底層智能

Cobot領(lǐng)域?qū)I并不陌生。但是借助標準示教器或圖形用戶界面將AI植入基于cobot的應(yīng)用，一直都是一個耗時的挑戰(zhàn)，即使對最敬業(yè)的工程師亦是如此。

近年來，許多公司與優(yōu)傲機器人（Universal Robots）展開合作，希望解決這一難題。最新合作的公司是曾推出MATLAB和Simulink兩款數(shù)學(xué)軟件解決方案的MathWorks。今年早些時候，MATLAB和Simulink取得了UR+認證，這意味著兩款認證軟件不僅可在優(yōu)傲cobot上無縫使用，還可以通過UR+生態(tài)系統(tǒng)使用，幫助工程師開發(fā)先進的cobot應(yīng)用。

MathWorks的技術(shù)機器人產(chǎn)品負責人YJ Lim表示：“多年來，MathWorks一直關(guān)注cobot領(lǐng)域，但這是我們和cobot制造商的首次正式合作。這表明我們注意到了cobot在那些需要AI、離線模擬、運動規(guī)劃和計算機視覺能力領(lǐng)域的應(yīng)用潛力。”

優(yōu)傲機器人和MathWorks的合作不僅僅是cobot和AI的象征性結(jié)合。此次合作讓機器人工程師能將MATLAB和Simulink的所有功能加入基于cobot的工業(yè)應(yīng)用，并將AI植入其底層系統(tǒng)設(shè)計中。兩家公司的合作還允許工程師通過在嵌入式目標（如GPU板）上直接生成C++代碼的方式，在cobot上部署算法和AI。

現(xiàn)在有很多cobot應(yīng)用套件都加入了AI功能，因此cobot和AI的組合并不新鮮。不過MathWorks和優(yōu)傲機器人的合作模式獨一無二，也為其他cobot解決方案供應(yīng)商提供了借鑒，因為這種合作模式能為工程師提供所需的工具，助其使用經(jīng)濟實惠的cobot硬件來構(gòu)建先進的工業(yè)自動化系統(tǒng)。

Lim說：“傳統(tǒng)自動化技術(shù)的使用局限于大型企業(yè)。將MATLAB和Simulink引入cobot領(lǐng)域能讓更多新興企業(yè)和中型企業(yè)享受到AI和自動化的好處�！�

相似的感知能力

人類可以在觀察無序的物體（比如料架中的零件）后立刻知道如何不碰到其他零件揀選需要的物件。手的行動路徑會避免與周圍環(huán)境發(fā)生碰撞，我們甚至可以拿起多個物體，并以較高的精確度將它們放在一起。

自動化工程師知道，機器人并不總能做到這一點。因此，從料架上揀選非結(jié)構(gòu)化物體歷來被認為是一個需要巨額投資才能解決的難題。

Apera AI的“4D視覺（4D Vision）”技術(shù)也通過了UR+認證，為cobot提供了“與人類相似的感知能力”。這種感知能力乍聽起來很夸張，但實際上已在多個層面上得到證實，并可有效提高機器人的速度和效率，特別是在料架揀選方面。

Apera AI的市場主管Eric Petz說：“我們系統(tǒng)的總視覺周期時間短至0.3秒（3Hz），這意味著在人腦處理相同問題的相同時間內(nèi)，系統(tǒng)可以分析無序場景并向機器人發(fā)出指令。我們的視覺系統(tǒng)必須快于機器人�！�

一般而言，高速自動化機器人料架揀選的目標速度應(yīng)為2000次/小時，這意味著機器人的單次周期時間只有1.8秒。由于機器人的移動速度有限，因此必須盡可能減少視覺識別時間。

該流程的第一步是使用CAD圖紙或待揀選產(chǎn)品的3D掃描模型來訓(xùn)練AI神經(jīng)網(wǎng)絡(luò)；然后使用兩個2D攝像頭對工廠車間的場景（例如雜亂的料架）進行拍攝，被拍攝的圖像會被合成為一個3D場景；接著，4D視覺系統(tǒng)會識別出“最需揀選”的物體，并告知cobot揀選物體的最快和最安全的路徑。Apera Vue軟件已嵌入在控制器當中，可以告知機器人姿勢以及路徑規(guī)劃數(shù)據(jù)，機器人可以從無碰撞的安全路徑來完成揀選。

Petz說：“識別和優(yōu)先考慮可揀選物體是人類擅長的事情，也是我們訓(xùn)練AI神經(jīng)網(wǎng)絡(luò)完成的動作。這能夠縮短從識別物體到向機器人發(fā)生運動指令所需的時間。”

流程的第一步包括CAD和3D掃描模型以及AI訓(xùn)練，其中涉及到機器人通過對約100萬次排列組合進行學(xué)習(xí)，以便在真實環(huán)境中對需要的產(chǎn)品進行揀選。這一步驟包括從全日照到接近黑暗的環(huán)境光線變化訓(xùn)練，需要借助數(shù)字孿生環(huán)境才能實現(xiàn)。

Petz補充道：“如果人類可以看到某個物體，我們就能幫助機器人看到它。多數(shù)傳統(tǒng)的系統(tǒng)需要借助結(jié)構(gòu)光技術(shù)、激光器或傳感器才能識別物體并向機器人發(fā)出指令。”

增強靈活性

越來越多的制造商在尋找靈活的自動化解決方案，以便快速適應(yīng)產(chǎn)品定制和產(chǎn)品組合，AI和cobot的協(xié)同作用能幫助設(shè)計工程師建立一個支持多品種、小批量（HMLV，High Mix Low Volume）生產(chǎn)的系統(tǒng)。

cobot具有高度的移動性、靈活性和易編程性，這讓它們能在不同的應(yīng)用場景之間切換自如，比如碼垛、檢查、打磨和機器維護。若與AI的學(xué)習(xí)能力相結(jié)合，便等同于高度靈活的自動化與智能相結(jié)合，這樣一來cobot就能完成更多任務(wù)。

Apera AI的Petz說：“就像人類可以分析制造步驟是否正確那樣，我們的AI可以通過訓(xùn)練來理解零件是否被正確放置或組裝�！�

Apera AI的機器人的總視覺周期時間僅為0.3秒（3Hz）。這意味著使用該公司視覺軟件的機器人作業(yè)平臺可以達到以往無法企及的生產(chǎn)力水平，那就是視覺系統(tǒng)快于機器人，而非機器人等待視覺系統(tǒng)。在投產(chǎn)之前，該視覺解決方案借助AI進行了數(shù)百萬次的模擬循環(huán)，因此系統(tǒng)能通過各個方向深入了解物體，并與特定的機器人、機械臂末端工具和操作環(huán)境相結(jié)合。（Apera AI）

在一家五百強制造企業(yè)的一項部署方案中，來自優(yōu)傲機器人的cobot與Apera AI的視覺智能相互配合，成功完成了向各種尺寸形狀的金屬閥門結(jié)構(gòu)邊緣點注密封膠材料的高精度任務(wù)。

這套組合系統(tǒng)可以靈活地識別零件，并以特定模式自動分配材料。這些功能可以確保夾具在點膠過程中處于正確的位置，并且無需為每種零件設(shè)置特定的夾具。

Apera AI的另外一位客戶是來自賓夕法尼亞州的Precision Cobotics，這家公司已經(jīng)將優(yōu)傲機器人的cobot與Apera AI的技術(shù)相結(jié)合，為CNC和激光打標技術(shù)開發(fā)出標準化的機器維護解決方案。

這套解決方案可以揀選隨機物品，并且能夠非常精確地將未加工工件放入機器中。cobot可以再將完工的零件轉(zhuǎn)移到另一條生產(chǎn)線上，或?qū)⑵浞胖迷谥付ㄎ恢茫鐐魉蛶Щ蛲斜P中。

Petz解釋說：“當前的做法是將未加工零件放到網(wǎng)格架中，這需要操作員參與或額外的自動化操作。若直接從料架中取出物品就不需要這些固定裝置，從而實現(xiàn)靈活的多品種生產(chǎn)以及更加高效的勞動力利用�！�

“簡單”

AI讓機器人工程師更容易打造出基于cobot的先進應(yīng)用。當然，終端用戶也能從易于使用的自動化智能技術(shù)中受益。不過這并不意味著AI會讓終端用戶的核心體驗變得復(fù)雜。

如果是一家缺乏機器人使用經(jīng)驗且看重生產(chǎn)速度的中小型企業(yè)，那么公司可以把所有AI能力放在后臺，以確保流暢的終端用戶體驗和更快的部署；缺乏勞動力的公司則希望擁有一個可以快速、輕松地適配特定應(yīng)用的解決方案，如果AI能夠優(yōu)化此過程，那再好不過了。

這就是Rapid Robotics開發(fā)出Rapid MachineOperator的前提。Rapid Machine Operator是一種為快速部署而開發(fā)的靈活協(xié)作式自動化系統(tǒng)，在部署之前，Rapid Robotics借助第三方AI軟件在數(shù)字孿生環(huán)境中通過數(shù)百萬次排列組合來運行產(chǎn)品，這讓機器人學(xué)會如何選擇最佳的“揀選時機”和更好的路徑規(guī)劃。不過，終端用戶無需看到或處理任何此類復(fù)雜情況。

正如Rapid Robotics的計算機視覺總監(jiān)John Novak所言：“客戶并不關(guān)心黑盒里發(fā)生了什么，他們只需要自動化操作，因為他們的員工數(shù)量不足，但機器又需要運行。”

Novak提出了一個重要觀點：并非每一個基于cobot的應(yīng)用都需要深度學(xué)習(xí)或機器學(xué)習(xí)功能，讓終端用戶遠離復(fù)雜操作是很有必要的。