很多人都知道,  將機(jī)器學(xué)習(xí)應(yīng)用于實(shí)體機(jī)器人是充滿挑戰(zhàn)的，因?yàn)榭刂菩袨檫h(yuǎn)比辨認(rèn)圖片中的物體復(fù)雜得多。比如讓工業(yè)機(jī)器人自學(xué)”抓取多種物品，讓工業(yè)機(jī)器人通過看視頻學(xué)會(huì)調(diào)制雞尾酒，讓工業(yè)機(jī)器人也用上自學(xué)習(xí)軟件，在訓(xùn)練完一個(gè)加載在機(jī)器人上的機(jī)器學(xué)習(xí)系統(tǒng)后，還要將這個(gè)機(jī)器學(xué)習(xí)系統(tǒng)與特殊的機(jī)器人動(dòng)作相適應(yīng)，來達(dá)到工業(yè)機(jī)器人非常講究地工業(yè)機(jī)器人和環(huán)境的融合。

但在工業(yè)機(jī)器人創(chuàng)新創(chuàng)業(yè)者眼里，這條路是不可避免的。近日在東莞舉辦的李群自動(dòng)化年度發(fā)布會(huì)上，他們聘任了新的首席科學(xué)家Frank C.Park，韓國國立大學(xué)機(jī)電系教授。在演講過程中，以一個(gè)生動(dòng)的PPT向我們展示了工業(yè)機(jī)器人中的機(jī)器學(xué)習(xí)和也可以相當(dāng)完美。以下是雷鋒網(wǎng)截取的精華內(nèi)容：

三菱電機(jī)的Kodaira說過，機(jī)器人行業(yè)迫切需要系統(tǒng)集成方面的創(chuàng)新，工業(yè)機(jī)器人只是一個(gè)部件，只有整合到系統(tǒng)里它才有價(jià)值。但是每個(gè)系統(tǒng)都需要專門定制，與其它系統(tǒng)的鏈接也需要花功夫。因此，整個(gè)工業(yè)機(jī)器人系統(tǒng)的成本往往是3倍到20倍機(jī)器人硬件的成本。而這其中，軟件規(guī)劃一項(xiàng)至少占了40%。

要打造符合時(shí)代趨勢(shì)更好的工業(yè)機(jī)器人（工業(yè)機(jī)器人庫），我們需要通過軟件來提高。這其中包括最優(yōu)規(guī)劃生成（用最少的時(shí)間，損耗最小的能量）；任務(wù)的制定和優(yōu)化；模擬（機(jī)器人工作單元中的模擬，工廠中的模擬）。

這張圖是韓國工業(yè)機(jī)器人的發(fā)展歷史：從韓國2002年出現(xiàn)韓國現(xiàn)代六軸機(jī)器人到現(xiàn)在irLib 2016極力推崇的動(dòng)作規(guī)劃。

這里我要講的是，irLib除了單個(gè)機(jī)器人的優(yōu)化，還能應(yīng)用于多機(jī)器人，多任務(wù)的優(yōu)化。具體包括，在多機(jī)器人多任務(wù)中，確定機(jī)器人的最佳位置，多機(jī)器人協(xié)同的任務(wù)。

下面以端到端的能量軌跡舉例。在一個(gè)正常的機(jī)械臂中，輸入扭矩減少30%－40%，能量損失就會(huì)減少5-6%。

當(dāng)然，除了優(yōu)化，工業(yè)機(jī)器人中的檢驗(yàn)也很重要。

這時(shí)候今年各種AI會(huì)議上大熱的機(jī)器學(xué)習(xí)就派上用場(chǎng)了，機(jī)器學(xué)習(xí)在檢驗(yàn)中的重要性不言而喻。比如，基于視覺的機(jī)器學(xué)習(xí)，在查看智能機(jī)屏幕，產(chǎn)品標(biāo)簽時(shí)都要大量用到。比如，基于聲音的機(jī)器學(xué)習(xí)，在檢查耳機(jī)孔質(zhì)量的時(shí)候能夠用到。比如，在瓶口紋路檢驗(yàn)的時(shí)候能夠用到。

換而言之，只要是有感官輸入的地方，都能在檢驗(yàn)系統(tǒng)里用到相關(guān)的機(jī)器學(xué)習(xí)。最后，我想表達(dá)的是，我們的目標(biāo)就是通過更先進(jìn)的軟件和算法，來達(dá)到更好的工業(yè)自動(dòng)化。

小結(jié)：

在工業(yè)機(jī)器人中加入機(jī)器學(xué)習(xí)，根據(jù)業(yè)內(nèi)人士的說法，目前還只是一個(gè)噱頭多過于實(shí)踐的現(xiàn)狀。但也有一些人欣然嘗試，比如去年十二月份，F(xiàn)anuc在東京國際機(jī)器人展覽會(huì)上就展示了一臺(tái)經(jīng)強(qiáng)化學(xué)習(xí)訓(xùn)練的機(jī)器人，這個(gè)機(jī)器人使用了一種名為深度強(qiáng)化學(xué)習(xí)的技術(shù)，來訓(xùn)練它自己，可隨時(shí)學(xué)習(xí)新的任務(wù)。它在嘗試拾起物品的同時(shí)，能夠抓取這個(gè)過程的錄像。不管每次它是成功了還是失敗了，它都會(huì)記住物品長什么樣的，用它學(xué)到的知識(shí)改進(jìn)控制它行動(dòng)的深度學(xué)習(xí)模型或大型神經(jīng)網(wǎng)絡(luò)。

但面對(duì)現(xiàn)在柔性化生產(chǎn)越來越高的呼聲，我們不能再像過去一樣，讓工業(yè)機(jī)器人要執(zhí)行一個(gè)復(fù)雜的新任務(wù)時(shí)，就花上數(shù)周時(shí)間來重新編程，可以想象，如果機(jī)器人能夠在勝任新工作之前看著別人先做一遍就“學(xué)會(huì)“這個(gè)新動(dòng)作，這會(huì)讓現(xiàn)在的工業(yè)機(jī)器人生產(chǎn)過程產(chǎn)生質(zhì)的變化。也會(huì)讓我們?cè)诠I(yè)4.0的趕超大潮中，不再跟國外的差距那么大。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。