機器人和其他自動化技術極大地提高了當今工廠的生產(chǎn)率。但是,它們?nèi)匀挥幸粋€主要限制:它們要求人們告訴他們該怎么做。
但是,如果機器人和其他工業(yè)機械可以自學如何執(zhí)行任務該怎么辦?這是Hitachi,F(xiàn)anuc和Preferred Networks(一家專注于人工智能(AI)的初創(chuàng)公司)于2018年4月成立的合資企業(yè)的目標。
新公司Intelligent Edge System將為聯(lián)網(wǎng)機器人和機床開發(fā)快速,實時的控制系統(tǒng)。通過使用深度學習的AI技術,這些控制系統(tǒng)將在鏈接的機器制造產(chǎn)品時學習并變得更加智能。
深度學習是一種AI技術,旨在模仿人腦的功能以更有效地篩查信息并加速數(shù)據(jù)分析。該技術有望使機器人能夠識別不同的零件并相應地調整其移動,從而提高裝配線的生產(chǎn)率。如果故障,它還可以使機器人自動承擔裝配線上相鄰機器人的任務。
邊緣計算也將在合資公司的控制系統(tǒng)中扮演重要角色。該技術無需集中處理數(shù)據(jù),而是在網(wǎng)絡邊緣處理任務,讓裝配線上的機器立即處理從視覺系統(tǒng),傳感器,夾具和工具收集的大量數(shù)據(jù)。
新公司的努力已見成效。例如,F(xiàn)anuc引入了一個基于AI的系統(tǒng),使機器人能夠以很高的成功率從盒子,托盤或輸送機中拾取零件。通過使用深度學習和3D對象評分系統(tǒng),該機器人可以自動確定要拾取的零件,如何拾取它們以及按照什么順序進行拾取。如果沒有AI,這樣的應用程序將需要經(jīng)驗豐富的工程師進行數(shù)小時的詳細參數(shù)調整。
借助AI,機器人可以自我訓練。每次機器人成功或失敗拾取零件時,它都會記住對象的外觀。然后,這些數(shù)據(jù)將用于完善控制機器人動作的深度學習模型。經(jīng)過數(shù)小時的練習,機器人最終學習了90%或更高準確度的拾取零件。
Fanuc還應用深度學習軟件來自動調整和控制驅動CNC加工中心中切削工具的伺服電機。在放電加工應用中自動補償熱位移;并準確預測何時需要更換注塑機上的閥門和其他“磨損”部件。
AI不僅適用于機器人。它也被應用于機器人外圍設備。例如,在今年的德國漢諾威工業(yè)博覽會上,雄克和法國AI初創(chuàng)公司AnotherBrain宣布了一項協(xié)議,該協(xié)議將在明年開發(fā)世界上第一個自動動作抓持系統(tǒng)。夾持器將能夠獨立操作,而無需手動編程。
SCHUNK首席執(zhí)行官Henrik A說:“這項有希望的合作將幫助我們在處理和組裝領域推動人工智能的使用,并在智能工廠以及服務機器人領域創(chuàng)建新的處理場景。”大叔
自主的抓取系統(tǒng)無需由工程師逐步定義位置,速度和抓取力,而是通過攝像頭檢測其目標物體,然后獨立接管抓取過程的計劃并對其進行持續(xù)改進。握把的質量可以根據(jù)需要進行檢測,評估和重新調整。抓具的電動機和手指中的傳感器將向車載智能提供數(shù)據(jù)。
轉載請注明出處。