2022年，我們可以看到機器人發(fā)展的一個顯著趨勢，那就是更大的靈活性。在最近的一次采訪中，機器人軟件公司Insident的首席執(zhí)行官Wendy Tan White預測，工業(yè)機器人領域?qū)⒊霈F(xiàn)更多的創(chuàng)新。她認為，在軟件優(yōu)先解決方案、更便宜的傳感器和更豐富的數(shù)據(jù)的推動下，我們正處在工業(yè)機器人復興的風口浪尖。

　　今天的制造商正尋求在機器人方面做更多的工作。用于希望更小、更靈活的設計能夠輕松地適應現(xiàn)有的生產(chǎn)線，或者他們現(xiàn)有的機器人能夠輕松地重新調(diào)整用途并重新分配任務。

　　在物流、倉庫或?qū)嶒炇业绕渌I域，對機器人在正常制造空間之外發(fā)揮作用的需求將不斷增長。特別是協(xié)作機器人(cobots)，將繼續(xù)提供與人類進行更大的合作和協(xié)作工作的可能性。一個著名的例子是亞馬遜的 Kiva 機器人，它是機器人化的托盤搬運車，可以跟隨倉庫周圍的工人并支持他們完成任務。

　　在 2022 年及以后，機器人將越來越多地用于在倉庫或生產(chǎn)線周圍揀選和移動產(chǎn)品。其他增長領域?qū)ㄅc計算機數(shù)控 (CNC) 設備一起運行的協(xié)作機器人，焊接應用的可能性也越來越大。那么，機器人是否已經(jīng)準備好勝任這些不同的角色?

　　視覺系統(tǒng)

　　機器人執(zhí)行新任務(例如在倉庫中挑選和移動產(chǎn)品)不可或缺的一項功能是增加對 2D 和 3D 視覺系統(tǒng)的使用。"盲"機器人(或沒有視覺系統(tǒng)的機器人)只能完成簡單的重復性任務，而具有機器視覺的機器人可以對周圍環(huán)境做出直觀反應。

　　借助2D 系統(tǒng)，機器人就配備了一個攝像頭。這種方法更適合讀取顏色或紋理很重要的應用，例如條形碼檢測。另一方面，3D系統(tǒng)是從 2003 年首次在麻省理工學院 (MIT) 開發(fā)的空間計算發(fā)展而來的。它們依靠多個攝像頭來創(chuàng)建目標對象的 3D 模型，適用于任何形狀或位置需要考慮的任務，例如自動抓取零件。

　　2D 和 3D 視覺系統(tǒng)都可以提供很多功能。尤其是 3D 系統(tǒng)，可以克服配備 2D 的機器人在執(zhí)行物理任務時遇到的一些錯誤，否則這些錯誤會需要人工診斷和解決，并可能產(chǎn)生故障。展望未來，配備 3D 視覺系統(tǒng)的機器人將在檢查發(fā)動機零件或產(chǎn)品質(zhì)量等缺陷、包裝檢查、檢查組件方向等方面釋放更多的潛力。

　　正確的選擇

　　未來幾年，工業(yè)機器人技術(shù)的重點將從傳感器設備硬件轉(zhuǎn)向構(gòu)建人工智能(AI)，以幫助優(yōu)化傳感器的使用，并最終提高性能。

　　AI、機器視覺和機器學習的結(jié)合將迎來機器人技術(shù)的下一階段。預計將看到更多旨在幫助制造商實現(xiàn)更高水平的卓越運營、彈性和成本效益的數(shù)據(jù)管理和增強分析系統(tǒng)。

　　這將包括機器視覺與學習能力的結(jié)合。以精確的無序揀選應用為例，這是機器人最搶手的任務之一。對于以前的機器人系統(tǒng)，需要專業(yè)的計算機輔助設計 (CAD) 編程來確保機器人能夠識別形狀。雖然這些 CAD 系統(tǒng)可以識別揀選箱中的任何給定物品，但如果，物品在揀選箱分揀任務中以隨機順序出現(xiàn)，系統(tǒng)就會遇到問題。

　　取而代之的是，先進的視覺系統(tǒng)使用被動成像，即光子被物體發(fā)射或反射，然后形成圖像。因此，機器人可以自動檢測物品，無論它們的形狀或順序如何。

　　Shibaura Machine 的視覺系統(tǒng) TSVision3D 就是一個例子，它使用兩個高速攝像機連續(xù)捕捉 3D 圖像。通過使用智能軟件，該系統(tǒng)可以處理這些圖像并識別物品的確切位置。通過這個過程，機器人可以確定最合乎邏輯的順序并以亞毫米的精度拾取物品，就像人類工人一樣輕松。

　　機器人技術(shù)在將機器視覺與機器人學習相結(jié)合方面具有巨大潛力。可能的應用包括基于視覺的無人機、倉庫拾放應用和機器人分揀或回收等。

　　試錯過程

　　借助 TSVision3D，我們看到機器人 AI 發(fā)展到可以像人類一樣可靠地解釋圖像的程度。這種演變的另一個關鍵特征是機器學習，它允許機器人從錯誤中學習并適應。

　　一個例子是由人工智能研究實驗室 OpenAI 創(chuàng)建的 DACTYL 機器人系統(tǒng)。借助 DACTYL 系統(tǒng)，虛擬機械手可以通過反復試驗進行學習。這些數(shù)據(jù)被傳輸?shù)浆F(xiàn)實生活中靈巧的機器人手上，通過類似人類的學習，機器人能夠更有效地抓取和操作物體。

　　這個過程也稱為深度學習，是機器人 AI 的下一步。希望通過試錯過程，就像 DACTYL 系統(tǒng)一樣，機器人可以學會在不同的環(huán)境中執(zhí)行更多不同的任務。

　　邊緣智能

　　簡而言之，邊緣計算意味著將數(shù)據(jù)處理盡可能靠近其源頭，以便更好地獲取數(shù)據(jù)并確定其優(yōu)先級。它不是像傳統(tǒng)麥克風或攝像頭那樣的"啞巴"傳感器，而是使用智能傳感器，例如配備語言處理能力的麥克風、濕度和壓力傳感器，或配備計算機視覺的攝像頭。

　　邊緣計算可以與上述技術(shù)相結(jié)合。因此，機械臂可以通過智能傳感器和 3D 視覺系統(tǒng)讀取數(shù)據(jù)，然后將其發(fā)送到帶有人機界面 (HMI) 的服務器，在那里工作人員可以檢索數(shù)據(jù)。

　　使用邊緣系統(tǒng)可以減少與云之間的數(shù)據(jù)傳輸，從而緩解網(wǎng)絡擁塞和延遲，并允許更快地執(zhí)行計算。這些工業(yè) 4.0 創(chuàng)新將用于改進最新的機械臂末端工具硬件系統(tǒng)，例如機器人的夾具或加工中心的夾緊系統(tǒng)，使這些硬件系統(tǒng)的精度逐年提高。

　　我們應該期待在工業(yè)機器人領域看到更多的創(chuàng)造力和變革。改進的視覺系統(tǒng)、AI和邊緣系統(tǒng)也可以結(jié)合起來，以幫助確保制造商及其機器人在未來幾年繼續(xù)蓬勃發(fā)展。