协作机器人遇上人工智能会怎么样

AI（人工智能）和cobot（协作机器人）技术之间的协同作用不断增强，这让设计工程师能够提出基于cobot的经济型解决方案，这些方案适用于结合了机器学习、深度学习和计算机视觉技术的先进工业应用。

底层智能

Cobot领域对AI并不陌生。但是借助标准示教器或图形用户界面将AI植入基于cobot的应用，一直都是一个耗时的挑战，即使对最敬业的工程师亦是如此。

近年来，许多公司与优傲机器人（Universal Robots）展开合作，希望解决这一难题。最新合作的公司是曾推出MATLAB和Simulink两款数学软件解决方案的MathWorks。今年早些时候，MATLAB和Simulink取得了UR+认证，这意味着两款认证软件不仅可在优傲cobot上无缝使用，还可以通过UR+生态系统使用，帮助工程师开发先进的cobot应用。

MathWorks的技术机器人产品负责人YJ Lim表示：“多年来，MathWorks一直关注cobot领域，但这是我们和cobot制造商的首次正式合作。这表明我们注意到了cobot在那些需要AI、离线模拟、运动规划和计算机视觉能力领域的应用潜力。”

优傲机器人和MathWorks的合作不仅仅是cobot和AI的象征性结合。此次合作让机器人工程师能将MATLAB和Simulink的所有功能加入基于cobot的工业应用，并将AI植入其底层系统设计中。两家公司的合作还允许工程师通过在嵌入式目标（如GPU板）上直接生成C++代码的方式，在cobot上部署算法和AI。

现在有很多cobot应用套件都加入了AI功能，因此cobot和AI的组合并不新鲜。不过MathWorks和优傲机器人的合作模式独一无二，也为其他cobot解决方案供应商提供了借鉴，因为这种合作模式能为工程师提供所需的工具，助其使用经济实惠的cobot硬件来构建先进的工业自动化系统。

Lim说：“传统自动化技术的使用局限于大型企业。将MATLAB和Simulink引入cobot领域能让更多新兴企业和中型企业享受到AI和自动化的好处。”

相似的感知能力

人类可以在观察无序的物体（比如料架中的零件）后立刻知道如何不碰到其他零件拣选需要的物件。手的行动路径会避免与周围环境发生碰撞，我们甚至可以拿起多个物体，并以较高的精确度将它们放在一起。

自动化工程师知道，机器人并不总能做到这一点。因此，从料架上拣选非结构化物体历来被认为是一个需要巨额投资才能解决的难题。

Apera AI的“4D视觉（4D Vision）”技术也通过了UR+认证，为cobot提供了“与人类相似的感知能力”。这种感知能力乍听起来很夸张，但实际上已在多个层面上得到证实，并可有效提高机器人的速度和效率，特别是在料架拣选方面。

Apera AI的市场主管Eric Petz说：“我们系统的总视觉周期时间短至0.3秒（3Hz），这意味着在人脑处理相同问题的相同时间内，系统可以分析无序场景并向机器人发出指令。我们的视觉系统必须快于机器人。”

一般而言，高速自动化机器人料架拣选的目标速度应为2000次/小时，这意味着机器人的单次周期时间只有1.8秒。由于机器人的移动速度有限，因此必须尽可能减少视觉识别时间。

该流程的第一步是使用CAD图纸或待拣选产品的3D扫描模型来训练AI神经网络；然后使用两个2D摄像头对工厂车间的场景（例如杂乱的料架）进行拍摄，被拍摄的图像会被合成为一个3D场景；接着，4D视觉系统会识别出“最需拣选”的物体，并告知cobot拣选物体的最快和最安全的路径。Apera Vue软件已嵌入在控制器当中，可以告知机器人姿势以及路径规划数据，机器人可以从无碰撞的安全路径来完成拣选。

Petz说：“识别和优先考虑可拣选物体是人类擅长的事情，也是我们训练AI神经网络完成的动作。这能够缩短从识别物体到向机器人发生运动指令所需的时间。”

流程的第一步包括CAD和3D扫描模型以及AI训练，其中涉及到机器人通过对约100万次排列组合进行学习，以便在真实环境中对需要的产品进行拣选。这一步骤包括从全日照到接近黑暗的环境光线变化训练，需要借助数字孪生环境才能实现。

Petz补充道：“如果人类可以看到某个物体，我们就能帮助机器人看到它。多数传统的系统需要借助结构光技术、激光器或传感器才能识别物体并向机器人发出指令。”

增强灵活性

越来越多的制造商在寻找灵活的自动化解决方案，以便快速适应产品定制和产品组合，AI和cobot的协同作用能帮助设计工程师建立一个支持多品种、小批量（HMLV，High Mix Low Volume）生产的系统。

cobot具有高度的移动性、灵活性和易编程性，这让它们能在不同的应用场景之间切换自如，比如码垛、检查、打磨和机器维护。若与AI的学习能力相结合，便等同于高度灵活的自动化与智能相结合，这样一来cobot就能完成更多任务。

Apera AI的Petz说：“就像人类可以分析制造步骤是否正确那样，我们的AI可以通过训练来理解零件是否被正确放置或组装。”

Apera AI的机器人的总视觉周期时间仅为0.3秒（3Hz）。这意味着使用该公司视觉软件的机器人作业平台可以达到以往无法企及的生产力水平，那就是视觉系统快于机器人，而非机器人等待视觉系统。在投产之前，该视觉解决方案借助AI进行了数百万次的模拟循环，因此系统能通过各个方向深入了解物体，并与特定的机器人、机械臂末端工具和操作环境相结合。（Apera AI）

在一家五百强制造企业的一项部署方案中，来自优傲机器人的cobot与Apera AI的视觉智能相互配合，成功完成了向各种尺寸形状的金属阀门结构边缘点注密封胶材料的高精度任务。

这套组合系统可以灵活地识别零件，并以特定模式自动分配材料。这些功能可以确保夹具在点胶过程中处于正确的位置，并且无需为每种零件设置特定的夹具。

Apera AI的另外一位客户是来自宾夕法尼亚州的Precision Cobotics，这家公司已经将优傲机器人的cobot与Apera AI的技术相结合，为CNC和激光打标技术开发出标准化的机器维护解决方案。

这套解决方案可以拣选随机物品，并且能够非常精确地将未加工工件放入机器中。cobot可以再将完工的零件转移到另一条生产线上，或将其放置在指定位置，如传送带或托盘中。

Petz解释说：“当前的做法是将未加工零件放到网格架中，这需要操作员参与或额外的自动化操作。若直接从料架中取出物品就不需要这些固定装置，从而实现灵活的多品种生产以及更加高效的劳动力利用。”

“简单”

AI让机器人工程师更容易打造出基于cobot的先进应用。当然，终端用户也能从易于使用的自动化智能技术中受益。不过这并不意味着AI会让终端用户的核心体验变得复杂。

如果是一家缺乏机器人使用经验且看重生产速度的中小型企业，那么公司可以把所有AI能力放在后台，以确保流畅的终端用户体验和更快的部署；缺乏劳动力的公司则希望拥有一个可以快速、轻松地适配特定应用的解决方案，如果AI能够优化此过程，那再好不过了。

这就是Rapid Robotics开发出Rapid MachineOperator的前提。Rapid Machine Operator是一种为快速部署而开发的灵活协作式自动化系统，在部署之前，Rapid Robotics借助第三方AI软件在数字孪生环境中通过数百万次排列组合来运行产品，这让机器人学会如何选择最佳的“拣选时机”和更好的路径规划。不过，终端用户无需看到或处理任何此类复杂情况。

正如Rapid Robotics的计算机视觉总监John Novak所言：“客户并不关心黑盒里发生了什么，他们只需要自动化操作，因为他们的员工数量不足，但机器又需要运行。”

Novak提出了一个重要观点：并非每一个基于cobot的应用都需要深度学习或机器学习功能，让终端用户远离复杂操作是很有必要的。

本文作者

Joe Campbell

优傲机器人

战略营销和应用开发高级经理

编辑：黄飞