機器人和其他自動化技術(shù)極大地提高了當今工廠的生產(chǎn)率。但是，它們?nèi)匀挥幸粋€主要限制：它們要求人們告訴他們該怎么做。



但是，如果機器人和其他工業(yè)機械可以自學如何執(zhí)行任務(wù)該怎么辦?這是Hitachi，F(xiàn)anuc和Preferred Networks(一家專注于人工智能(AI)的初創(chuàng)公司)于2018年4月成立的合資企業(yè)的目標。

新公司Intelligent Edge System將為聯(lián)網(wǎng)機器人和機床開發(fā)快速，實時的控制系統(tǒng)。通過使用深度學習的AI技術(shù)，這些控制系統(tǒng)將在鏈接的機器制造產(chǎn)品時學習并變得更加智能。

深度學習是一種AI技術(shù)，旨在模仿人腦的功能以更有效地篩查信息并加速數(shù)據(jù)分析。該技術(shù)有望使機器人能夠識別不同的零件并相應(yīng)地調(diào)整其移動，從而提高裝配線的生產(chǎn)率。如果故障，它還可以使機器人自動承擔裝配線上相鄰機器人的任務(wù)。

邊緣計算也將在合資公司的控制系統(tǒng)中扮演重要角色。該技術(shù)無需集中處理數(shù)據(jù)，而是在網(wǎng)絡(luò)邊緣處理任務(wù)，讓裝配線上的機器立即處理從視覺系統(tǒng)，傳感器，夾具和工具收集的大量數(shù)據(jù)。

新公司的努力已見成效。例如，F(xiàn)anuc引入了一個基于AI的系統(tǒng)，使機器人能夠以很高的成功率從盒子，托盤或輸送機中拾取零件。通過使用深度學習和3D對象評分系統(tǒng)，該機器人可以自動確定要拾取的零件，如何拾取它們以及按照什么順序進行拾取。如果沒有AI，這樣的應(yīng)用程序?qū)⑿枰?jīng)驗豐富的工程師進行數(shù)小時的詳細參數(shù)調(diào)整。

借助AI，機器人可以自我訓練。每次機器人成功或失敗拾取零件時，它都會記住對象的外觀。然后，這些數(shù)據(jù)將用于完善控制機器人動作的深度學習模型。經(jīng)過數(shù)小時的練習，機器人最終學習了90%或更高準確度的拾取零件。

Fanuc還應(yīng)用深度學習軟件來自動調(diào)整和控制驅(qū)動CNC加工中心中切削工具的伺服電機。在放電加工應(yīng)用中自動補償熱位移;并準確預(yù)測何時需要更換注塑機上的閥門和其他“磨損”部件。

AI不僅適用于機器人。它也被應(yīng)用于機器人外圍設(shè)備。例如，在今年的德國漢諾威工業(yè)博覽會上，雄克和法國AI初創(chuàng)公司AnotherBrain宣布了一項協(xié)議，該協(xié)議將在明年開發(fā)世界上第一個自動動作抓持系統(tǒng)。夾持器將能夠獨立操作，而無需手動編程。

SCHUNK首席執(zhí)行官Henrik A說：“這項有希望的合作將幫助我們在處理和組裝領(lǐng)域推動人工智能的使用，并在智能工廠以及服務(wù)機器人領(lǐng)域創(chuàng)建新的處理場景?！贝笫?br />
自主的抓取系統(tǒng)無需由工程師逐步定義位置，速度和抓取力，而是通過攝像頭檢測其目標物體，然后獨立接管抓取過程的計劃并對其進行持續(xù)改進。握把的質(zhì)量可以根據(jù)需要進行檢測，評估和重新調(diào)整。抓具的電動機和手指中的傳感器將向車載智能提供數(shù)據(jù)。