工業機器人的發展路徑研究

白 凈

（大連職業技術學院，遼寧大連 116037）

0 引言

工業機器人是社會經濟和科學技術雙重推動下的產物，其涉及到計算機技術、機械技術、人工智能等領域。近幾年，工業機器人得到了較快的發展，工業機器人的使用促進了工業生產各個方面的管理發展，為生產企業帶來規范和秩序，提高了企業的生產效率。據國際機器人聯盟（International Federation of Robotics，IFR）數據報告顯示，2013 年以來，自動化生產在全球范圍內不斷加速，工業機器人的市場規模正以年均12%的速度快速增長[1]。機器代人已經成為未來制造業發展的主流趨勢，隨著機器人智能水平的提高，工業機器人的應用范圍除了搬運、焊接、刷漆、組裝、采集和放置外，食品、化工、家具、家電、采礦、建筑等領域也成為了工業機器人的新工業用戶[2-3]。近年來，由于傳統制造行業發展緩慢和人工智能的沖擊，為了提升生產效率、管理效率、節約成本，企業紛紛向自動化、數字化和智能化進行轉型。目前，工業機器人的發展態勢主要向著人機協作、人工智能、新工業用戶、數字化、和更小更輕5 個發展方向。

新冠肺炎的疫情爆發后，我國企業開始熱衷于部署機器人及自動化技術。服務機器人在輔助診斷、快速測試、精準測溫與目標識別等方面，助力了疫病智能診治，降低了醫護人員感染風險，提高了管控工作效率。此外，工業機器人在工業制造、物流配送、餐飲零售、安防巡邏、康復保健等領域的價值也進一步凸顯。

1 工業機器人的發展趨勢研究

我國的制造業轉型升級才剛剛起步，遠沒有達到智能制造、無人化生產的地步，2020 年的新型冠狀病毒疫情導致復工延遲、流通減速，給我國制造業帶來巨大沖擊。工業機器人作為制造業的生產載體，將更加向著數字化、智能化的方向發展。

1.1 數字化

數字化轉型最根本的價值，是能夠幫助制造企業真正從全方位洞察數據，從數據中看出正確的趨勢。在此次疫情之后，制造企業會更加重視對BI（Business Intelligence，商業智能）、大數據分析和AI（Artificial Intelligence，人工智能）等技術的實際應用，并對數據分析師提出迫切的需求。疫情影響下工業機器人的數字化發展主要體現在遠程控制、大數據分析等。

（1）實現無人化生產。利用GPRS 網絡和云端服務器實現工業機器人的遠程控制，在遠端即可對工業機器人進行運行控制、狀態查看、參數設定等。阿里云推出的“工業機器人云平臺”，可在云端管理機器人，實現對生產流水線和自動化裝備的機器人遠程監控，為工廠的業務管控提供數據支撐[4]。一旦機器人運行出現故障，平臺可實時上報，并啟動云端控制和后期維護等。

（2）提高生產效率。通過市場形勢分析行情、原材料供應、供需關系、產業鏈導向等大數據因素，推理設計最優生產方案，自動調整工業機器人的運行狀態，優化生產率。利用大數據分析進行預測性維護，對工業機器人潛在的問題進行監測并及時改善，對設備的運行狀態監控進行故障預警。目前KUKA、ABB 等大型機器人廠家生產的機器人可與云技術相連，實現機器人與設備聯網，實時查看和分析工業機器人的運行狀態，減少系統停機時間、進行預測性維護等，并通過大數據分析持續提高生產率、質量和靈活性[5]。

（3）實現柔性化生產。疫情影響下，企業對生產線進行柔性化改造的需求極為明顯，需要機器人承擔越來越多的工序轉換工作，甚至需要工業機器人快速實現“跨界轉產”。以口罩生產為例，遠景微笑制造中心、新松機器人、比亞迪、中石化等自動化、數字化程度較高的企業，都在短期推出了轉型的口罩生產設備及自動化生產線[6]。柔性化生產需要大量的數據分析、計算、模擬作為基礎，該領域的數字化提升有很大的發展空間。

1.2 智能化

機器人作為采集分析數據、執行分配任務的核心設備，其智能的關鍵點之一在于使機器人能夠有效感知外界環境，做出自主化的反應。對于這種可實現自主化反應的工業機器人，在疫情影響下的需求尤為迫切。智能化程度較高的工業機器人，可以減少人工干預，實現故障的自行檢測與處理，自主規劃運動路徑等。智能傳感器、機器視覺、人工智能等技術的發展，是提高工業機器人智能化水平的推動力。工業機器人在智能化發展中的關鍵技術，仍然是機器人視覺和控制算法研究，這是信息采集和決策的關鍵。

機器人視覺研究主要包括，圖像采集的選擇能力研究，視覺在動態處理方面的研究，視覺系統與其所處環境之間的交互作用能力來提升主動視覺的研究等，算法直接決定了邏輯推理和判斷決策的速度和準確度。工業機器人控制算法的研究，主要包括行為決策算法和運動控制算法。其中，運動控制算法已較為成熟，主要提高機器人行動的精度、速度和穩定性。復雜行為決策指在獲取周圍環境的知識后，工業機器人根據內部的知識庫做出決策，涉及人工智能的范疇，其發展有賴于人工神經網絡、基因算法、遺傳算法和針對具體問題的特定算法等。將人工智能與工業機器人結合后，工業機器人將從單純的執行機構轉變為可進行自主學習、自主分析決策的智能化設備系統，尤其對在未來處理公共突發事件時，能夠避免人工干預，臨機處理突發事件。

我國在機器視覺上的應用研究，偏重于目標識別和精確定位，如無錫奧特維科技股份有限公司研究并構建了一套基于機器視覺的工業機器人鋰電池載流片定位系統，通過圖像處理和算法處理實現工業機器人的智能定位[7]。華南理工大學利用工業機器人建立目標物體立體測量、抓取位姿估計、機器人軌跡優化，實現了智能識別，“自主抓取”是更高端的智能應用，這是我國工業機器人智能抓取的典型案例[8]。德國目前通過攝像頭，協助檢測原理和算法，對不同的幾何形狀和布置予以分類，可以自主實現抓取和搬運。

除了數字化和智能化之外，制造業實現少人化生產的途徑還有加強人機協作。協作機器人在生產制造中已經有了成功的應用場景，如用于倉儲與電子商務（運輸、揀選和排序）和電子產品的生產（焊接、裝配、打磨、檢測等復雜的工序過程）等。但限于AI 技術、成本等因素，還未能大規模應用。“人機協作”的模式使制造業的工作環境更加自動化，無論是在未來還是在疫情的當下，靈活、簡易、高效的“人機協作”模式都具有核心競爭力。目前的人機協作的智能化程度有限，可用如下案例作參考：德國庫卡（KUKA）的協作機器人LBR iiwa，可以以10～50 mm/s 的速度抵近物體，并在遇到阻礙后立刻停止運動[9]；瑞士ABB 的雙臂人機協作機器人YuMi，可與工人一起協同工作，在感知到人的觸碰后，會立刻放慢速度，最終停止運動[10]。

2 結語

工業機器人是實現智能制造前期最重要的工作之一，是聯系自動化和信息化重要的載體。工業機器人將加速數字化、智能化轉型來提升制造業發展的質量和競爭力，帶來相應的機器人技術研發、操作、維修、營銷及管理人員需求的大幅度提升，許多企業在“機器人換人”的過程中將面臨著“機器人易購，技工難求”的窘境，這對我國機器人行業的人才培養規模將提出更大的挑戰。