亚洲日韩国产一区二区三区在线_日本老熟妇毛茸茸_一二三四视频社区在线_精品熟女少妇av免费久久

8月20日-25日，“2019*機器人大會”在北京亦創(chuàng)國際會展中心舉行。8月22日，ABB（中國）有限公司首席技術官劉前進在新興應用與實踐論壇作了主題為《機器與人：從共存到共事》的報告。

機器人和人工智能如何結(jié)合？

關于機器人的安裝和使用，現(xiàn)在的機器人使用的時候，雖然相比過去有很大的進步，但還是有些復雜。

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，但是和機器人結(jié)合的話會發(fā)現(xiàn)現(xiàn)場工況很難標注，沒有辦法預測所有的場景。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)在我們深度學習做的一些工作來做位置識別，準確知道機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，然后指導機器人完成，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)強化學習完成某個規(guī)則。經(jīng)過一段時間的強化訓練以后，發(fā)現(xiàn)我們可以達到這種效果，就是600多萬個不同種類的空間之中，機器人強化學習可以達到96%的識別率，之后我們會有更好的辦法，希望達到99%以上，甚至再有新的東西出來以后能夠簡化學習的過程；

• 第三層次是應用程序的端到端學習，自己學習背后的機理、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。

我們的科學家到了現(xiàn)場看了實際情況后，通過不同的照片標注、識別、確定精準度，*后可以達到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。拍下一張圖片當中有幾十只蝦，通過算法推理一下子就把蝦的抓取點標識出來，交給機器人之后完全可以完成剩下的工作，“機器人抓蝦，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行抓取，難度在哪里呢？

因為形狀不規(guī)則，傳統(tǒng)的機器視覺很難做到，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)機器人領域能夠把混合、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器人進行結(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知和理解方面所做的工作，現(xiàn)在我們看到強化學習推進的過程優(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知和理解，具體解決也可以帶來更多的突破。一個工廠當中的自動化系統(tǒng)一定有些場合、有些場景不是我們工程師提前預測到的，之前沒有預測和發(fā)生過的事情我們能怎么做？能不能讓機器自我學習，處理一些之前沒有預料到過的狀況，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，這個過程當中人是永遠存在的，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。