趋势观察:德国机器人及自动化技术贸易博览会2016

德国机器人及自动化技术贸易博览会2016(AUTOMATICA 2016)于2016年6月在德国慕尼黑举办。这场盛大展会以自动化、机械电子学、机器人及有关工业和制造业的新兴技术为重点。本次展会共有来自47个国家及地区的839家展商参展,展会观众达4.5万人,相比2014年增长30%。

该博览会执行董事Falk Senger称本届展会体现出了以下两大趋势:

(1)数字化

在不久之后的将来,数十亿通过网络通讯互联的智能设备和机器将生成海量数据。而将这些数据转变为价值,是数字化的主要目的。

随着传感器价格下降,物联网出现,人们得以从各种类型的传感器获得数据流,而这个过程已成为人工智能的重要促进因素。农业产业已经开始利用这些传感器对部分高价值作物——例如葡萄——的每个植株进行远程监测。

全球最大的工业机器人制造商FANUC计划在2016年年底前将其已经安装的40万套数控机床和机器人系统连接起来。此举旨在收集系统运转数据,并利用深度学习提升系统性能、减少停机时间。FANUC还在测试通过强化学习的方式训练工业机器人执行新任务,例如学习抓取其不熟悉的物体。机器人尝试拿起物体,同时捕捉该过程的视频脚本。无论是成功还是失败,在每次尝试中,机器人都会记住物体的外观,而这正是用于改善控制其行动的深入学习模型或大型神经网络的知识。在连续尝试8小时后,机器人可达到90%以上的准确性,这与人类编程的结果非常接近。FANUC还与其他研究人员测试通过强化学习的方式简化和加速执行工厂工作的机器人的编程。前不久,谷歌也发布了内部利用增强学习教会机器人抓取物体的详细研究情况。

在多台机器人同时运行时,所需训练时间就会相应缩短。同样,Kuka也在为他们的工业机器人构建深入学习人工智能网络,而ABB则与微软云服务合作,支持ABB充电器传回数据进行分析,以便在将来为ABB全系列产品进行更为广泛的云端分析。

荷兰代尔夫特理工大学(Delft University of Technology)的机器人研究专家Jens Kober表示:“从人工编程机器人到自主学习机器人的转变是机器人未来发展的主要构成元素。让机器人分享它们学到的信息将变得至关重要。”

最为显著的深入学习研究工作发生于硅谷,几乎每所大学、每个智库、汽车公司、电信巨头、IT巨头都对人工智能研究初创企业投入了大量资金和人力。丰田斥资10亿美元建立了丰田研究所,由DARPA机器人挑战赛的前负责人Gil Pratt领导。苹果、IBM、谷歌和Facebook都投入大量资本引领深度学习发展,而Aethon、FANUC和Kuka的实用深度学习系统也在工业领域获得广泛应用。

黑盒子概念(即存储传感器流数据用于分析和学习)已成为航空安全领域的宝贵工具,可能很快会成为自动驾驶系统、移动机器人和整个机器人行业的中流砥柱。这些数据和超高速的计算机处理将使深入学习引擎找到并构建让设备更安全、更高产、更具成本效益、更快程序化的模式。但这些特征和物联网时代产生的新因素都会造成安全和标准化方面的问题。不同设备的数据传输尚无标准架构,每家制造商都各有不同,而流式传输也会让网络产生安全漏洞。因此,在我们从数据化中获得广泛利益之前,还有许多工作要去做。

(2)人机协作

这项趋势不仅仅是指以Universal Robots和Rethink Robotics为先驱的新兴协作机器人市场。在美国和欧盟,中小企业是机器人领域有待发掘的广阔市场——相比替代人力来说,中小企业更需要的是提高员工生产率。

人机协作还包括向物联网的发展。电信行业已经成立了所谓的“机器人联盟计划”(Robolliance Program),旨在制定标准化的方法,以实现机器和机器之间,以及人、地、物之间的互联,但截至目前也没有拿出解决方案。苹果于近期宣布,iOS 10将使用HomeKit协议,将所有兼容设备的控制功能集中到一起。但Kuka、ABB、Fanuc和Yaskawa都有其各自的协议。市面上尚不存在统一标准,每个大公司都将自己的协议作为标准。这一局面必须得到改变,方可实现真正的益处。

本次参展的每家机器人制造商都展示了支持其机器人和人类安全合作的安全特性。但很多特性还无法付诸实际。因此,业界有必要将“人机协作”的术语和“协作式机器人”的术语区分开来——而后者正是Universal Robots和Rethink Robotics的产品所针对的领域。

之所以业内对人机协作的关注度升高,是因为汽车公司最近得出了这样的结论:在自定义产品和缩短交付时间方面,人类比机器人做得更好,因为这些变更需要更高的灵活性,而目前的机器人还无法满足。机器人可以帮助提升人类的生产率,因此,本届AUTOMATICA才有这样一个主题:人类和机器人协作,发挥自身长处,优势互补,提高生产率、提升灵活性。人类可以看到、选择和拿取,而机器人可以搬运、移动、处理、举升并反复处理。汽车公司已经得出这个结论,并且正在雇佣新员工,以人类或受协作性机器人协助的人类取代之前灵活性不足的机器人。

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2016-08-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

人工智能的2018:趋势、挑战与泡沫

【导读】Emotech创始人庄宏斌认为,整体来讲AI不会是一个泡沫,只要大家不要按照科幻小说去想象它就行。 ? 没有人能精确地说明这一轮人工智能创业热潮到底是从...

4035
来自专栏人工智能快报

繁荣的AI,为什么现在还没对经济产生影响?

人工智能将会改变世界经济,这个说法人们已经听到过无数遍。但改变的程度能有多大?哪个领域的改变最先发生?扩张的速度有多快?《纽约时报》的一篇报道指出,从三份新报告...

32711
来自专栏专知

牛津大学计算机系主任:如何把控人工智能

1454
来自专栏大数据文摘

车品觉——数据的本质就是还原

2638
来自专栏量子位

重大里程碑:顶级科学家达成23条人工智能发展原则!

作者 | 量子位 李林 今天AI领域都在谈论一件事。DeepMind表示,很自豪成为Asilomar人工智能原则的签署者,这是一个AI和伦理方面的重大进步。而硅...

32710
来自专栏人工智能

人工智能与医疗

前言:人类诞生至今,上万年的发展史中爆发了认知革命,农业革命,工业革命,信息大爆炸一直到今天的工业4.0时代,可以说每一次的变革都改变了世界,让站在今天的我们叹...

1916
来自专栏机器人网

人工智能的2018:趋势、挑战与泡沫

没有人能精确地说明这一轮人工智能创业热潮到底是从哪个节点开始,又将持续多久,但有了几年前“百团大战”和当下正在进入寒冬的“单车大战”做前车之鉴,如今在谈到人工智...

3947
来自专栏大数据文摘

商汤CEO徐立:AI城市中,基于GPU计算能力的人工智能商业场景

1203
来自专栏服务端技术杂谈

90后架构师访谈

自我介绍一下 如:我叫张晓宁,3年以上互联网从业经验,主要关注与WEB全栈方向。 主要技术栈 服务端:C#,NodeJs,Python,Java; web:av...

2524
来自专栏凌帅的阅读思考与实践

我就是在营销,生活处处皆营销,who care?

昨天和007战友有一场关于知识营销的大讨论,起因是这位战友和一位课程收费近20000元的网红老师的一场交流。这位网红老师的观点:

651

扫描关注云+社区