ZD至顶网CIO与应用频道 05月31日 北京消息:当今,全球都掀起了建造智能工厂和生产数字化通信产品的风潮,而在产品制造中找回人性化的一面更是新的趋势。这个趋势名为“工业5.0”,又被称之为“人机协作产业”。
以汽车行业为例,鉴于市场的发展演变和顾客对所购商品的高度个性化需求,人类创造性的重新加入势在必行。此外,根据顶尖咨询公司埃森哲(Accenture Consulting)的一项调查显示,85%的制造商预计:到2020年,制造业的技术焦点将转向“人机协作”。因此,尽管机器人善于以标准化流程大批量制造标准产品,如果想要让每件产品都有一点与众不同,那就必须对机器人给予指导,这是一个挑战。因此,我们也认知到生产线中重新找回人性化元素的必要性。
用一个工具制造所有的产品
在生产过程中,机器人只有与工人或操作人员的频繁良性协作,其自动化才能更好的发挥潜能。传统工业机器人在自动化生产中,往往需要繁杂的编程和漫长的精力做设定,而能够做到的也仅仅是按照既定的程序进行工作。然而,新型协作机器人能够直接与人类员工并肩工作。在人机协作领域中,人与机器得以互补和促进。工人可以加入人性化元素,使产品个性化,而协作机器人可以事先进行产品加工,或是为工人备妥需要加工的产品。机器人的使用不代表工人将被替代,而是增强工人的能力,并且让他们能够使用协作机器人作为多功能的工具,例如将其作为螺丝刀,包装设备和码堆机等等,从而完成更加繁重和危险的工作。工人则可以发挥创造性,处理更为复杂的项目。冰岛最大的奶制品制造商Mjolkursamsalan Akureyri董事长Sigurdur Runar Fridjonsson表示:“UR5机器人投入生产后,我们节省了长达3年的人工重复劳动量。”
(在加拿大多伦多的Paradigm Electronics电子公司的工厂中,UR10机器人与员工并肩工作,为扬声器箱进行打磨抛光。)
“新型协作机器人能够与工人们共享空间,并肩工作而无需使用安全隔离。钟摆式操作方式令人机互动更加安全,而且允许员工随时检查生产进程,灵活掌控生产过程。” Paradigm高级产品经理约翰菲利普(John Phillips)表示。
基于上述,协作机器人需要具备这些特性:操作灵活安全,易编程。只有具备这些先决条件,人机互动协作才能蓬勃发展。
无限可能与不断超越
无论是进行深海考古寻找价值连城的宝藏,还是到禁区内处理核废料,机器人都是一个可塑性极强的多功能工具。如同电影阿凡达中一样,人类依靠科技力量能够到达更远的地方,完成那些从前看起来不可能的任
务。这些知识已具备,让我们充分发挥它的力量吧!
关于作者
艾斯本 H.奥斯特加先生为丹麦优傲机器人公司首席技术官,负责公司现有UR机器人产品的优化及新产品的研发。奥斯特加先生拥有机器人学博士学位,是UR机器人的创始人之一。2001年到2005年期间,他担任南丹麦大学机器人学及用户界面的研究员及副教授职务,并创立了工业机器人改造基金会。2005年,奥斯特加先生与另两位研究伙伴一起共同创办了丹麦优傲机器人公司。目前优傲机器人公司拥有近30项机器人专利技术。除担任公司首席技术官职务之外,奥斯特加先生还参与了多个国家级科研项目,并担任丹麦多所高校的校外考官。在奥斯特加先生的职业生涯早期,他曾担任过美国南加州大学研究科学家以及日本东京国立产业技术综合研究所客座研究员。奥斯特加先生在丹麦奥胡斯大学学习计算机科学、物理及多媒体专业,并由此开始专注于机器人研究。奥斯特加先生爱好机器人足球,并于1998年获得机器人足球世界杯冠军。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。