機器人和AI的結(jié)合將如何賦能工業(yè)互聯(lián)網(wǎng)

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)推進的過程優(yōu)化都是完成這樣的過程。

過去兩年，馬斯克創(chuàng)立了一家公司叫做Open AI，然后讓人類冠軍和計算機進行比賽，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。Alpha Go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。

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。

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。

人機協(xié)作能夠達到什么狀態(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。

大家知道，Image Light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？

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。