二維碼
工博士官方客服微信
聯(lián)系方式
聯(lián)系方式
電話:18964551752
服務(wù)時間 8:30~18:00
返回首頁
回到頂部
ABB劉前進(jìn):機(jī)器人和人工智能如何結(jié)合?
2019-08-26 17:23:33
8月20日-25日,“2019*機(jī)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(jī)器與人:從共存到共事》的報告。
機(jī)器人和人工智能如何結(jié)合?
關(guān)于機(jī)器人的安裝和使用,現(xiàn)在的機(jī)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(jī)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(jī)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*新的研究成果,以及機(jī)器人的安裝示范過程結(jié)合起來的難度在哪里?
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(jī)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,*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(jī)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(jī)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(qiáng)化學(xué)習(xí)完成某個規(guī)則。經(jīng)過一段時間的強(qiáng)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(jī)器人強(qiáng)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(jī)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)*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(jī)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,*后可以達(dá)到98%的精度,這樣就是*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(jī)器人之后完全可以完成剩下的工作,“機(jī)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(jī)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(jī)器人領(lǐng)域能夠把混合、堆疊、識別做到*高的水平的一個案例,也是目前我們做到的*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(jī)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(qiáng)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(jī)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。