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。
