早在1978年，波士頓動力的創(chuàng)始人Raibert就寫了一篇關于機器學習的文章。這篇文章里，作者用了一個特別小的電腦，300B的通信速度，實現(xiàn)了機械手對外界負載的自適應。
學習原本是生物體具備的一項重要技能，而隨著人工智能的蓬勃發(fā)展，人們逐漸開始談論機器學習在工業(yè)機器人領域中的作用與應用，讓機器人能夠模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，并重組已有知識結構，使之不斷改善并提升自身性能。
機器學習的四大演變子集
機器學習實際上是實現(xiàn)真實AI的一個子集和途徑。亞瑟塞繆爾在1959年曾提到，機器學習即沒有明確編程的學習能力，意為讓算法自主學習或被訓練去做一些事情，而不是用一組特定的硬編碼去執(zhí)行特定的方向。多年來，機器學習也演變成了幾個不同的子集。
1. 監(jiān)督：在有監(jiān)督的設置中，計算機程序會被標注數(shù)據(jù)，比如標記全部圖像，然后被要求為它們分配排序參數(shù)。
2. 半監(jiān)督：半監(jiān)督只會標記一些圖像。計算機程序將不得不使用算法，通過其過去的數(shù)據(jù)來找出未標記的圖像。
3. 無監(jiān)督：無監(jiān)督機器學習不涉及任何初步標記的數(shù)據(jù)。這一設置可以基于將相似的對象歸在一起，先通過外觀識別，再根據(jù)其發(fā)現(xiàn)的相似性去創(chuàng)建規(guī)則，自動為自己分類。
4. 加強：這一子集可以理解為強化學習。它的任務不僅僅是簡單的分類，在極大數(shù)量且沒有先前知識積累的數(shù)據(jù)領域中，它能夠過通過現(xiàn)有數(shù)據(jù)進行解析并給出準確的結論。
機器學習在工業(yè)機器人領域的“用”與“途”
目前，仍有多數(shù)工業(yè)機器人僅被編程為無需思考就能完成重復任務，而在智能制造風潮涌起的今天，簡單、機械化的機器人已無法滿足客戶日益增長的生產(chǎn)需求，這時候就該輪到機器學習技術上場了。
機器學習與機器人都是未來世界發(fā)展的重要組成部分，原本是兩個獨立的話題，而如今，這二者正在慢慢重疊，相互補充。那么，機器學習對于工業(yè)機器人來說能實現(xiàn)哪些功能?工業(yè)機器人又是如何依靠機器學習技術來提升自身能力，實現(xiàn)“自我”價值的呢?
1.產(chǎn)品質檢：基于AI算法平臺，通過良品、不良品以及不同瑕疵類型的訓練圖片，機器學習技術能夠完成初期質檢能力的建模，提高機器人質檢效率，加快工廠生產(chǎn)進度。
2. 3D定位：通過對物料數(shù)據(jù)的收集與學習，從而對物料場景中多種物料進行識別定位，這項技術已廣泛應用于拆垛、碼垛及單品揀選等領域。
3.運行優(yōu)化：通過對歷史數(shù)據(jù)的分析，找到能耗、物耗、路徑的相對最優(yōu)方案，為機器人提供運行優(yōu)化建議。
4.專家知識庫：記錄機器人操控信息及對應結果，及時反饋數(shù)據(jù)，可實現(xiàn)專業(yè)知識與技能的沉淀，持續(xù)優(yōu)化設備運行狀態(tài)。
5.故障診斷：改善設備的狀態(tài)數(shù)據(jù)與狀態(tài)描述的對應關系，通過對狀態(tài)的實時監(jiān)測和精準描述，實現(xiàn)設備的健康診斷和設備故障預警、報警。
6.數(shù)據(jù)甄別：建立多維度數(shù)據(jù)之間的相互關聯(lián)模型，精準識別異常數(shù)據(jù)(包括數(shù)據(jù)造假、數(shù)據(jù)異常、數(shù)據(jù)缺失等) 。
7.自動控制：針對不同場景，對機器人的全過程要素進行整合、調度和控制，充分發(fā)揮機器人的智能化操作水平。
8.壽期預測：結合機器人設計參數(shù)、運行環(huán)境、運行工況等數(shù)據(jù)，實現(xiàn)對設備生命周期的預測和管理。
9.設計優(yōu)化：綜合過程數(shù)據(jù)，對機器人、產(chǎn)線設計進行優(yōu)化改進，讓解決方案的硬件設計更加合理，使工廠的自動化與智能化運行更加極致。
實際上，機器學習更像是一種發(fā)散的思維模式，現(xiàn)在的機器人所涉及到的學科非常廣泛，如機器人學、圖像處理、機械電子、通訊技術和機器學習等，隨著機器人的復雜度越來越高，什么時間什么地點，要用到哪種機器學習技術，還需要研發(fā)人員去做出相應的權衡與折中。
機器學習掀起機器人行業(yè)變革浪潮
機器人廠商通過機器學習的手段來提升產(chǎn)品智能化的案例數(shù)不勝數(shù)，接下來我們僅舉幾個典型案例，看看這一AI技術為機器人行業(yè)所帶來的變革。
ABB機器人
前不久，ABB迎來了雙臂YuMi協(xié)作機器人的5周年生日。這一大量運用了算法、深度學習、傳感器和拖動示教等技術的機器人是世界上第一款真正實現(xiàn)人機協(xié)作的雙臂機器人，集柔性機械手、進料系統(tǒng)、基于相機的工件定位系統(tǒng)及尖端運動控制系統(tǒng)于一體，能實現(xiàn)與人類無間的合作，幫助企業(yè)工廠改善工作環(huán)境，提高工作效率。
此外，ABB 還推出了垃圾分類的解決方案，通過機器人、計算機和傳感器結合的神經(jīng)網(wǎng)絡技術，像人腦一樣對垃圾進行分類和揀選。這套解決方案由YuMi雙臂機器人、負責上料的IRB 1200以及視覺系統(tǒng)、人工智能、機器學習等組成。云端儀表板向YuMi機器人展示垃圾圖像，幫助它識別垃圾類型并將垃圾分別揀選至四類垃圾箱中。然后垃圾會轉移至輸送帶，IRB 1200 機器人集取垃圾并將其送入回收利用環(huán)節(jié)。
去年9月，ABB機器人上海新工廠宣布動工，據(jù)了解，新工廠將采用大量機器學習、數(shù)字化和協(xié)作解決方案，使其成為機器人行業(yè)中最先進、自動化與柔性化程度最高的工廠，此外其研發(fā)中心還將幫助加快人工智能領域的創(chuàng)新。
庫卡KUKA
庫卡機器人是一家擁有百年歷史的德國企業(yè)，世界工業(yè)機器人制造巨頭之一，比如特斯拉汽車就全部采用庫卡機械手進行制造。利用強化學習技術的明星產(chǎn)品智能機械手LBR iiwa，可實現(xiàn)三維空間的自由旋轉。LBR iiwa看上去比人類手臂還要柔韌靈活，可以以動力控制方式快速識別輪廓，感測正確的安裝位置，以最高精度極其快速地安裝工件，記錄軌跡點坐標，具備自適應、獨立、反應快速、靈敏等優(yōu)勢。
庫卡打服波爾，這句話想必大家都有所耳聞。在獲得了工業(yè)霸主地位之后，庫卡前進的步伐沒有停止，而是把機械手伸到了更多的領域。庫卡曾發(fā)布過一條視頻，讓稱為世界上最快的機器人 KR AGILUS 在乒乓球臺上挑戰(zhàn)世界冠軍波爾。庫卡靈活的機械手臂可以處理好任何方向、任意旋轉的來球，而且比人的反應速度更快，對來球的判斷也更加精準。波爾在它面前沒有任何優(yōu)勢，甚至是連連敗退，若不是他及時發(fā)現(xiàn)了庫卡處理不好擦邊球和滾網(wǎng)球漏洞的話會敗得很慘。
值得一提的是，在今年一季度結束時，庫卡機器人宣布斬獲BMW 5000臺巨額訂單，這些機器人包括不同型號，主要用于車身制造和其它領域，這一訂單在疫情彌漫的今年可謂是“及時雨”。
發(fā)那科Fanuc
發(fā)那科聯(lián)合創(chuàng)始人兼首席執(zhí)行官Toru Nishikawa在參觀Fanuc工廠時，注意到了人工智能技術的缺失，同時也看到了應用深度學習技術的機會——利用發(fā)那科制造機器人收集海量數(shù)據(jù)，同時提高自己的能力。
Nishikawa的洞察力帶來的回報是Fanuc的智能邊緣鏈接和驅動器(Field)。這一開放的、基于云的平臺系統(tǒng)在2016年推出，它讓Fanuc以從前難以想象的規(guī)模收集全球制造數(shù)據(jù)，并將其輸送到自主學習機器人處。
FIELD system能為用戶和應用開發(fā)者提供先進的機器學習和人工智能功能，并將制造業(yè)引入到生產(chǎn)力和效率的新高度。目前，發(fā)那科已將這些新技術應用于機器人散堆拾取、生產(chǎn)異常檢測和故障預測中。
FIELD system 結合了人工智能和尖端計算機技術，使分布式學習成為可能。機器人和設備的運行數(shù)據(jù)在網(wǎng)絡上被實時的進行處理，這也讓各種設備之間能更智能的進行協(xié)調生產(chǎn)，令原來難以實現(xiàn)的復雜生產(chǎn)協(xié)調變得簡單。
安川電機YASKAWA
說起全球著名的機器人生產(chǎn)商，大家一定會不約而同地想起這家位于日本福岡縣的機器人品牌——安川電機(以下簡稱：安川)。2017年10月，安川提出了實現(xiàn)新工業(yè)自動化革命的概念“i3-Mechatronics”，致力于把AI技術添加到安全的產(chǎn)品中，為全球客戶提供具有競爭力的新的工業(yè)解決方案。并在2018年3月份成立了致力于AI解決方案開發(fā)的控股子公司AI Cube，公布了與AI解決方案公司Cross Compass的戰(zhàn)略聯(lián)盟關系。
這一子公司的設立，旨在收集基于伺服/變頻器和機器人產(chǎn)品在制造現(xiàn)場產(chǎn)生的大數(shù)據(jù)，通過AI技術開發(fā)利用這些大數(shù)據(jù)，幫助客戶解決制造現(xiàn)場面臨的各種問題。安川表示將專注于開發(fā)直接改進生產(chǎn)力的解決方案，如用于視覺檢測的圖像處理，用于故障預測的時間序列分析以及縮短生產(chǎn)節(jié)拍時間的優(yōu)化。
安川推出的i3-Mechatronics智能工廠解決方案將伺服電機、控制器、變頻器、機器人等產(chǎn)品集成起來，為客戶提供完整的工廠自動化解決方案。該方案將記錄生產(chǎn)數(shù)據(jù)、了解生產(chǎn)機械現(xiàn)狀，從而實現(xiàn)生產(chǎn)狀況與運轉狀況的全把控。
這是機器的時代，但更是機器類人、機器助人的時代。無論是智能制造的需求帶動，還是技術升級的推動發(fā)展，機器學習技術都將是機器人在新一輪產(chǎn)業(yè)革命下的核心技術。學無止境，相信這句話對機器人同樣適用。
