机器人与自动化技术对美国制造业回归的影响（中）

发布时间：2016-12-15 作者：佚名

关键字：机器人自动化技术

收藏好文推荐打印

制造业转型对美国经济的发展、增加就业机会以及保持竞争力都至关重要。这需要美国在机器人基础研究上不断投资、对新的机器人技术进行研发并将研发成果与制造业进行整合。

制造业的前景

今天的美国制造业就像是60年代的数据库技术，只是一个拼凑起来的解决方案，缺乏严格的方法论指导，无法进行科学地创新。1970年，IBM公司的数学家Ted Codd发明了关联代数——一个优雅的数学数据库模型。这项技术得到了美国政府的资助，并最终成长为如今140亿美元的数据库产业。如果能够发展出类似的模型，制造业将极大地受益。就像将两个数字相加的方法并不依赖于你所使用的铅笔一样，制造业的抽象模型也与产品是被单独地制造出来还是由生产线组装生产完全无关。

由阿兰·图灵于20世纪30年代发明的一个优雅的抽象模型，确立了如今高科技产业的数学与科学基础。与图灵机相比，制造业的抽象模型也将为制造业带来巨大回报。目前，计算机技术与信息科学的发展将使物理制造过程模型化、使研究人员“将图灵机带进制造业”成为可能。其最终的结果会像数据库及计算机一样，使美国制造业所生产的产品具有更高质量、更好的可靠性，更低的成本，并可更快交付。

研究流程

美国制造业技术路线图描述了制造业通过发展一系列机器人的基础性技术使其关键能力得到发展的前景。每一项关键能力都由一个或多个在制造业中广泛应用的技术发展而来(如图1)。

图1 技术领域的研发成果影响制造业的关键能力

具有前景的研究方向

要实现上一段中描述并列举的影响制造业的关键能力，需要图1中左边第一列所给出的一系列基础技术的研发。上述技术将在下文中与具有前景的研究方向一起简单的描述。需要注意的是，一项基础技术能够对不止一项关键能力提供支持。比如，“感知”技术直接影响到“非结构化环境中的作业”、“与人类一同工作的内禀安全机器人”、“自动化导航”以及“类人的灵巧操作技术”。

学习与适应

在工厂内使用机器人的最大障碍之一就是工作单元的工程成本高(比如设计、制造、安装夹具、固定件、输送带、第三方传感器以及软件)。这些工程成本通常是主要机器人硬件成本的好几倍。

使机器人通过人类的演示进行学习是指，人类工人在非工程环境下对工作任务进行多次演示，而机器人则进行观察。随后，机器人会模仿人类所执行的任务，并将其工作结果与人类的工作结果进行对比寻找差异。人类也可以通过监视机器人的行为，对参数化的任务描述进行比较，然后调整参数以优化机器人的行为。机器人系统也可通过“迭代学习”技术在工作完成的速度与可靠性上超过为它们演示的人类。

建模、分析、仿真与控制

建模、分析、仿真与控制对了解复杂系统，如制造系统至关重要。未来的制造系统需要将具有各种联系的系统与组件的模型、闭环链条、具有动态拓扑结构的系统以及相关的微纳米尺度部件组合在一起。利用上述部件对制造系统进行改进，模型与仿真技术需要进行试验验证、与研究结合并且对其优化。在经过改进的模型、仿真技术以及性能更加强劲计算能力的帮助下，可对原材料、产品部件以及组装与测试等制造系统的各方面进行仿真。

形式方法

在某些领域中，数学模型以及逻辑工具已经被用于指导软件与硬件系统的研发、验证以及规范制定。由于形式方法应用的高成本，大多被用于那些系统完整性极为重要的制造业领域，如航天器与商用飞机的制造等。然而，成本并非是阻碍形式方法从普通应用转向制造业应用系统(以及其他一些工程系统)的唯一阻碍。很少使用形式方法的原因还由于制造业系统本身的表征框架的限制所造成，比如零件的装配可被视为具有很多连续变量且具有分离非线性不等式约束的混合系统。

控制与规划

未来的机器人需要更加先进的控制与规划算法以处理具有更大不确定性、更大的容忍度以及更多自由度的系统。机器人手臂将配有可移动底座且具备执行精密操作的能力。这些机器人可能具有总共12个自由度。另一个极端则是拟人化的仿真机器人，可能具有60个左右的自由度。融合来自于拓扑学的新技术以及目前使用的基于采样的新型规划技术，从而能够有效地对高维空间进行搜索。

感知技术

未来工厂中的机器人，需要具有更加先进的感知系统来对自己正在进行的任务进行监控，并对自己周围的环境进行感知。不止是任务监控，机器人还要能够实时对零件进行检查，以避免在不合规的产品上浪费时间与金钱。机器人还要能够对人类工人的心理与生理状况进行评估，因为此类信息对保持最大的生产力至关重要。要达到上述要求，需要更好的触觉和力学传感器以及更好的图像理解算法。其中最为重要的挑战包括非植入性的生物辨识传感器以及可用的人类行为与心理模型。

机器人必须能够通过高精度的传感器与动作控制减少不确定性。传感器必须能够对装配任务中需要的几何与物理模型进行构建并能追踪任务的进度。如果是人类工人从事此项工作，那外部生物传感器还必须对人类工人的状态进行确定。之前依赖于昂贵工具的抓取动作与组装策略，会由于不确定的消除而被重新设计。

新机械结构与高性能执行器

改进的机械结构与执行器，将会推动机器人性能的提高。在执行器的发展历史上科学家往往聚焦于其力学性能指标，如精确性、重复性及分辨率。随着机器人技术在微纳尺度零件制造，敏感环境中作业(如全身核磁共振扫描器)以及与人类共事等新领域的应用，执行器与机械结构的设计(包括材料的选择)都需要重新进行考虑。机器人技术在人机共事上的应用，会极大推动安全驱动方面的基础研究。新的机械结构会推动包括外骨骼、智能义肢以及其他器件的研发与使用。上述系统需要高推重比、低排放(包括噪音与电磁)的执行器，以及人机间的自然接口。

人机交互

在制造业中，人机交互中最重要的因素是安全。在具有安全保障之后，工程师才可考虑降低成本和提升效率的方法。如果人机共事与单纯的人类工作或单纯的机器人工作相比效益更高，那么人机共事的工作策略就会被采纳并细化。

在最终用户的心目中，机器人系统的设计、制造及测试，将会带来更加安全、更低成本、更高效率及更高生产力的人机互动。简单说，清晰的接口与可视化的行为将使与机器共事如同与人类共事一样直观。在工作中，人类与机器人都需要提供简单易懂的意图指示(语言的或非语言的)。当机器人与人类共事时，机器人必须能够识别人类的活动以保持任务的同步性。同样，人类必须能够读取与识别机器人的行为以解释机器人对任务的理解(比如，一个机器人在正确的位置进行了钻孔，但钻孔深度有误，那么这就表明此项工作对机器人来说并未得到清晰的描述)。最后，机器人必须非常易于训练。机器人系统中必须为初次使用、维护、学习以及错误诊断与故障恢复建立学习帮助。

要达到上述要求，需要具有更大的带宽与更高分辨率的传感系统;还需要在机器人控制领域一直被忽略的由传感系统捕捉到人类工人的生物特征识别数据;在人机通信的设计中，还需要可选择的自然语言、手势、视觉以及触觉等多种方式。

构建与表达

新型的制造机器人必须具有足够的智能，以有效地与人类和其他机器人共享空间，并且能够自我学习提高效率与经验。要达到这一学习能力，机器人操作系统以及其后的建模与算法都必须进行充分的表达及合理地构建。机器人需要将各种操作技能与相关环境的物理特性进行梳理，以将其纳入对任务执行影响的考虑。机器人系统需要高层级推理控制和持续低层级的感知与动作循环。机器人将能够在观察人类与其他机器人的过程中利用自身的灵活性与丰富的技能表达，对新技能进行自主学习。机器人将学会对环境中的不确定性进行表达，并通过观察任务执行来改正错误，还能够基于错误对自身技能进行加强。