机器人技术在制造业中重要战略意义

机器人技术在制造业中重要战略意义

机器人技术对经济的推动

上个世纪，美国经济增长的基础来源于以制造业为核心的工业化。制造业领域创造了14%的GDP以及11%的就业岗位。由于美国70%的净出口产品与制造业相关，因此制造业对美国经济的健康发展极为重要。在制造业中，机器人的产业规模每年以8%的速度增长。制造业是机器人产业的核心部分，加上其所使用的仪器仪表、辅助自动化设备，整个机器人产业可达到200亿美元的规模。

美国制造业在近30年内发生了极大改变。虽然加拿大、中国、墨西哥以及日本制造业的发展，对美国制造业产生了极大影响，但制造业在美国经济中仍占据重要地位。在过去的30年里，美国的人均劳动生产率提高了100%以上，这在很大程度上要归因于技术上的创新及其在产品设计与制造过程中的应用。

但这种情况正在发生改变，竞争对手正投资于制造业的基础研究与教育，而美国政府投资于制造业研发上的资金在近30年里没有丝毫的增长，其全球所占份额已经显著下降，只有28%。其他国家也在使用与美国相同的技术，而其中一些国家还具有更为低廉的人力成本优势。因此，美国制造业正面临越来越大的压力。美国制造业产品的贸易差额以每10年500亿美元的惊人速度下降。随着人口老龄化，工人的数量也在迅速下降。机器人必须在人类工人持续减少的情况下保持生产率的持续增长。机器人技术及自动化技术的巨大进步对依赖嵌入式计算机、先进传感器、微电子技术以及微纳米级组件的新一代高价值产品来说更加重要，所以，依赖于工人的劳动密集型制造业不再是可行的选择。

与美国不同的是，中国、韩国、日本以及印度在高等教育和研发上的投资更大，并且中国与印度在系统性地召回在美国进行深造的科学家和工程师。韩国将机器人技术研究与教育作为其“21世纪前沿计划”的一部分且在2002年-2012年这10年里，每年都在该领域投入1亿美元。在“地平线2020计划”中，欧盟将在制造业与机器人技术领域投入9亿美元。与韩国和欧盟相比，日本的投入相对较小。在未来10年，日本将在仿人机器人技术、服务机器人技术以及智能环境领域投资3.5亿美元。与上述投资相比，美国政府的投入是最小的。

同时，机器人技术在自动化与物流领域获得了非常重要的应用。由于认识到机器人技术的重要性，亚马逊于2012年花费7亿美元建立的Kiva系统已成为仓储自动化的最佳应用实例。此外，由于亚洲的外包项目不再具有价格优势，苹果和联想都将其外包项目转为内包。2011年，特斯拉汽车公司在加利福尼亚开设了自动化程度极高的工厂，进行替代燃料汽车的生产，使其所有的制造业部门都位于美国境内。

制造业的增长领域

美国联邦商务部与竞争力委员会分析了大量的公司数据以统计其综合年增长率。各主要工业部门分类的数据如表1所示。

美国制造业目前的增长领域包括物流、物料搬运以及机器人技术。鉴于制造业的重要性，考虑如何利用机器人等技术增强美国制造业的实力势在必行。

机器人技术的“消费化”

许多先进技术都已证明，一旦技术被引入广阔的消费市场，必定会引起创新的增加与成本的降低。最显著的例子就是个人计算机与移动通讯的出现，这两种技术最初都是由于企业的需要而进行研发的。一旦这些技术被引入消费市场，企业投入的研发金额便成倍增加，引发技术的高速发展与成本的显著降低。同时，也将促进大量新兴行业与公司的建立。目前，这些行业内的公司贡献了很大的GDP并且正主宰着美国股市。

表1 2004-2011年280家美国公司的综合年增长率

对机器人以及机器人相关技术市场的培育也会造成类似影响。一个简单的例子就是微软为家庭电脑游戏市场开发的Kinect接口。它在语音与手势互动方面具有优势，使其在数量众多的商业应用中极具卖点。机器人技术“消费化”的另一个好处就是使工人对机器人更加熟悉。当人们习惯于在生活中与机器人进行互动时，才能更加适应与机器人一起工作而不会将其视作威胁。比如，iRobot公司生产的自动真空吸尘器的用户中，有三分之二为他们的吸尘器取了名字，并且有三分之一的消费者承认，他们会带上吸尘器去拜访朋友。

制造业的前景

今天的美国制造业就像是60年代的数据库技术，只是一个拼凑起来的解决方案，缺乏严格的方法论指导，无法进行科学地创新。1970年，IBM公司的数学家Ted Codd发明了关联代数——一个优雅的数学数据库模型。这项技术得到了美国政府的资助，并最终成长为如今140亿美元的数据库产业。如果能够发展出类似的模型，制造业将极大地受益。就像将两个数字相加的方法并不依赖于你所使用的铅笔一样，制造业的抽象模型也与产品是被单独地制造出来还是由生产线组装生产完全无关。

由阿兰·图灵于20世纪30年代发明的一个优雅的抽象模型，确立了如今高科技产业的数学与科学基础。与图灵机相比，制造业的抽象模型也将为制造业带来巨大回报。目前，计算机技术与信息科学的发展将使物理制造过程模型化、使研究人员“将图灵机带进制造业”成为可能。其最终的结果会像数据库及计算机一样，使美国制造业所生产的产品具有更高质量、更好的可靠性，更低的成本，并可更快交付。

研究流程

美国制造业技术路线图描述了制造业通过发展一系列机器人的基础性技术使其关键能力得到发展的前景。每一项关键能力都由一个或多个在制造业中广泛应用的技术发展而来（如图1）。

图1 路线图流程：技术领域的研发成果影响制造业的关键能力

具有前景的研究方向

要实现上一段中描述并列举的影响制造业的关键能力，需要图1中左边第一列所给出的一系列基础技术的研发。上述技术将在下文中与具有前景的研究方向一起简单的描述。需要注意的是，一项基础技术能够对不止一项关键能力提供支持。比如，“感知”技术直接影响到“非结构化环境中的作业”、“与人类一同工作的内禀安全机器人”、“自动化导航”以及“类人的灵巧操作技术”。

学习与适应

在工厂内使用机器人的最大障碍之一就是工作单元的工程成本高（比如设计、制造、安装夹具、固定件、输送带、第三方传感器以及软件）。这些工程成本通常是主要机器人硬件成本的好几倍。

使机器人通过人类的演示进行学习是指，人类工人在非工程环境下对工作任务进行多次演示，而机器人则进行观察。随后，机器人会模仿人类所执行的任务，并将其工作结果与人类的工作结果进行对比寻找差异。人类也可以通过监视机器人的行为，对参数化的任务描述进行比较，然后调整参数以优化机器人的行为。机器人系统也可通过“迭代学习”技术在工作完成的速度与可靠性上超过为它们演示的人类。

建模、分析、仿真与控制

建模、分析、仿真与控制对了解复杂系统，如制造系统至关重要。未来的制造系统需要将具有各种联系的系统与组件的模型、闭环链条、具有动态拓扑结构的系统以及相关的微纳米尺度部件组合在一起。利用上述部件对制造系统进行改进，模型与仿真技术需要进行试验验证、与研究结合并且对其优化。在经过改进的模型、仿真技术以及性能更加强劲计算能力的帮助下，可对原材料、产品部件以及组装与测试等制造系统的各方面进行仿真。

形式方法

在某些领域中，数学模型以及逻辑工具已经被用于指导软件与硬件系统的研发、验证以及规范制定。由于形式方法应用的高成本，大多被用于那些系统完整性极为重要的制造业领域，如航天器与商用飞机的制造等。然而，成本并非是阻碍形式方法从普通应用转向制造业应用系统（以及其他一些工程系统）的唯一阻碍。很少使用形式方法的原因还由于制造业系统本身的表征框架的限制所造成，比如零件的装配可被视为具有很多连续变量且具有分离非线性不等式约束的混合系统。

控制与规划

未来的机器人需要更加先进的控制与规划算法以处理具有更大不确定性、更大的容忍度以及更多自由度的系统。机器人手臂将配有可移动底座且具备执行精密操作的能力。这些机器人可能具有总共12个自由度。另一个极端则是拟人化的仿真机器人，可能具有60个左右的自由度。融合来自于拓扑学的新技术以及目前使用的基于采样的新型规划技术，从而能够有效地对高维空间进行搜索。

感知技术

未来工厂中的机器人，需要具有更加先进的感知系统来对自己正在进行的任务进行监控，并对自己周围的环境进行感知。不止是任务监控，机器人还要能够实时对零件进行检查，以避免在不合规的产品上浪费时间与金钱。机器人还要能够对人类工人的心理与生理状况进行评估，因为此类信息对保持最大的生产力至关重要。要达到上述要求，需要更好的触觉和力学传感器以及更好的图像理解算法。其中最为重要的挑战包括非植入性的生物辨识传感器以及可用的人类行为与心理模型。

机器人必须能够通过高精度的传感器与动作控制减少不确定性。传感器必须能够对装配任务中需要的几何与物理模型进行构建并能追踪任务的进度。如果是人类工人从事此项工作，那外部生物传感器还必须对人类工人的状态进行确定。之前依赖于昂贵工具的抓取动作与组装策略，会由于不确定的消除而被重新设计。

新机械结构与高性能执行器

改进的机械结构与执行器，将会推动机器人性能的提高。在执行器的发展历史上科学家往往聚焦于其力学性能指标，如精确性、重复性及分辨率。随着机器人技术在微纳尺度零件制造，敏感环境中作业（如全身核磁共振扫描器）以及与人类共事等新领域的应用，执行器与机械结构的设计（包括材料的选择）都需要重新进行考虑。机器人技术在人机共事上的应用，会极大推动安全驱动方面的基础研究。新的机械结构会推动包括外骨骼、智能义肢以及其他器件的研发与使用。上述系统需要高推重比、低排放（包括噪音与电磁）的执行器，以及人机间的自然接口。

人机交互

在制造业中，人机交互中最重要的因素是安全。在具有安全保障之后，工程师才可考虑降低成本和提升效率的方法。如果人机共事与单纯的人类工作或单纯的机器人工作相比效益更高，那么人机共事的工作策略就会被采纳并细化。

在最终用户的心目中，机器人系统的设计、制造及测试，将会带来更加安全、更低成本、更高效率及更高生产力的人机互动。简单说，清晰的接口与可视化的行为将使与机器共事如同与人类共事一样直观。在工作中，人类与机器人都需要提供简单易懂的意图指示（语言的或非语言的）。当机器人与人类共事时，机器人必须能够识别人类的活动以保持任务的同步性。同样，人类必须能够读取与识别机器人的行为以解释机器人对任务的理解（比如，一个机器人在正确的位置进行了钻孔，但钻孔深度有误，那么这就表明此项工作对机器人来说并未得到清晰的描述）。最后，机器人必须非常易于训练。机器人系统中必须为初次使用、维护、学习以及错误诊断与故障恢复建立学习帮助。

要达到上述要求，需要具有更大的带宽与更高分辨率的传感系统；还需要在机器人控制领域一直被忽略的由传感系统捕捉到人类工人的生物特征识别数据；在人机通信的设计中，还需要可选择的自然语言、手势、视觉以及触觉等多种方式。

构建与表达

新型的制造机器人必须具有足够的智能，以有效地与人类和其他机器人共享空间，并且能够自我学习提高效率与经验。要达到这一学习能力，机器人操作系统以及其后的建模与算法都必须进行充分的表达及合理地构建。机器人需要将各种操作技能与相关环境的物理特性进行梳理，以将其纳入对任务执行影响的考虑。机器人系统需要高层级推理控制和持续低层级的感知与动作循环。机器人将能够在观察人类与其他机器人的过程中利用自身的灵活性与丰富的技能表达，对新技能进行自主学习。机器人将学会对环境中的不确定性进行表达，并通过观察任务执行来改正错误，还能够基于错误对自身技能进行加强。

测量科学

大学实验室中所取得的研究成果，通常很难转换为工业应用。为了保证研究成果能够在制造业领域中得到发展，需要广泛地发展基础测量科学用以对技术转换进行评估与促进。测量科学可以用来描述基础技术的成熟程度，其中包括以下元素：基本计量方法、性能指标、测试方法、参考用件与数据、参考体系结构、关键技术投入以及标准、测试基准与测试平台。这些元素可帮助研究者评估进度、重复试验及验证新技术。在现实条件下对其预期性能进行过预判的新技术，将会减少实施中的风险。

“云”机器人技术与制造业自动化

2010年，“云机器人技术”的出现，将需求处理与数据管理转移到了“云”端。这种模式被概括为：“没有机器人是一座孤岛”。这种想法受到了谷歌以及思科等大公司的关注。

“云机器人技术”的推广需要：迅速扩大并改进的无线网络、可用的大型快速需求（弹性）计算集群、用于收集与存储共享数据的大型数据中心、“大数据”技术、具有无线射频标签或内部服务器的“物联网技术”、众包、数据域代码的开源分享、定期备份、软件升级与安全补丁。

谷歌的自动驾驶汽车对一个庞大的地图与图像图书馆进行索引，充分体现了“云机器人技术”的概念，即将“云”视为一个巨大且快速增长的，用于大规模并行计算与实施海量数据共享的资源池。苹果公司的Siri系统，使用本地及远程处理结合的技术应用与判断分析。Siri系统的每一个需求实例与输出都被存储下来以供全球各地的Siri系统学习。

在不同工厂中不同的制造设备间分享数据，能够对制造设备进行更好地诊断、降低生产中的异常并提高生产效率。机器人在执行操作任务或者仅仅在非结构化的环境中，自主导航都能够进行互相学习。通过模块化及快速设计、测试、再设计，能够制造出更加健壮的机器人系统。

“云机器人技术”将至少在以下五个方面得到极大地发展。

其一，提供全球的带有几何及力学属性的地图、图像以及对象数据的图书馆；

其二，基于对样本的统计模型分析及动态规划的大规模并行计算技术；

其三，机器人之间共享成果、轨迹以及动态控制策略；

其四，在机器人操作系统日益普及的情况下，人们对开源代码、数据、编程、实验及硬件搭建的共享；

其五，问题检测以及按需请求人类的诊断与指导。

由于间歇或突发性通讯造成的安全性、隐私性、延迟及质量控制等问题是机器人技术面临的挑战。

工业机器人的关键技术

美国工业机器人路线图中最重要的内容，是将能够对工业产生极大影响的机器人技术进行梳理。除去对机器人领域的教育、培训以及推广计划外，共有以下八大关键技术。

具备可适应性及重构性的生产线技术

在当前的制造业中，一种新产品从概念设计到生产制造的时间相当漫长。对于汽车制造业来说，这个时间间隔可能长达两年。当面对一个新的产品以及可以进行生产的生产线子系统时，子系统能够进行重构设置以进行新产品的生产，其15年技术路线图如下表。

自动导航技术

自动导航是现代工业中的一项基本功能，能够影响采矿与建筑行业的设备自动化、原材料的运输效率以及仓储与配送的物流支持。其基本能力，即是使机器人在包含静止障碍物、车辆、行人以及动物的非结构化环境中进行安全地运行。自动导航的路线图包含以下技术节点。

绿色制造技术

绿色制造技术着眼于对制造业中各个环节的原材料及设备进行回收和重用，从而达到降低能耗的目的。

机器人臂的灵巧操作技术

机器人臂在速度与强度以及精确度方面，已经超越了人类手臂，但其灵巧程度还无法与人类相比。这种差距要归结于机器感知、高性能传感器以及动态规划与控制等技术的相对滞后。机器人的灵巧操作技术路线图包含以下的技术节点。

基于模型的供应链整合技术

如果计算机领域与信息科学的发展能够将物理制造过程模型化，那么制造业将迎来真正的全面革新，使产品具有更好的质量、更高的可靠性以及更低的成本。其技术节点如下。

纳米级制造技术

传统的基于COMS的集成电路与计算模式，目前正被新的纳米级制造与计算技术所超越。微机电系统（MEMS）、低功耗超大规模集成电路以及纳米技术的发展，已经使次毫米级自供能机器人的出现成为可能。在纳米级制造技术的支持下，新的并行甚至随机装配技术有望出现。

非结构化环境感知技术

在目前的制造业中，固定的自动化设备被用于进行大规模生产。因为其为自身构建了一个结构化，可预测的环境，极大地简化“智能”制造所面临的挑战。但未来，小批量、定制化、符合自动化制造要求的机器人将更加智能、灵活并能在低结构化甚至非结构化环境中与人类工人共同工作。非结构化环境感知技术的技术节点如下。

机器人安全技术

任何技术都会带来风险，这就需要对风险进行有效地管理，并引入风险评估模型，使用户对风险具有认知。机器人安全技术的路线图如下表。

（本文节选自《美国机器人技术路线图——从因特网到机器人技术》其中的工业机器人技术路线图部分，略作删减与调整）