機器人和其他自動化技術極大地提高了當今工廠的生產(chan) 率。但是，它們(men) 仍然有一個(ge) 主要限製：它們(men) 要求人們(men) 告訴他們(men) 該怎麽(me) 做。



但是，如果機器人和其他工業(ye) 機械可以自學如何執行任務該怎麽(me) 辦?這是Hitachi，Fanuc和Preferred Networks(一家專(zhuan) 注於(yu) 人工智能(AI)的初創公司)於(yu) 2018年4月成立的合資企業(ye) 的目標。

新公司Intelligent Edge System將為(wei) 聯網機器人和機床開發快速，實時的控製係統。通過使用深度學習(xi) 的AI技術，這些控製係統將在鏈接的機器製造產(chan) 品時學習(xi) 並變得更加智能。

深度學習(xi) 是一種AI技術，旨在模仿人腦的功能以更有效地篩查信息並加速數據分析。該技術有望使機器人能夠識別不同的零件並相應地調整其移動，從(cong) 而提高裝配線的生產(chan) 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。

邊緣計算也將在合資公司的控製係統中扮演重要角色。該技術無需集中處理數據，而是在網絡邊緣處理任務，讓裝配線上的機器立即處理從(cong) 視覺係統，傳(chuan) 感器，夾具和工具收集的大量數據。

新公司的努力已見成效。例如，Fanuc引入了一個(ge) 基於(yu) AI的係統，使機器人能夠以很高的成功率從(cong) 盒子，托盤或輸送機中拾取零件。通過使用深度學習(xi) 和3D對象評分係統，該機器人可以自動確定要拾取的零件，如何拾取它們(men) 以及按照什麽(me) 順序進行拾取。如果沒有AI，這樣的應用程序將需要經驗豐(feng) 富的工程師進行數小時的詳細參數調整。

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(hui) 記住對象的外觀。然後，這些數據將用於(yu) 完善控製機器人動作的深度學習(xi) 模型。經過數小時的練習(xi) ，機器人最終學習(xi) 了90%或更高準確度的拾取零件。

Fanuc還應用深度學習(xi) 軟件來自動調整和控製驅動CNC加工中心中切削工具的伺服電機。在放電加工應用中自動補償(chang) 熱位移;並準確預測何時需要更換注塑機上的閥門和其他“磨損”部件。

AI不僅(jin) 適用於(yu) 機器人。它也被應用於(yu) 機器人外圍設備。例如，在今年的德國漢諾威工業(ye) 博覽會(hui) 上，雄克和法國AI初創公司AnotherBrain宣布了一項協議，該協議將在明年開發世界上第一個(ge) 自動動作抓持係統。夾持器將能夠獨立操作，而無需手動編程。

SCHUNK首席執行官Henrik A說：“這項有希望的合作將幫助我們(men) 在處理和組裝領域推動人工智能的使用，並在智能工廠以及服務機器人領域創建新的處理場景。”大叔

自主的抓取係統無需由工程師逐步定義(yi) 位置，速度和抓取力，而是通過攝像頭檢測其目標物體(ti) ，然後獨立接管抓取過程的計劃並對其進行持續改進。握把的質量可以根據需要進行檢測，評估和重新調整。抓具的電動機和手指中的傳(chuan) 感器將向車載智能提供數據。