對于當(dāng)前的工業(yè)機(jī)器人來說，AI是不是越多越好？

在11月6日舉行的第八屆虹橋論壇智能制造分論壇中，第一財(cái)經(jīng)記者了解到，相比于海外機(jī)器人企業(yè)，中國的工業(yè)機(jī)器人企業(yè)正在依托國內(nèi)多樣的供應(yīng)鏈場景，探索更貼近工廠實(shí)際需求的路徑。

中國工業(yè)具身智能企業(yè)微億智造聯(lián)合創(chuàng)始人兼首席運(yùn)營官潘正頤表示，未來智能制造的升級，既需要在供給端強(qiáng)化底層數(shù)據(jù)的利用，也需要在需求端重新思考執(zhí)行層的柔性與效率平衡。

潘正頤指出，目前制造業(yè)的執(zhí)行端主要依靠兩種方式，自動化設(shè)備或人工操作。“自動化設(shè)備雖然效率高，但在面對產(chǎn)品頻繁更換或小批量定制時，固定的產(chǎn)線往往缺乏足夠的靈活性。”潘正頤說，人工操作雖然能靈活應(yīng)對變化，但在生產(chǎn)效率和質(zhì)量控制上又難以保證一致性。如何在兩者之間找到平衡，正是AI工業(yè)機(jī)器人需要面對的課題。

一位汽車零部件工廠的工程師告訴第一財(cái)經(jīng)記者，目前工廠中的工業(yè)機(jī)器人在完成質(zhì)檢、裝配、上下料、打磨等工序時，仍需要人工參與調(diào)試。比如，同一臺機(jī)器人在生產(chǎn)不同產(chǎn)品時，從A產(chǎn)品切換到B產(chǎn)品，往往要由工程師重新生成軌跡和動作點(diǎn)位，過程煩瑣且耗時。

“針對這個需求，加入視覺算法等AI部署，就是很好的解決方案。”潘正頤告訴第一財(cái)經(jīng)記者，AI的引入并非“越多越好”，關(guān)鍵在于與實(shí)際場景的融合。他表示，通過結(jié)合視覺算法、控制數(shù)據(jù)和軌跡生成算法，工業(yè)機(jī)器人能夠識別工件與動作邏輯，還能在不斷學(xué)習(xí)中自主優(yōu)化操作流程。

“AI不在多，有用則靈。”潘正頤說道。

一位海外工業(yè)機(jī)器人企業(yè)的技術(shù)負(fù)責(zé)人告訴第一財(cái)經(jīng)記者，海外企業(yè)通常傾向于出一些“標(biāo)品”方案。比如在某一些機(jī)器人解決方案中針對AI和大數(shù)據(jù)預(yù)留通訊接口。“我們可以通過這個方法來幫助工廠提升部署效率，但同時也需要工廠上下游的數(shù)據(jù)和我們自身的系統(tǒng)對接。”但這也意味著，企業(yè)對場景的適配度有限。該負(fù)責(zé)人表示，如果客戶工廠的產(chǎn)品線較多，或是設(shè)備的數(shù)據(jù)格式、通訊協(xié)議不統(tǒng)一，AI算法很難快速遷移或復(fù)用。

潘正頤認(rèn)為，這是現(xiàn)階段國內(nèi)工業(yè)機(jī)器人的潛在優(yōu)勢。“中國制造業(yè)的多樣性給了工業(yè)機(jī)器人企業(yè)天然的發(fā)展優(yōu)勢。”他告訴第一財(cái)經(jīng)記者，從3C電子到汽車零部件，再到新能源電池，幾乎每個行業(yè)都有不同的裝配邏輯和操作節(jié)拍，這給算法模型的泛化能力提供了豐富的數(shù)據(jù)訓(xùn)練和場景支撐。“相比于海外的工業(yè)機(jī)器人，更靠近場景是中國工業(yè)機(jī)器人更大的優(yōu)勢。”