現在,加上「機器視覺」、「自主決策」以後,人類只要稍微告訴機器大概的路徑,如起點跟終點,它通過圖像識別,自動跟蹤,大幅提升加工品質,而且能完成100%或接近100%的工作。
像是新松機器人生產機器人的全自動流水線上,多工位採用雙機器人協同作業。一個機器人觀看同伴工作,同時做出分析判斷,然後機器人主動決策如何來配合完成作業,全流程採用免示教程式設計系統。隨著機器視覺、感測器等越多創新技術應用在機器人上,除提升其智慧化程度,另一項好處就是讓人類容易使用,才能使機器人普及。
機器人趨勢二:邊緣計算
機器人跟AI的發展其實相似,談演算法、算力與應用場景。現在研究深度學習大多是應用在人臉識別、語音辨識,能不能把AI相關技術用在工業上,像是提高生產效率、規劃效率,但王宏玉表示,想把AI技術用在工業上,算力就得提高,所以未來邊緣計算(Edge computing)在機器人領域將是一個重要的議題。
邊緣計算,簡單來說就是介於雲和設備之間的一層,上連雲、下連設備,同時具有部分的決策功能。機器人智慧化程度越來越高,實現更多的AI功能,本地控制器的能力就不夠了,靠雲端則有速度慢的問題,特別是工業環境對即時性的要求較高,傳送帶、產線的監控及分析是不等人的,「儘管未來進入到5G時代,其速度也未必能完全符合工業需求,特別是資料量大的工廠,因此,將來會是雲端和邊緣的結合。車間級、工廠級的這種決策分析都適合在這個邊緣層裡,」他說。
因此,把有些過去在雲上做的事拿到邊緣計算層來做,尤其是複雜的功能,比如圖像識別、力的控制、各式感測器的資料分析等,特別是圖像識別是基於點雲計算,本地控制器是無法負荷。而機器人本身則是一個即時的運動控制系統,它接受邊緣層的指令。
另一個需要邊緣計算需求是來自多作業系統(OS)融合。這樣的應用場景可以是企業內部不同機器人的連結,或是需要跟其他供應鏈體系的機器人連接,特別是製造業的趨勢邁向工業互聯網,工廠內部可能採用了不同OS的機器人,就會涉及到多作業系統的連接,這時可以通過邊緣計算控制器的來實現。
新松已經開發出邊緣計算伺服器,一台伺服器目前測試可以控制四、五台機器人,當然這個邊緣層可大可小,可以做多條產線連接,也能是串連整個工廠的分析。此外,有鑒於邊緣計算剛剛興起,架構、標準尚未形成,中國幾個大廠家很快形成了邊緣計算產業聯盟,新松為理事單位之一,產業界共同討論邊緣計算的架構、存儲、交換標準等細節,但還需時間逐步推進。
進軍自動駕駛領域?
機器人實際上是極為複雜的項目,例如一個機器手臂就有近200個零部件,另外AGV其實就像一台低速的自動駕駛車,其採用的多項技術都是自動駕駛領域在討論的,像是AGV走向無路徑的三維視覺,還有安全避障、電池、感應供電等技術都是相通。那麼,「新松有打算切入自動駕駛領域嗎?」DT君詢問。「現在不好說,」王宏玉給了一個有想像空間的答案。
本文係由DeepTech深科技授權刊登。原文連結:黑土地上崛起的中國機器人巨頭!中國AGV教父預警:服務機器人行業泡沫將破。