您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
机器人替代传统劳动力还需要多少年？
机器人,机器,手臂机器人替代传统劳动力还需要多少年？
发布时间：2019-02-08加入收藏来源：互联网点击：
深度学习物件识别范例，由左至右分别为Mask-RCNN, Object Modeling, Grasp Point Prediction。
2. 可扩充性（Scalability）
深度学习不需像传统机器视觉一样，需要事先建构每一个物品的3D模型。只需要输入图片，经过训练，人工神经网络就能自动识别影像中物体。甚至能使用非监督或自监督学习，降低人工标签数据或特征的需要，让机器更近接近人一样的学习，免去人为干预，让机器人面对新的零件再也不需要工程师重新编写程序。随着机台运作，收集到的数据越来越多，机器学习模型的准确度也会进一步提升。
目前一般生产线通常有振动台、送料器、输送带等周边设备，确保机器人能够正确拿取需要的部件。如果机器学习再进一步发展，让机器手臂更加智能，或许有一天这些比机械手臂更昂贵四五倍以上的周边设备将不再被需要。
另一方面，由于深度学习模型一般储存在云端，这也让机器人能够互相学习，共享知识。举例来说，若有一台机器手臂经过一个晚上的尝试，学会如何组合两个零件，便能够很轻易地将这个新的模型更新到云端，并分享给其他同样也连结到云端的机器手臂。这不但省去了其他机器的学习时间，也确保了品质的一致性。
3. 智能放置（Intelligent Placement）
一些对我们来说一点也不困难的指令：请小心轻放，或把物品排列整齐，对机器手臂而言却是巨大的技术挑战。
如何定义「小心轻放」？是在物体碰触到桌面的瞬间停止施力？还是在移动到距离桌面6公分处放手让物体自然落下？或是越靠近桌面就越降低速度？这些不同的定义又会怎麽样影响物品放置的速度和精确度？
至于将物品「排列整齐」就更困难了，先不论每个人对整齐的定义都有所不同，为了能将物品精准地放置在想要的位置和角度，我们首先必须要先从正确的位置拿取物品：机械手臂依然不如人手灵巧，且目前一般机器手臂大多使用吸盘或是夹子，要做到人类关节及手指的灵活度，还有一大段距离。
其次我们要能即时判断夹取物体的角度位置及形状大小，以下图的杯子为例，需要知道杯口朝上或朝下，要侧放或直放，也要知道放置的地方有没有其他物品或障碍物，才能判断将杯子放在哪裡才能最节省空间。 我们因为从出生开始就在学习各种取放物品的任务，这些复杂的作业几乎不加思索就可以完成，但机器并没有这样的经验，必须重新学习。
AI机器手臂。
经由AI，机器手臂可以更精准地判断深度，还可以通过训练，学习判断及做到杯子朝上，朝下等不同状态。也可以利用对象建模（Object Modeling），或是体素化（Voxelization），来预测及重建3D物体，让机器可以更准确掌握实际物品的大小和形状，进一步将物品放到该放的位置。
AI机器人将如何颠覆制造业？
现在我们知道AI可以让机器做到许多以往做不到的事，但这对制造业现行的产业结构又会有什么影响？谁能够把握住新科技典范转移技术带来的机会？哪些公司又会面临前所未有的挑战？
AI机器人带来的破坏式创新（Disruptive Innovation）
破坏式创新由哈佛商学院教授克莱顿·克里斯滕森（Clayton Christensen）在其著作《创新的两难》（Innovator's Dilemma）当中提出。理论的中心思想是：
产业中的既有业者一般会为了服务现有客户（通常也是利润最高的客群），而选择专注于「持续式创新」，改善现有的产品及服务。此时，一些资源较少的小公司把握机会，瞄准被忽略的市场需求，而取得进入市场的立足点。
破坏式创新又分为以下两种：
（1）低阶市场创新
一般大家较为熟悉的是「低阶市场创新」，数字照相技术就是一例。早期的数字相机不仅分辨率不佳，而且还有快门延迟很长的问题，但随着数字照相品质及分辨率逐渐进步，数字相机逐渐从低阶市场晋升为主流。讽刺的是，柯达虽然研发出数字相机，但却因为无法放弃当时该公司占据全球3分之2的胶片市场，而最终被新技术淘汰。这正是所谓的「创新的两难」，既有业者虽然看到新科技的威胁，但却因为现有公司结构，策略等种种原因无法及时应对。
（2）新市场创新
「新市场创新」则是指新进公司瞄准既有公司尚未服务到的「新市场」进行创新。例如，电话刚推出的时候只能被用来做短距离的本地沟通，因此电报产业当时的领先者Western Union拒绝购买发明家贝尔的专利，因为该公司最赚钱的是长途电报市场，当时甚至不认为短途沟通会是一个市场，更不用说预见后来人人都用电话沟通的情景了。
而AI机器人带来的，正是「新市场的破坏式创新」！
传统机器人与AI机器人的创新策略比较。
目前汽车及电子制造业占工业机器手臂出货量的60%，这也导致市场领先者发那科（FANUC）、ABB、KUKA、安川（YASKAWA）专注于「持续式创新」：做他们最擅长，客户也最需要的，进一步提高速度及精度。这也使得其他诸如仓储业、食品制造业，或制造业中的「备料程序」成为被忽略新市场。这些客户并不需要这么高速度，高精度的作业，但需要机器手臂更灵活，更能弹性自主学习识别及处理不同的零件或是工作。
新创AI机器人公司看到这样未被满足的需求，开始将人工智能应用在机器人上，使得机器手臂可以被用在备料，包装，仓储等新市场。他们使用较低阶的相机搭配机器学习模型，让以往只能由人工作业的备料，货物分拣等程序自动化，让机器手臂可以被运用在更多不同的地方，甚至整个产业。
有趣的是，这些新创公司一般不自行生产机器手臂，而是专注于开发机器学习模型、机器视学及控制软件，在硬件方面则选择跟既有机器手臂厂商合作。因此，你可能会想，就算这些机器手臂公司不追求AI创新，他们也不会被时代淘汰，因为自动化还是需要硬件的供应。
但是，这样想忽略了几件事：
首先，有些机器手臂公司已经先嗅到了商机，并开始一边与这些新创公司合作，一边建立自己的AI团队。这些公司因为率先采取行动，可以更快地在这些以往服务不到的新市场中建立客群，进一步领先竞争对手。
其次，随着AI应用的普及，产业链中的最大价值，会逐渐由硬件转向软件及数据。 这点，我们已经可以从无人驾驶汽车的发展趋势中看出。一但无人车可以做到高度自主，大部分的价值都会在掌握无人驾驶汽车机器学习模型及自驾数据的特斯拉，或Google等公司的手里。这也是为什么车厂人人自危，不是积极并购就是跟硅谷的软件AI新创公司合作。相比起来，机器手臂及制造商对AI技术的接受速度似乎还不及汽车制造商。
AI机器人带来的挑战与机会
制造业自动化产业链。
AI及机器人的结合带来许多的可能性，但是这些改变绝非一蹴而就。机器手臂公司纵使开始投资AI，也依然会面临当初柯达所面临的「创新者的两难」。
要如何重新打造组织及发展策略，才能够让转型的负面影响降到最低，也考验各个公司管理阶层的判断与决心。
下一篇：返回列表
相关链接 |
||
| 网友回复（共有 0 条回复） |