佘元博:机器学习在AMR中的应用价值

描述

2020年11月6日至8日,第十八届中国机器学习及其应用研讨会(MLA’20)在南京大学召开。隆博科技创始人兼CEO佘元博,受邀参加了本次会议,并发表了主题为《机器学习在自主移动机器人(AMR)中的应用价值》的演讲。

柔性室内物流东风已起

近年来,制造业和仓储物流的发展风起云涌,而风光的背后是其工厂和仓库的室内物流压力倍增,加上用工难的现实环境和企业信息化的趋势,室内物流迫切需要提升自动化和智能化水平。

而室内物流的自动化和智能化,需要大量采用移动机器人替代有人叉车和人手推车,虽然传统导航技术AGV已有成熟应用,但这块市场依旧有巨大空缺。

工业室内物流有大量人机协同混合作业的场景,需要移动机器人具备深度的环境感知能力,对环境变化做出动态反应,大量复杂场景需要智能化程度更高的AMR填补市场空缺。另外,在场景部署上,AMR有部署成本低、效率高、周期短、容易变更的优势,这就使得大面积复杂场景更适用部署AMR产品。

而AGV/AMR的未来市场有多大呢?

高工机器人产业研究所(GGII)数据显示,2019年全球移动机器人市场规模139.5亿元人民币,同比增长5.68%;2019年AGV市场规模39.95亿元,同比增长14.77%,2020-2025年中国移动机器人市场规模年均复合增速超23.5%,至2025年中国移动机器人市场规模有望突破90亿元,届时移动机器人的销量有望超11万台。

机器视觉助力移动机器人感知、决策

感知,是从传感器数据到有价值的环境信息的处理过程,而视觉数据是信息量最丰富的,随着视觉的大规模应用,机器学习可以发挥重要作用。当然,除了视觉数据,从其他信息量丰富的数据里面,我们也可以通过机器学习得到环境中有价值的信息。隆博在这个层面做了很多应用,包括储位状态识别、料车识别、AMR运动过程中的障碍识别、人体跟随等。

决策,是从有价值的信息到反馈策略,或者结果预测的处理过程。由于目前各类机器人智能的发展水平还不高,绝大部分场景都是希望机器人完成特定的任务,而不是希望机器人有自己的个性。所以现实中,绝大部分决策模型都是逻辑方法,需要用到机器学习的可能只有4%,这些机器学习应用主要起到将结果从80分提升到90分的效果。

隆博科技在定位技术上运用机器学习技术,将影响定位结果的弱关联数据组织起来,采用可信定位对数据进行标记,得出的模型不仅能提升定位精度,还一定程度上消除了噪点影响。在避障技术上运用机器学习技术,将影响避障策略的环境数据和导航数据组织起来,采用人工决策对数据进行标记,得出的模型更接近人的避障决策水平。

在智能化的道路上,隆博科技一直在做相关的技术创新,让机器人的智能水平更加接近于人。

解决客户痛点才是王道

虽然作为科技型企业,隆博科技走在技术向上的道路上,但是佘元博认为“找到客户的痛点问题,判断技术的应用趋势,才能让技术产生最大的商业价值。”

技术只是通过产品解决客户需求问题的手段,一味追求高端技术,耗费大量成本去解决客户不关心的问题,对技术的商业价值是没有贡献的。

另外,佘元博也指出了从行业竞争角度来评价技术的商业应用价值的思路。如果一项技术很有用,大部分同行都采用了,而且解决了客户的痛点问题,那么这项技术很有商业价值。在未来技术的预判上,如果一项技术目前没有被大部分同行应用,N年后可能会被大部分同行应用(来解决N年后的痛点问题),那么N越小,这项技术的商业价值越高。

佘元博认为,目前机器人行业发展迅速,但整体技术发展水平还不够高,很多场景没达到必须通过机器学习解决业务问题或竞争问题的程度,所以有非常多没有被开发的需要用到机器学习的场景。如何将机器人智能从80分做到90分,需要人工智能从业者一步步挖掘。

机器人智能化,还有非常多的空间,隆博科技在智能技术上将不断深入和创新,在业务上围绕市场需求和客户痛点,不断挖掘机器人智能的商业应用价值。

原文标题:【越疆科技 | 聚焦】隆博科技佘元博:机器学习在AMR中的应用价值

文章出处:【微信公众号:高工机器人】欢迎添加关注!文章转载请注明出处。

责任编辑:haq

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分