• 不少工廠正在使用機(jī)器人技術(shù)中的機(jī)器學(xué)習(xí)來提高產(chǎn)量、實(shí)現(xiàn)質(zhì)量保證自動(dòng)化、預(yù)測(cè)維護(hù)計(jì)劃等。

• 多種類型的機(jī)器學(xué)習(xí)技術(shù)帶來了人們對(duì)機(jī)器人技術(shù)的應(yīng)用。

• 機(jī)器人技術(shù)中的機(jī)器學(xué)習(xí)使得生產(chǎn)制造領(lǐng)域的運(yùn)營(yíng)更安全、更敏捷、更加以客戶為中心、更高效、并能創(chuàng)造出更多的利潤(rùn)。

• 制造商可以開始逐漸在機(jī)器人領(lǐng)域采用機(jī)器學(xué)習(xí)，并有望較快地獲得投資回報(bào)（相對(duì)于其他投資）。

• 機(jī)器學(xué)習(xí)在機(jī)器人領(lǐng)域中的進(jìn)步將使工廠的裝配線能夠得到快速的重新配置。

機(jī)器學(xué)習(xí)是人工智能（AI）的一個(gè)分支，研究的對(duì)象是讓軟件程序能夠根據(jù)自己的經(jīng)驗(yàn)自動(dòng)改進(jìn)算法的過程。《財(cái)富商業(yè)洞察》雜志最近的一項(xiàng)研究和報(bào)告預(yù)計(jì)，全球的機(jī)器學(xué)習(xí)市場(chǎng)將從 2022 年的 212 億美元（約合人民幣 1500 億元）增長(zhǎng)到 2029 年的 2099 億美元（約合人民幣 15000 億元），年復(fù)合增長(zhǎng)率為 38.8%。

純數(shù)字機(jī)器學(xué)習(xí)過程可以從許多方面為生產(chǎn)制造帶來益處，例如改進(jìn)產(chǎn)品設(shè)計(jì)和運(yùn)營(yíng)效率，但本文主要討論機(jī)器人技術(shù)中的機(jī)器學(xué)習(xí)。雖然機(jī)器人流程自動(dòng)化（RPA）技術(shù)是基于軟件的技術(shù)，可為企業(yè)帶來好處，包括節(jié)省成本和提高效率，而這里所指的機(jī)器人是指物理工業(yè)機(jī)器人。

機(jī)器學(xué)習(xí)在工廠中的應(yīng)用

機(jī)器學(xué)習(xí)是創(chuàng)建互聯(lián)工廠的關(guān)鍵組成部分，互聯(lián)工廠包括一系列工業(yè)物聯(lián)網(wǎng)（IIoT）設(shè)備，包括作為智能制造范式一部分的可強(qiáng)化和簡(jiǎn)化工作流程的機(jī)器人技術(shù)。工業(yè)物聯(lián)網(wǎng)傳感器可生成大數(shù)據(jù)流，機(jī)器學(xué)習(xí)數(shù)據(jù)分析可從中挖掘出有價(jià)值的信息。機(jī)器人技術(shù)還有通過其中一些工業(yè)物聯(lián)網(wǎng)傳感器提高感知和推理周圍環(huán)境的能力，這些傳感器包括但不限于超聲波、雷達(dá)、激光雷達(dá)、力傳感器以及來自照相機(jī)、圖形處理器（GPU）和機(jī)器學(xué)習(xí)人工智能的計(jì)算機(jī)視覺。

除了用于產(chǎn)品組裝之外，機(jī)器學(xué)習(xí)已經(jīng)開始并將繼續(xù)以多種方式改變制造業(yè)。機(jī)器學(xué)習(xí)可以讓產(chǎn)品組裝從中得到巨大的益處；用具有機(jī)器學(xué)習(xí)技術(shù)的設(shè)備來制造某些產(chǎn)品（例如半導(dǎo)體），可以減少停機(jī)時(shí)間、溢出以及維護(hù)和檢查成本。

機(jī)器學(xué)習(xí)正在改變從裝配到維護(hù)和檢查的制造流程。

組裝后的工作和機(jī)器學(xué)習(xí)可以提高質(zhì)量保證?，F(xiàn)在，高分辨率攝像頭和高性能圖形處理器已經(jīng)很常見，而且價(jià)格也不是貴得讓人望而卻步，在更好地檢查產(chǎn)品的缺陷方面，機(jī)器學(xué)習(xí)計(jì)算機(jī)視覺系統(tǒng)要比人的能力強(qiáng)。

機(jī)器學(xué)習(xí)還可以執(zhí)行無(wú)損測(cè)試，而不會(huì)出現(xiàn)人為的錯(cuò)誤。例如，將超聲波等傳感器數(shù)據(jù)與機(jī)器學(xué)習(xí)分割和對(duì)象檢測(cè)算法結(jié)合使用，可以更準(zhǔn)確、更高效地發(fā)現(xiàn)材料中的裂紋和類似的缺陷。

普華永道（PwC）在其執(zhí)行研究論文 Digital Factories 2020—Shaping the Future of Manufacturing （“數(shù)字工廠 2020——塑造制造業(yè)的未來”）中報(bào)告說，制造業(yè)的預(yù)測(cè)性維護(hù)將是未來幾年機(jī)器學(xué)習(xí)在工廠中的最大增長(zhǎng)領(lǐng)域，從 2020 年 28% 的公司實(shí)際使用率增長(zhǎng)到 2025 年的 66% 計(jì)劃使用率。工廠機(jī)器人和其他機(jī)器的預(yù)測(cè)性維護(hù)源自設(shè)備上的工業(yè)物聯(lián)網(wǎng)傳感器生成的大數(shù)據(jù)，這些傳感器可記錄有關(guān)設(shè)備狀況的信息。普華永道的研究指出，機(jī)器學(xué)習(xí)算法然后對(duì)數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)出機(jī)器何時(shí)需要維護(hù)，從而幫助避免因計(jì)劃外維護(hù)而造成的代價(jià)高昂的停機(jī)時(shí)間，把維護(hù)工作計(jì)劃在客戶需求較低時(shí)期。

機(jī)器人技術(shù)、其他機(jī)器、產(chǎn)品甚至整個(gè)工廠的數(shù)字孿生是真實(shí)物體或假設(shè)物體的虛擬表示，它們使用模擬、人工智能和機(jī)器學(xué)習(xí)預(yù)測(cè)和優(yōu)化性能以提高質(zhì)量和效率，而成本要低于在物理環(huán)境下實(shí)際操作的費(fèi)用。

雖說機(jī)器學(xué)習(xí)在工廠中的其他用途與機(jī)器人技術(shù)關(guān)系不大，但仍然可以提高整個(gè)制造業(yè)的效率。正如來自工業(yè)物聯(lián)網(wǎng)傳感器的大數(shù)據(jù)能夠支持機(jī)器學(xué)習(xí)進(jìn)行預(yù)測(cè)性維護(hù)一樣，將來自數(shù)字工廠的集中數(shù)據(jù)分析結(jié)果輸入到機(jī)器學(xué)習(xí)算法中可以改善供應(yīng)鏈管理（從優(yōu)化物流路線到用計(jì)算機(jī)視覺庫(kù)存管理取代條形碼掃描，再到優(yōu)化可用存儲(chǔ)空間）。機(jī)器學(xué)習(xí)還可以預(yù)測(cè)需求模式，以幫助避免生產(chǎn)過剩。

在生產(chǎn)過程中，企業(yè)需要對(duì)成本、材料、重量、強(qiáng)度和其他因素（例如制造技術(shù)）進(jìn)行優(yōu)化，然而在優(yōu)化過程中有數(shù)以千計(jì)的設(shè)計(jì)可能性，衍生式設(shè)計(jì)可以使用機(jī)器學(xué)習(xí)對(duì)這些數(shù)目眾多的可能性進(jìn)行篩查以達(dá)到預(yù)期的目的，讓企業(yè)充分利用工廠車間現(xiàn)有的機(jī)器人技術(shù)和機(jī)器。

如何在機(jī)器學(xué)習(xí)中訓(xùn)練機(jī)器人

機(jī)器學(xué)習(xí)算法，無(wú)論是純數(shù)字的（如互聯(lián)網(wǎng)的搜索引擎），還是應(yīng)用于物理機(jī)器（如機(jī)器人系統(tǒng)）上的，都需要有大量的數(shù)據(jù)集輸入才能識(shí)別各種模式并從中學(xué)習(xí)。為了涵蓋人工智能可能遇到的（和不太可能遇到的）場(chǎng)景，輸入的數(shù)據(jù)量必須足夠龐大才能滿足機(jī)器的全面學(xué)習(xí)。如果沒有足夠的數(shù)據(jù)，機(jī)器學(xué)習(xí)“模型”可能永遠(yuǎn)也無(wú)法完全發(fā)揮潛能。當(dāng)然，數(shù)據(jù)也必須準(zhǔn)確，模型才能正確地完成學(xué)習(xí)。機(jī)器學(xué)習(xí)可對(duì)重要的人工智能進(jìn)行訓(xùn)練，例如輔助手術(shù)的醫(yī)療機(jī)器人，因此數(shù)據(jù)的準(zhǔn)確性至關(guān)重要。

第三方數(shù)據(jù)訓(xùn)練平臺(tái)可用于訓(xùn)練機(jī)器人系統(tǒng)之類的機(jī)器學(xué)習(xí)模型，以執(zhí)行不斷增長(zhǎng)的任務(wù)和行為列表，例如裝配和構(gòu)建產(chǎn)品和結(jié)構(gòu)，以及與人互動(dòng)或避開人體等。數(shù)據(jù)訓(xùn)練公司可以根據(jù)工廠所建議的機(jī)器人系統(tǒng)需要在工廠中發(fā)揮的作用定制訓(xùn)練數(shù)據(jù)。

機(jī)器學(xué)習(xí)有許多分支，如深度學(xué)習(xí)，這在今天已經(jīng)非常普遍，因?yàn)樗璧拇罅坑?jì)算能力現(xiàn)在已經(jīng)很強(qiáng)大而且相對(duì)負(fù)擔(dān)得起。深度學(xué)習(xí)利用神經(jīng)網(wǎng)絡(luò)（即節(jié)點(diǎn)網(wǎng)絡(luò)），其中節(jié)點(diǎn)的權(quán)重是從數(shù)據(jù)中學(xué)習(xí)的。這些網(wǎng)絡(luò)的設(shè)計(jì)就是用來模仿人類和動(dòng)物大腦適應(yīng)動(dòng)態(tài)輸入進(jìn)行學(xué)習(xí)的。以下是影響機(jī)器人技術(shù)的機(jī)器學(xué)習(xí)的其他一些分支，以及它們的一些應(yīng)用。

一名醫(yī)生正在使用機(jī)器人手術(shù)系統(tǒng)。

計(jì)算機(jī)視覺

通過使用深度神經(jīng)網(wǎng)絡(luò)，計(jì)算機(jī)視覺使機(jī)器能夠解讀視覺刺激，如數(shù)字圖像、視頻和來自雷達(dá)、激光雷達(dá)和超聲波等傳感器技術(shù)的數(shù)據(jù)。它在執(zhí)行這種操作時(shí)，類似于人類視覺將物體彼此區(qū)分開來的方式，了解物體之間的距離、物體是否在運(yùn)動(dòng)，并觀察圖像中是否有問題。然后，機(jī)器可以根據(jù)其視覺輸入建議采取行動(dòng)或自行采取行動(dòng)。

例如，具有足夠強(qiáng)大處理能力的計(jì)算機(jī)視覺系統(tǒng)可以超越人類檢查產(chǎn)品或觀察裝配線的能力，因?yàn)樗鼈兛梢员热祟惛斓貙?duì)大量物體進(jìn)行快速分析并發(fā)現(xiàn)更加微小的缺陷。計(jì)算機(jī)視覺系統(tǒng)的深度學(xué)習(xí)過程需要吸收大量的數(shù)據(jù)才能對(duì)物體進(jìn)行比較并最終了解兩個(gè)物體（如一個(gè)完美的零件和一個(gè)有缺陷的零件）之間的差異。數(shù)據(jù)在卷積神經(jīng)網(wǎng)絡(luò)（CNN）中處理以解讀單個(gè)圖像，并在循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）中處理以解讀一系列圖像，例如視頻饋送。

來自安保和交通方面的攝像頭、智能手機(jī)和其他視覺技術(shù)的大數(shù)據(jù)的涌入幫助計(jì)算機(jī)視覺蓬勃發(fā)展，而且該技術(shù)一直是自動(dòng)檢查系統(tǒng)興起的關(guān)鍵。計(jì)算機(jī)視覺不僅在自動(dòng)駕駛汽車識(shí)別和避開其他汽車、行人、自行車、道路指示牌和標(biāo)記的前景中起著關(guān)鍵的作用，而且在制造業(yè)中的應(yīng)用也在不斷增長(zhǎng)。IBM 預(yù)測(cè)，計(jì)算機(jī)視覺市場(chǎng)在 2022 年將達(dá)到 486 億美元（約合人民幣 3450 億元）。

IBM 還致力于利用工業(yè)物聯(lián)網(wǎng)設(shè)備內(nèi)的邊緣計(jì)算能力，在汽車制造中使用計(jì)算機(jī)視覺來檢測(cè)質(zhì)量缺陷。這種功能可以依靠計(jì)算機(jī)視覺的對(duì)象檢測(cè)能力來實(shí)現(xiàn)，它可識(shí)別產(chǎn)品缺陷或需要維修的機(jī)器，讓幾乎任何制造領(lǐng)域受益。計(jì)算機(jī)視覺的對(duì)象跟蹤（即檢測(cè)到物體后對(duì)其進(jìn)行跟蹤的能力）對(duì)于機(jī)器人程序（旨在于共享空間內(nèi)實(shí)現(xiàn)人類和機(jī)器人直接交互的“協(xié)作機(jī)器人”）以及自動(dòng)駕駛車輛和無(wú)人機(jī)來說都是至關(guān)重要的。

模仿學(xué)習(xí)（在該過程中，人類“訓(xùn)練師”對(duì)機(jī)器人進(jìn)行行為訓(xùn)練）對(duì)于人形機(jī)器人和肢體機(jī)器人來說很重要。

模仿學(xué)習(xí)

模仿學(xué)習(xí)是一種接受指導(dǎo)的機(jī)器學(xué)習(xí)的形式，在這一過程中，“訓(xùn)練師”（通常是人類）在物理或模擬環(huán)境中向機(jī)器學(xué)習(xí)實(shí)體展示行為，人工智能設(shè)備根據(jù)訓(xùn)練師的示例制定行為策略。會(huì)學(xué)習(xí)的人工智能設(shè)備（或“智能體”）從環(huán)境中的“自變量”以及來自訓(xùn)練師動(dòng)作的“目標(biāo)變量”中獲取輸入。例如，如果人工智能設(shè)備試圖從訓(xùn)練師那里學(xué)習(xí)抓握的動(dòng)作，那么目標(biāo)變量可能是訓(xùn)練師從抓握一種物體變?yōu)樽ノ樟硪环N物體的變化方式。根據(jù)訓(xùn)練師的教導(dǎo)，人工智能設(shè)備會(huì)制定一種“方針”或策略，以供在將來的行為學(xué)習(xí)中使用。

無(wú)論是自動(dòng)駕駛的汽車，還是可以擊敗人類世界圍棋冠軍的機(jī)器，在這類人工智能中，模仿學(xué)習(xí)都起著重要的作用。在機(jī)器人技術(shù)領(lǐng)域，模仿學(xué)習(xí)對(duì)于現(xiàn)場(chǎng)機(jī)器人的制作來說一直都起著十分關(guān)鍵的作用，無(wú)論這些現(xiàn)場(chǎng)機(jī)器人是用來在靜態(tài)和可預(yù)測(cè)的環(huán)境（如工廠）之外作業(yè)，還是用來在某些特殊行業(yè)（如建筑、農(nóng)業(yè)和軍事）作業(yè)。這是開發(fā)人形機(jī)器人和其他腿式機(jī)器人以及越野移動(dòng)機(jī)器人的重要方法。

多智能體強(qiáng)化學(xué)習(xí)

有一種強(qiáng)化學(xué)習(xí)的方式（多智能體學(xué)習(xí)或多智能體強(qiáng)化學(xué)習(xí)），將多個(gè)人工智能設(shè)備或智能體放置在一個(gè)共同的物理或模擬環(huán)境中。模仿學(xué)習(xí)教導(dǎo)單個(gè)智能體嘗試模仿訓(xùn)練師的動(dòng)作，而多智能體學(xué)習(xí)則通過多個(gè)智能體之間的協(xié)作（或相互競(jìng)爭(zhēng)）以及從效仿“他人”的行為中進(jìn)行學(xué)習(xí)，從而產(chǎn)生一種累積學(xué)習(xí)效果。每個(gè)智能體都可以根據(jù)自己的觀察和經(jīng)驗(yàn)獲取自己的信息，并可以共享信息以促進(jìn)集體進(jìn)步。這種機(jī)器學(xué)習(xí)在游戲中的應(yīng)用已經(jīng)非常普遍，而且在其他領(lǐng)域也有許多應(yīng)用，例如，自動(dòng)駕駛車隊(duì)或搜索救援的機(jī)器人團(tuán)隊(duì)。

來自 OpenAI 的關(guān)于多智能體學(xué)習(xí)的熱門視頻讓兩支人工智能團(tuán)隊(duì)在捉迷藏的游戲中展開了對(duì)抗。經(jīng)過多次迭代，最初非常初級(jí)的游戲玩法演變?yōu)閺?fù)雜的策略，因?yàn)楦?jìng)爭(zhēng)的團(tuán)隊(duì)學(xué)會(huì)了創(chuàng)造障礙、克服障礙、建造結(jié)構(gòu)、找到進(jìn)入這些結(jié)構(gòu)的方法等技巧。

自監(jiān)督學(xué)習(xí)

機(jī)器學(xué)習(xí)的許多早期工作，例如用來識(shí)別圖像內(nèi)容的計(jì)算機(jī)視覺項(xiàng)目，需要用元標(biāo)簽對(duì)數(shù)據(jù)進(jìn)行標(biāo)記。例如，每個(gè)圖像都必須標(biāo)記為“狗”或“熱狗”等等。這種標(biāo)記工作往往意味著時(shí)間和資金方面的巨大成本。與此形成鮮明對(duì)比的是，自監(jiān)督學(xué)習(xí)（SSL）算法不依賴于標(biāo)記數(shù)據(jù)。相反，這種學(xué)習(xí)方法訓(xùn)練自己根據(jù)輸入的一部分內(nèi)容來預(yù)測(cè)即將輸入的另外一部分內(nèi)容，所以有時(shí)也被稱為預(yù)測(cè)性學(xué)習(xí)。SSL 的用途表現(xiàn)在不同的領(lǐng)域，例如，在機(jī)器自然語(yǔ)言處理（NLP）和谷歌的醫(yī)療圖像分類工作中。

大多數(shù) SSL 算法都被限制在單個(gè)“域”的輸入，例如口語(yǔ)詞匯、文字或圖像。然而，斯坦福大學(xué)以人為中心的人工智能研究所（HAI）的研究人員引入了 DABS（自監(jiān)督學(xué)習(xí)的未知領(lǐng)域基準(zhǔn)），讓算法能夠從七種輸入類型的角度應(yīng)用 SSL（包括多語(yǔ)言文本和語(yǔ)音、傳感器數(shù)據(jù)和圖像），而且還可在以后進(jìn)一步添加。SSL 已對(duì)提高自動(dòng)駕駛車輛的安全性和疾病診斷起到了積極的作用。DABS 可以降低企業(yè)使用 SSL 的準(zhǔn)入門檻，并在工業(yè)診斷等領(lǐng)域逐漸展現(xiàn)出相當(dāng)?shù)臐摿Α?/p>

使用機(jī)器學(xué)習(xí)和機(jī)器人的好處

隨著機(jī)器人技術(shù)中的機(jī)器學(xué)習(xí)變得越來越復(fù)雜，它使機(jī)器人系統(tǒng)能夠接管那些對(duì)人類來說是危險(xiǎn)的或高度重復(fù)的更為復(fù)雜的工作，并且/或者隨著對(duì)感知周圍環(huán)境能力的提高，機(jī)器人可與人類進(jìn)行更多的互動(dòng)。這使得智能工廠對(duì)工人來說更安全，同時(shí)也讓他們騰出時(shí)間從事更具創(chuàng)造性的“軟技能”工作，或者提高技能，以從事編程和機(jī)器維修等工作。

具有機(jī)器學(xué)習(xí)功能的機(jī)器人可以減少人為的錯(cuò)誤，避免意外停機(jī)，并以超出人類能力的精確度和一致性檢查產(chǎn)品質(zhì)量，這也使得生產(chǎn)制造的生產(chǎn)力和效率得以提高，從而提高利潤(rùn)。

2022 年，麥肯錫與世界經(jīng)濟(jì)論壇合作，將全球1萬(wàn)多家工廠中的 103 家工廠歸類為“燈塔”工廠，這意味著它們已完全過渡到工業(yè) 4.0 技術(shù)。該研究發(fā)現(xiàn)，這些燈塔工廠更加靈活，以客戶為中心，并在生產(chǎn)率和可持續(xù)性領(lǐng)域（例如減少浪費(fèi)和溫室氣體排放）更大程度地改善了關(guān)鍵績(jī)效指標(biāo)。該項(xiàng)研究還從這些燈塔工廠中挑選出 59 家先進(jìn)工廠。這些先進(jìn)的燈塔工廠比其他公司更廣泛地采用機(jī)器學(xué)習(xí)技術(shù)，包括使用靈活的與人協(xié)作并收集數(shù)據(jù)進(jìn)行分析的智能機(jī)器人的自動(dòng)化技術(shù)，以及可識(shí)別缺陷的機(jī)器學(xué)習(xí)計(jì)算機(jī)視覺檢查。

隨著機(jī)器人變得越來越復(fù)雜，它們可以接管危險(xiǎn)、復(fù)雜和重復(fù)性的任務(wù)，讓工人騰出時(shí)間來提高技能，從事更具創(chuàng)造性的工作。

如何將機(jī)器學(xué)習(xí)融入工業(yè)機(jī)器人

隨著軟件的改進(jìn)和其他技術(shù)的發(fā)展，制造商欲將智能機(jī)器人技術(shù)引入運(yùn)營(yíng)變得比以往任何時(shí)候都切實(shí)可行。The Association for Advancing Automation （A3，先進(jìn)自動(dòng)化協(xié)會(huì)）聲稱，即使是中小型制造商也可以安裝智能機(jī)器人系統(tǒng)，而且平均在 6-15 個(gè)月內(nèi)便可實(shí)現(xiàn)投資回報(bào)。根據(jù)系統(tǒng)的不同，現(xiàn)有的工廠工人通常可以學(xué)習(xí)對(duì)機(jī)器人的操作，而不需聘請(qǐng)專門的機(jī)器人專家或工程師過來指導(dǎo)。

在使用機(jī)器人技術(shù)的過程中，企業(yè)可以先對(duì)智能機(jī)器人可能發(fā)揮作用的一兩個(gè)領(lǐng)域進(jìn)行評(píng)估，然后再逐漸擴(kuò)大范圍，而不是一開始就嘗試全面推進(jìn)。企業(yè)可以問自己一個(gè)問題：有沒有哪個(gè)領(lǐng)域可以讓先進(jìn)的機(jī)器人技術(shù)來接替那些骯臟、枯燥或危險(xiǎn)的工作？質(zhì)檢也是一個(gè)不錯(cuò)的起點(diǎn)，企業(yè)可以使用用來檢查機(jī)加工零件并配有機(jī)器視覺的機(jī)械臂來代替或強(qiáng)化以手工方式進(jìn)行的質(zhì)量檢驗(yàn)。機(jī)器視覺系統(tǒng)還可以管理庫(kù)存并收集大量數(shù)據(jù)，然后用機(jī)器學(xué)習(xí)對(duì)這些數(shù)據(jù)進(jìn)行分析，改進(jìn)流程。

另一個(gè)潛在的切入點(diǎn)可能是使用一個(gè)自動(dòng)移動(dòng)機(jī)器人（AMR），它可以在工廠內(nèi)移動(dòng)物品，并智能地繞過障礙物和人員。更復(fù)雜的 AMR 也可以配備機(jī)械手臂，以實(shí)現(xiàn)額外的協(xié)作功能。工廠可以讓工人放心的是，這種機(jī)器人是用來幫助他們而不是取代他們的，甚至可以通過促進(jìn)他們對(duì)新技能的獲取對(duì)他們的職業(yè)發(fā)展給以幫助。

企業(yè)也可以與許多潛在的機(jī)器人和人工智能供應(yīng)商合作，將機(jī)器學(xué)習(xí)機(jī)器人整合到自己的業(yè)務(wù)中。企業(yè)此時(shí)需要考慮兩個(gè)選項(xiàng)：從不負(fù)責(zé)機(jī)器人安裝的分銷商處購(gòu)買，然后自己找人來安裝和配置，還是從一家“機(jī)器人即服務(wù)”的公司購(gòu)買？后者不僅出租技術(shù)，還將提供維護(hù)和監(jiān)控（費(fèi)用已包括在內(nèi)）。

機(jī)器學(xué)習(xí)和機(jī)器人技術(shù)將如何改變未來的工廠

機(jī)器人技術(shù)中的機(jī)器學(xué)習(xí)越來越容易為規(guī)模和預(yù)算較小的工廠所接受，這種趨勢(shì)只能隨著機(jī)器學(xué)習(xí)（得到從工業(yè)物聯(lián)網(wǎng)收集到的數(shù)據(jù)的支持）的改進(jìn)和計(jì)算能力的不斷提高才能得以發(fā)展。歐特克人工智能實(shí)驗(yàn)室的 Brickbot 等項(xiàng)目正在為這一目標(biāo)而努力；如果獲得成功，機(jī)器學(xué)習(xí)的機(jī)器人技術(shù)將更易于使用，并有可能改變機(jī)器人制造的整個(gè)范式（從大規(guī)模生產(chǎn)到無(wú)限的可配置性）。

自動(dòng)化裝配線目前只有一個(gè)目的：大規(guī)模生產(chǎn)一樣產(chǎn)品。對(duì)這些裝配線的工業(yè)機(jī)器人的編程針對(duì)的是重復(fù)而且是特定的任務(wù)，對(duì)它們重新編程可能是一項(xiàng)艱巨的工作，有時(shí)需要數(shù)月甚至數(shù)年的時(shí)間。“這種工作非常繁瑣，復(fù)雜得令人難以置信，而且非常容易出錯(cuò)，”歐特克公司研究副總裁 Mike Haley 介紹說。

但是，客戶越來越希望對(duì)產(chǎn)品進(jìn)行自定義和個(gè)性化，這使得重新配置裝配線變得更加必要。通過與 Brickbot 的合作，歐特克人工智能實(shí)驗(yàn)室設(shè)定了一個(gè)教機(jī)器人如何用樂高積木進(jìn)行搭建的目標(biāo)，就像兒童學(xué)習(xí)搭積木一樣。Brickbot 接收傳感器的數(shù)據(jù)，并使用機(jī)器學(xué)習(xí)推斷其環(huán)境條件，然后相應(yīng)地采取行動(dòng)并適應(yīng)這一過程。然而，這只是開始。在不斷改進(jìn)之后，如果機(jī)器人能夠?qū)W會(huì)組裝任何東西，它還可以重新定義機(jī)器人在工業(yè)環(huán)境中的工作方式。

歐特克人工智能實(shí)驗(yàn)室的軟件架構(gòu)師 Yotto Koga 說：“長(zhǎng)期以來，組裝汽車的機(jī)器人裝配線牽一發(fā)而動(dòng)全身。如果你更改設(shè)計(jì)或設(shè)計(jì)中的零件，就必須對(duì)所有的零件進(jìn)行重新設(shè)計(jì)，才能使這些新零件融入整個(gè)系統(tǒng)發(fā)揮作用。我們正在想辦法讓機(jī)器人更易于使用，這樣就可以將裝配線組合在一起，讓更多的人都能使用，而不僅是實(shí)力雄厚的大公司才能使用。”

Haley 說，在將學(xué)到的知識(shí)轉(zhuǎn)移到物理對(duì)象之前，我們可以用三維模型對(duì) Brickbot 等機(jī)器學(xué)習(xí)中的機(jī)器人系統(tǒng)進(jìn)行數(shù)字化訓(xùn)練，它的速度要比在真實(shí)世界中進(jìn)行實(shí)際操作快數(shù)百萬(wàn)倍。最終，該人工智能實(shí)驗(yàn)室可以將所學(xué)知識(shí)應(yīng)用到任何工業(yè)環(huán)境中，制造汽車或航空航天部件、電子設(shè)備，或者任何需要的東西。

“未來的工廠不會(huì)是單一用途的工廠，”Haley 說，“他們必須適應(yīng)各個(gè)時(shí)間點(diǎn)的需求。你可能會(huì)在半夜做出重新設(shè)計(jì)產(chǎn)品的決定。到第二天早上的時(shí)候，工廠已經(jīng)對(duì)如何處理這一設(shè)計(jì)變更作出指示，并把準(zhǔn)備工作落實(shí)到位。”