根据视觉和触觉信号来调整各种动作的角度和力度。

传统的自动编程对于此类微调任务几乎没有用处，因为每次拾取或放置零件的时间都不完全相同。完成此类任务需要人类学习，以及经过多次尝试后的概括能力。掌握这些能力，尤其是深度学习和强化学习，能给机器人带来最大的改变！

机器人2.0：以前人工智能机器人可以执行哪些任务？

人工智能给机械臂带来的最大改变是，过去机械臂只能重复工程师的书写过程。尽管它们的精度很高，但它们无法对环境和过程的变化做出反应。

多亏了人工智能，机器现在正在学习自己处理各种对象和任务。具体来说，与传统机械臂相比，人工智能机器人在三个主要领域取得了重大突破：

突破

1. 视觉系统

在确定深度、距离和识别透明包装、反射表面或可变物体时，即使是最先进的 3D 工业相机也无法达到人眼的精度。

这就是为什么很难找到能够提供准确深度并识别大多数包裹和物品的相机的原因。然而，人工智能的出现迅速改变了这一现状。

在过去的几年里，机器视觉取得了巨大的进步机械零件加工技巧与典型实例，包括在深度学习、语义分割和场景理解方面的创新。

这些创新提高了商用相机的深度识别和图像识别能力，使制造商无需购买昂贵的相机即可获得准确的图像信息，并成功识别透明或反光物体的包装。

深度学习物体识别的例子，从左到右：Mask-RCNN、 、 Grasp Point - 来源：OSARO

2.可扩展性

与传统机器视觉不同，深度视觉不需要预先注册或为每个对象构建 3D CAD 模型。人工神经网络在训练后自动识别图像中的物体。

无监督学习或自监督学习也可用于减少手动标记数据或特征的需要，使机器学习更类似于人类学习。

机器语言减少了人为干预，因此机器人可以处理新零件，而工程师不必重写程序。随着机器通过操作收集越来越多的数据，机器学习模型的准确性将进一步提高。

目前，一条典型的生产线通常包括振动台、给料机、传送带等外围设备，以确保机器人准确地拾取所需的部件。

如果机器学习进一步发展，机械臂变得更智能，也许有一天我们将不再需要这些比机械臂贵四五倍的外围设备。

另一方面，深度学习模型通常存储在云端，因此机器人可以相互学习并共享知识。例如，如果机械臂在一夜之间学会了如何组装两个零件，它可以将这个新模型更新到云端并与其他机器人共享。这节省了其他机器的学习时间，并确保了一致的质量。

3.智能放置

一些对我们来说似乎很简单的命令，例如小心处理或排列物体机械零件加工技巧与典型实例，对机器人来说似乎是一项巨大的技术挑战。您如何定义“谨慎处理”？物体一碰到桌子就停止施力吗？还是将物体移离桌面6cm，让它自然落下？或者随着你越来越靠近桌子，它会逐渐变慢？这些不同的定义如何影响放置物品的速度和准确性？

组织项目更加困难。即便我们忽略了“整洁”，也必须先从正确的位置拿起物品，然后将其准确放置在想要的位置和角度：机械臂仍然不如人类灵巧，而且目前大多数机械臂都使用吸盘。机械臂在具有与人类关节和手指相同的运动技能方面仍有很大的改进空间。

其次，我们需要立即确定被抓取物体的角度位置和形状。以上图中的杯子为例，机械臂需要知道：杯口是朝上还是朝下？应该侧放还是直立？途中是否有其他物体或障碍物？通过这种方式，机器人可以确定杯子的放置位置，以最有效地利用空间。

从出生起，我们就被教导了各种拿起和放下的活动。这些复杂的活动可以本能地完成。但是，机器没有这样的经验，必须重新学习这些活动。

机械臂现在使用人工智能来更准确地确定深度。它还可以通过训练来学习，判断杯子是朝上、朝下还是其他状态。

对象建模或体素化可用于预测和重建 3D 对象。这两项技术可以让机器更准确地映射出实际物品的大小和形状，并更准确地放置在指定位置。

嗯……

有点意思，不过不知道小新的“自动零食工厂”什么时候建成，一直在等……

点赞关注