人工智能在工業(yè)機器人系統(tǒng)中的應用

代辛宇

（山西農(nóng)業(yè)大學,山西 晉中 030800）

隨著AlphaGo、波士頓動力的四足機器狗等人工智能產(chǎn)品的誕生，人臉識別、人機對話等人工智能產(chǎn)品服務逐步在日常生產(chǎn)生活中的應用，以機器視覺、智能語音和自然語言處理為代表的人工智能技術，正作為一種新的生產(chǎn)工具逐步為人們所熟悉和接受。此外，以“新一代人工智能”和“新基建”為代表的國家政策助力，使得人工智能技術獲得了前所未有的發(fā)展機遇。

工業(yè)機器人作為機器人的典型代表，因其能夠高速精準地完成枯燥、危險的任務，在工業(yè)生產(chǎn)和裝備制造領域起著關鍵作用。目前，工業(yè)機器人正在從傳統(tǒng)的執(zhí)行重復勞動的機器人向具有智能感知、智能認知和智能決策能力的智能機器人轉(zhuǎn)變，人工智能技術是實現(xiàn)轉(zhuǎn)型的關鍵。將人工智能應用到工業(yè)機器人系統(tǒng)的應用和發(fā)展中有利于我國工業(yè)的發(fā)展。

以深度學習技術為突破的人工智能技術，在機器視覺、語音識別、自然語言處理方面取得了飛速的進步。人工智能技術在機械設備方面，通常用于設備或物品質(zhì)量檢測、優(yōu)化工作流程等，通過數(shù)據(jù)驅(qū)動的智能算法提升設備的運行效率和設備性能，同時降低設備損壞的風險，最大限度地延長設備生命周期[1]。工業(yè)機器人作為智能制造的重要組成部分，如何充分利用人工智能技術，提升工業(yè)機器人的精度、效率、壽命等屬性，具有重要的理論價值和巨大的經(jīng)濟效益。

1 工業(yè)機器人的現(xiàn)狀及特點

隨著勞動力成本的上升，“機器換人”已成為很多企業(yè)的發(fā)展方向。帶有人工智能的工業(yè)機器人的出現(xiàn)就是人工智能發(fā)展的體現(xiàn)。[2]工業(yè)機器人具有節(jié)約成本、提升工作效率、保證產(chǎn)品質(zhì)量且安全系數(shù)高的特點，通過取代工人，工業(yè)機器人能夠從事危險、高污染、重復性勞動，因而在汽車制造、電氣電子、物流分揀、模具加工、橡膠及塑料制品領域得到廣泛應用。以汽車制造為例，工業(yè)機器人在搬運、碼垛、焊接、切割、裝配、噴涂、零配件及成品檢測等方面都得到了廣泛應用[2]。

盡管工業(yè)機器人得到了廣泛應用，但現(xiàn)有的工業(yè)機器人通常并沒有或很少應用人工智能技術。阻礙人工智能在工業(yè)機器人及工業(yè)系統(tǒng)應用的因素包括：

（1）工業(yè)領域?qū)υO備的高可靠性要求，使得在工業(yè)領域并沒有足夠的證據(jù)去說服工業(yè)企業(yè)來使用人工智能技術；

（2）對于部署一個較大范圍的工業(yè)應用，缺少系統(tǒng)性、標準化的流程和方法；

（3）不同工業(yè)場景下，數(shù)據(jù)以不同的格式進行記錄和報告，使得來自不同機器設備的數(shù)據(jù)并不能夠?qū)崿F(xiàn)標準化和結構化；

（4）由于工業(yè)應用中很少允許設備損壞，使得設備的損壞數(shù)據(jù)不容易獲得，缺少故障數(shù)據(jù)導致一些人工智能算法不能夠達到最優(yōu)的效果；

（5）復雜多變且動態(tài)的應用場景通常需要人工操作的介入，以應對不同場景和狀況。

2 人工智能在工業(yè)機器人的應用

以人工智能目前較為成熟的機器視覺為突破口，人工智能技術在工業(yè)機器人方面開展了一系列的應用。

2.1 基于機器視覺的智能應用

機器視覺是使用單目或雙目相機等設備，通過分析相機所采集圖片，再將相關信息反饋至控制系統(tǒng)，進而實現(xiàn)包括物體抓取、正常/異常識別等精準控制。相對于人工或傳統(tǒng)機械方面，機器視覺具有成本低、速度快、精度高、準確率高的特點。工業(yè)機器人視覺作為機器人感知的一個重要方面，能夠提升機器人的能力，實現(xiàn)高精準的抓取、定位等目標，滿足智能制造對機器人智能識別、定位、抓取零件的要求，2D/3D機器視覺技術逐步成為機器人應用的核心技術之一[3]。將工業(yè)機器人的視覺系統(tǒng)與人工智能技術融合，才能真正實現(xiàn)機器人進行視覺路徑的策劃及高速運動的控制[4]。

人工智能的引導和定位、物品和圖像識別、外觀檢測、高精度檢測等方面的技術被廣泛應用于生產(chǎn)制造和物流分揀等領域。一方面，工業(yè)機器人通過機器視覺實現(xiàn)物品的精準抓取。通過使用深度學習算法，結合3D相機獲得的深度信息和圖像信息，機械手能夠準確地定位物品并抓取到。另一方面，工業(yè)機器人通過機器視覺完成基于圖像的產(chǎn)品質(zhì)量檢測，更準確地判斷商品的缺陷與瑕疵。當相機獲得商品的圖片后，經(jīng)網(wǎng)絡上傳至云端，結合云端訓練好的深度學習模型，完成當前產(chǎn)品的質(zhì)量優(yōu)劣的識別，5G網(wǎng)絡和工業(yè)物聯(lián)網(wǎng)的部署應用更是加速了機器視覺用于物品檢測。

2.2 基于數(shù)據(jù)驅(qū)動的預測性維護

預測性維護是指通過分析多種傳感器獲得的振動、溫度、濕度等實時數(shù)據(jù)，結合由歷史數(shù)據(jù)訓練的數(shù)學模型，以預測設備當前發(fā)生故障的可能性，并結合連續(xù)監(jiān)測的數(shù)據(jù)，實現(xiàn)對設備的未來故障組件定位和時間預測，避免重大事故的發(fā)生，延長設備的使用壽命，降低設備整個生命周期內(nèi)的維護費用，實現(xiàn)個性化、智能化的設備健康診斷和維護。通過實現(xiàn)從被動維護向預防性維護轉(zhuǎn)變，結合人工智能的預測能力，預測性維護能夠顯著降低停工損失。

通過機器人內(nèi)置的多個不同類型的傳感器，結合外部的其他設備和數(shù)據(jù)集成技術，精準監(jiān)測每個主要機器人組件的運行時間，結合實際的工作條件，使用云端智能數(shù)據(jù)分析方法，推斷出設備的維護日程周期。云端通常分析機器人構件數(shù)據(jù)、作業(yè)狀態(tài)數(shù)據(jù)、系統(tǒng)狀態(tài)和維護保養(yǎng)信息共四類數(shù)據(jù)。其中，機器人構件數(shù)據(jù)包括減速機診斷、電機力矩檢測、伺服斷電記錄、發(fā)動機溫度等；作業(yè)狀態(tài)數(shù)據(jù)包括機器人運行狀態(tài)、視覺檢測結果、焊接信息等與業(yè)務和作業(yè)相關的數(shù)據(jù)；系統(tǒng)狀態(tài)包括工作日志、報警信息、內(nèi)存使用情況記錄等；維護保養(yǎng)信息包括電池使用情況、潤滑油狀態(tài)等。

2.3 基于安全的應用分析

由于工業(yè)機器人通常用于某些大型設備或高精度設備的制造與維護，因此需要相關工作人員時刻關注。應用人工智能技術后可以減少工作人員的工作壓力，也可以盡量避免工作人員日常工作中可能會出現(xiàn)的失誤。同樣的，人工智能技術可以幫助工作人員遠程控制并檢測工業(yè)機器人的實時數(shù)據(jù)，第一時間發(fā)現(xiàn)機器人的問題，做到及時規(guī)避并解決問題[5]。

2.4 基于強化學習的人機協(xié)作

人的發(fā)達的智力、完善的學習能力、豐富的經(jīng)驗使得人更容易適應變化的環(huán)境，機器人的高速、高精確、大力量是其優(yōu)點。以人工智能為基礎的工業(yè)機器人可以提高整體的工作性能。如何將工業(yè)機器人的力量、速度和精度與人的豐富經(jīng)驗、判斷力和靈活性有機結合起來，發(fā)揮各自的優(yōu)點，通過柔性制造滿足客戶的個性化需求、實現(xiàn)多樣化、小批量生產(chǎn)是一個具有挑戰(zhàn)性的課題。

強化學習的基本思想智能體在與環(huán)境交互的過程中根據(jù)環(huán)境反饋得到獎勵，并不斷調(diào)整自身的策略以實現(xiàn)最佳決策，適用于現(xiàn)實中無法提供大量標簽數(shù)據(jù)的決策優(yōu)化類問題。具體到機器人應用是指機器人通過從環(huán)境中接受正向獎勵或負向懲罰以判斷其當前執(zhí)行任務的效果，機器人學習的目標即優(yōu)化系統(tǒng)響應以實現(xiàn)最大化正向獎勵函數(shù)。

通過合理切換協(xié)作等級，從而實現(xiàn)機器人從完全的自我控制，即基于學習函數(shù)自主決策采取何種行為，至半自主決策，即操作工人引導機器人執(zhí)行相關動作，機器人將這些知識添加至其學習函數(shù)，并適配至新的狀態(tài)。這樣只需要利用工作人員工作上的經(jīng)驗就可以完成任務。多次執(zhí)行人機協(xié)作任務后，機器人能構建合適的人機協(xié)作機制，能更好地適配人機協(xié)作任務。

2.5 基于強化學習的運動規(guī)劃

由于工業(yè)機器人的運動規(guī)劃基本都是在高維度、復雜場景下的開展的，傳統(tǒng)搜索算法在計算復雜度方面隨著構型空間維度的增加呈指數(shù)級增長，無法解決高維運動規(guī)劃問題。在強化學習的策略下，機器人首先在離散空間中使用迭代規(guī)劃并在連續(xù)空間中使用運動規(guī)劃器更新其相關行為成本的方法，生成一個低成本、可行的運動規(guī)劃方案，在實際執(zhí)行時，機器人使用與模型無關的強化學習方法以改進運動任務方案，以達到降低成本、提升效果的目標。

3 結論

人工智能技術因其優(yōu)點顯著獲得了廣泛關注。在傳統(tǒng)的工業(yè)機器人領域，國產(chǎn)工業(yè)機器人無法應對ABB、庫卡、發(fā)那科、安川等四大機器人巨頭，但在人工智能方面，國產(chǎn)機器人廠商與四大機器人巨頭處于同一起跑線，只有更深入地理解用戶需求，結合人工智能技術特點，將機器視覺、機器學習、時間序列分析、強化學習等人工智能技術應用于解決客戶的實際問題，才能顯著提升國產(chǎn)工業(yè)機器人的市場占有率。因此這促使我們要加快人工智能在工業(yè)機器人上的發(fā)展，并且堅持對系統(tǒng)進行優(yōu)化和完善，提高工業(yè)自動化控制的水平[5]。未來工業(yè)機器人場景下的人機協(xié)作、數(shù)字孿生技術，結合深度學習、強化學習等人工智能技術，將具有更加廣闊的應用前景。