在工業(yè)界，傳統(tǒng)自動化方案均是將知識灌入機器人系統(tǒng)，通過編程的形式實現(xiàn)自動批量處理事務的功能。因此誕生了一系列計算機視覺的任務和機器人控制的任務，比如一個完整的抓取分揀操作，包含了3D感知、配準、點云分割、抓取點估計、任務重排、規(guī)劃、2D校準等任務，通過強大的工業(yè)軟件將這些技術點耦合在一起，這樣催生了工業(yè)上的絕大部分應用。

這樣的應用具有可控、重復性高的特點，但是整個方案實施成本高、柔性低、換線復雜，并且每個方案都是獨特的，缺乏基準和技術一致性，非常不利于整體技術的進步，因此“解決方案”這四個字是整個行業(yè)的痛。

人類經常被物化為工業(yè)流水線中最柔性的執(zhí)行機構，是因為人觀察和學習周圍的環(huán)境，使用自己的大腦充分的利用自己的身體完成各種復雜的任務，并且在執(zhí)行中不斷受到更新自己的認知，這種以身體為舟，性命為本，在塵世航行的模式，正是智能化追求的一種理想形式。這正是1950 年圖靈論文中提到的具身智能。

工業(yè)機器人的智能化發(fā)展始于具身智能。具身智能是指人工智能具有身體，需要與真實世界進行交互。這種交互不僅涉及視覺上的高維特征提取，還包括其他感官信息，例如聽覺、嗅覺、味覺和觸覺。通過這種交互，智能體可以獲取物理世界的真實反饋，并通過反饋來學習并進化。具身智能是一種重要的發(fā)展方向，可以幫助機器人更好地完成任務。

而在具身智能執(zhí)行步驟一般為多傳感器的real to sim，然后sim to real的過程，具體的過程如下：

Real to Sim

通過多種感知設備和算法，盡量將現(xiàn)實世界的信息能夠還原到虛擬環(huán)境中

Sim to Real

在經過模擬和規(guī)劃后，將算法和規(guī)劃應用到實際機器人上

以前為什么不能提具身智能，是因為技術復雜，各個技術點發(fā)展不成熟，但是目前2023年，很多工作已經發(fā)展到一定的階段，尤其是大語言模型徹底改變了語義理解和頂層規(guī)劃的困難。

大語言模型的發(fā)展為高級規(guī)劃層鋪平了道路

隨著chatgpt證明了大語言模型具有較強的綜合思考、邏輯能力、數(shù)理能力，大語言模型越來越被證明，其作為機器人的上層邏輯規(guī)劃器是非常有希望的，一舉改變了機器人系統(tǒng)不智能的缺點。尤其值得注意的是最近chain of thought配合LLMs的一些研究表明，通用AGI似乎并不遙遠了。

大語言模型的發(fā)展

Chain of thought在無害化方向的作用

多模態(tài)模型的發(fā)展

Transformer等結構帶來的多模態(tài)模型的發(fā)展，對統(tǒng)一圖像、行為理解、語音、動作等提供了技術基礎。2023年3月6日，來自谷歌和德國林工業(yè)大學的一組人工智能研究人員公布了史上最大視覺語言模型 PaLM-E( Pathways Language Model with Embodied)。機器人可以通過圖片理解現(xiàn)狀，并根據文字指令完成任務。

CVPR2023的best paper，UniAD工作可以端到端的處理多個自動駕駛任務，并實現(xiàn)了一個自動駕駛的任務的全局最優(yōu)化方案，這意味者模型可以統(tǒng)一的理解所有的關鍵信息并作出決策。

Nerf-based 模型的發(fā)展為2D感知和重建

提供了豐富的手段

NeRF（Neural Radiance Fields神經輻射場）最早是在2020年ECCV會議上的最佳論文中提出的概念，其將隱式表達推上了一個新的高度，僅用2D的posed images作為監(jiān)督，即可表示復雜的三維場景。

Nerf的出現(xiàn)改變了2D估計3D的方案，基于Nerf的slam工作、重建工作等都獲得了極大的發(fā)展，改變了模型認知世界的方法。

Nerf-based slam技術在稠密建圖導航中大放異彩，以NICE-SLAM為代表的模型在精度上有了較大的進步。CVPR2023的UniSim工作實現(xiàn)了高度逼真、閉環(huán)測試(closed-loop simulation)、可擴展 (scalable), 只需要采集一次數(shù)據, 就能重建并仿真測試。

基于當前智能技術的發(fā)展，微億智造又是如何塑造其技術路線，朝向工業(yè)智能化發(fā)展的呢？

微億智造提出了獨特的工業(yè)智能機器人的漸進式路線：以“眼手腦云”的實施架構為基礎，聚焦于可累積數(shù)據場景和通用關鍵技術，打造虛實結合的應用產品，漸進式的實現(xiàn)機器人智能化。

“眼”指的是微億智造自研的圖像感知技術與可組合光學成像系統(tǒng)；“手”即是機器人智能控制，所有的技術都要通過“手”來實現(xiàn)工程化落地；“腦”是更貼合離散制造需求的多任務學習和小樣本訓練技術；“云”則是一個既能為“腦”提供算力支撐，又能鏈接政府與企業(yè)的云平臺。

下面拆解一下我們去年年底推出的數(shù)字工人——工小匠產品是如何踐行這個理念的。

針對碎片化的缺陷檢測工藝

建立統(tǒng)一的硬件載體和軟件系統(tǒng)

傳統(tǒng)的外觀缺陷工作分為光、機、電、算、軟五部分工作，而相關技術經驗和工作流都是散落在不同的工作流中。比如如果用到了機械臂，所有的機械臂程序都會在機械臂廠家定義的軟件空間里，那么相關的角度、打光方案、算法效果就無法被記錄，從而缺少了改進的機會。微億智造將機臺標準化、集成化，一體式的完成從方案到實施的全過程，這就將所有的技術工作串聯(lián)了起來。這樣統(tǒng)一工程化的形式，一是可改進，二是可量化，三是減少了閉環(huán)的回路長度。

全棧自研算法加持

加速實現(xiàn)全鏈條應用落地

工小匠集成了運動控制算法、缺陷檢測算法和光學智能推薦算法，加速全鏈條的應用速度。其中運動控制算法采用自研六軸機械臂位姿計算和三階約束的最優(yōu)時間軌跡規(guī)劃，可以穩(wěn)定快速的解算出機械臂的最優(yōu)運動軌跡。而缺陷檢測方面，基于知識注入和缺陷生成的全流程缺陷檢測系統(tǒng)，在數(shù)據注入后馬上生成模型方案，并且在多條產線上實際驗證能夠2周內達到檢測標準。本系統(tǒng)中同時集成了對光學方案的智能推薦，并且把經驗源源不斷的注入到模型里，實現(xiàn)了光學的智能調試，這也是專機系統(tǒng)無法完成和持續(xù)進步的。如此強大的算法系統(tǒng)保證了速度最優(yōu)、上線迅速、可迭代，且賦予了系統(tǒng)更強大的執(zhí)行力。

踐行real2sim，sim2real的理念

在工小匠產品中，微億智造操作的對象是工件，工件的拍照點位、光學方案都可以在數(shù)字空間中設置和分析，優(yōu)化后的實施方案可以通過所謂的“工小匠”硬件機臺去實施，而用戶無需關心“工小匠”是一個什么樣的機臺，這就為數(shù)據記錄和工藝記錄鋪平了道路，實施的擴展性和方便性非常高。比如更換了工裝，我們不用再調試機械臂了，復制100臺，我們也不用單獨去調試每個機械臂，機臺系統(tǒng)會自動適應這個對象。這便是具備了具身智能的概念，使機器智能的思考如何執(zhí)行。

而相同的事情也發(fā)生在其他的工藝過程中，無論是缺陷檢測、尺寸量測、打磨、涂膠，都可以踐行相同的理念和系統(tǒng)，從而讓整個工業(yè)現(xiàn)場變得可被優(yōu)化?？v觀整個工業(yè)智能的發(fā)展，之所以遠遠比不上消費端的發(fā)展速度，其根本原因是相關的基礎元素沒有被很好的數(shù)字化。而微億智造基于眼、手、腦、云的技術架構將整個機器人工藝鏈條全部數(shù)字化，在產線上不斷地與AI協(xié)同進化，可以預見這些工藝將會以前所未有的速度升級迭代。

在當前的技術潮流下，感、知、控等技術都已經飛速發(fā)展，實現(xiàn)工業(yè)智能化的要素逐漸齊備，微億智造這樣的公司正是推進這個流程的排頭兵，希望早日看到大潮漫灌！

審核編輯：劉清