【序言】王天然:机器人技术的发展

2017 年 8 月 29 日 中国自动化学会

引用格式:   王天然. 机器人技术的发展[J]. 机器人,2017,39(4):385-386. 


机器人技术的发展

机器人的应用越来越广泛,作用越来越突出,甚至有研究发现“机器人对于劳动生产力的增长贡献与蒸汽机出现时对于劳动生产力的影响是同一个级数”.与此同时,机器人技术也在快速进步,在相关学科技术进步的支持下,机器人领域在酝酿着技术突破.

上个世纪后期,尤其是最后10 年,在需求牵引下,重视“提升生产效率,提高产品质量”.工业机器人的速度、重复定位精度和可控轴数都提高了50% 以上;多功能人机界面和可靠性大幅改善,平均无故障时间翻倍,甚至提出了“终身免维护”;价格却下降了近50%;“伺服马达体积减小、功率提升,减速器体积减小、刚度提升”;基本满足了用户的要求.

本世纪以来,面对产品的生命周期越来越短,用户的个性化要求越来越强烈的情况,需要灵活的制造系统,生产线变更所需的时间需要大幅度缩短.希望机器人能“即连即用”,为此工业机器人采用了3 维视觉快速标定技术;为了使机器人能方便快速地移动到工作地点,而不是端坐在自己的“王国”里等待工件的到来,开发出车手复合机器人等等,取得了实用性进展.

但是,工业机器人,作为一个灵活的智能机器,能力与期望还相差甚远.应用领域主要是汽车和电子等大批量重复生产、资金雄厚的领域.在很多应用领域,许多看似简单的劳动,机器人却无能为力.事实表明,很多工业机器人还没有能力取代人,人们常常陷入或者自动化,或者人手工劳作的尴尬抉择境地.在飞机和造船等制造业中,部件都是在高度自动化的精密设备上加工出来的,但是,组装工作还主要依靠人工,自动化程度很低,缺乏灵活的设备协助;劳动密集型制造业中,很多手工工作,现在的机器人还没法胜任;方兴未艾的再制造业中的工作还都是靠手工完成.大量工作需要人和机器人合作,人机协作是有效解决方案.

   人机协作不仅是解决现实问题的需要,也是长远发展的选择,人和机器人“像师傅和徒弟一样工作,同时让机器人增长技能”将是理想的工作模式.德国DLR 及KUKA公司联合研制的高精度轻型机器人(light weight robot,LWR),以及美国Rethink 公司研制的Baxter 是向这个方向努力的代表.虽然它们各有特点,比如LWR 自重负重比已接近1:1,是当今最好水平等等,但它们的目标都是构造出整体柔顺、能安全地与人紧密合作的机器人.虽然要实现具有一定通用性的、人机友好的、价格更适合中小企业应用的目标,还需要再努力,但是他们力图将人与机器人的关系由主仆关系变为伙伴关系,开启了与以往工业机器人的人机关系本质不同的新型机器人研究.

与人共融机器人是当前机器人的主要发展方向,已受到广泛关注.就像英文名字从assistant robot,到co-worker、co-robot,一直到cobot 一样,研究也从功能的增加,到追求结构的改变.从人与“机器人工人”的两人合作,发展到研究多个人和机器人的团队合作.有研究表明,人和机器人的团队合作,会比单独工作大幅提高效率.从共同实现统一目的的使命级融合,到在同一场地相互协作,再到物理连接的相互协作,还有很多问题需要解决.实际应用中,不断提出很多具体的要求,推动着研究的进展.

服务机器人同样需要与人共融,直接为人服务的机器人尤为需要.不能与人共融,是为人直接服务的机器人进展不理想的重要原因.服务机器人领域繁多,各种不同类型的服务机器人层出不穷,只有当服务机器人不再是游离于人之外的机械装备,才能更好地服务于人.

与人的共融改变了人与机器人的关系,是下一代机器人的本质特征.

机器人技术涉及众多学科,是相关学科技术的“吸食者(eater)”.借助仿生、纳米技术等领域的技术与知识,寻求具有新功能的机器人,取得了可喜的研究成果.相关领域的技术进步将不断推动机器人技术的发展,相关学科的突破,将引导机器人领域的发展和变革.互联网和人工智能等信息技术的发展,将为机器人提供强大的“后脑”,这是当前机器人和智能机器的一个研究热点,可以预期机器人的智能水平将快速提高;虚拟现实技术将使机器人工作在虚实结合的环境之中.材料科学的发展,将形成所谓“软体机器人”,人造肌肉方兴未艾,如果它们可以取代现在机器人的“铁臂”,组成在负载能力、控制精度与响应时间上都可满足应用的“人造肌肉”机器人,将是机器人领域的革命,从根本上改变现在机器人的结构与驱动方式,改变控制方法与手段,把机器人引入一个全新的境界.脑科学研究引人瞩目,利用脑科学的成果,可以使机器人的行为直接受控于人,脑控无人机已经开展比赛,脑控机器人将引发机器人的变革,产生新的应用领域.机器人学与生命科学的结合,将产生类生命机器人,使人机关系产生根本改变,也把人机融合推向高峰.

机器人与相关学科的结合酝酿着突破,机器人面临着灿烂的明天.


来源:机器人ROBOT

登录查看更多
0

相关内容

王天然,男,汉族,1943年3月7日出生于黑龙江省海伦县,机器人与工业自动化专家,中国共产党党员,中国科学院沈阳自动化研究所学术委员会主任、研究员、博士生导师,机器人技术国家工程研究中心主任,辽宁省科学技术协会主席,北京邮电大学自动化学院院长、中国工程院院士。1967年,王天然毕业于哈尔滨工业大学;1982-1985年,在美国卡耐基-梅隆大学作访问学者;1970年 -2003年,在中国科学院沈阳自动化研究所工作,并先后担任副所长、所长;2003年,当选为中国工程院院士。王天然长期从事智能机器人、机器人应用与工业自动化研究。
最新《智能交通系统的深度强化学习》综述论文,22页pdf
《强化学习》简介小册,24页pdf
专知会员服务
272+阅读 · 2020年4月19日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
301+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
我国智能网联汽车车路协同发展路线政策及示范环境研究
互联网+检验检测智能化成发展趋势
人工智能学家
7+阅读 · 2019年3月2日
【CPS】信息物理融合系统理论与应用专刊序言
产业智能官
7+阅读 · 2019年2月27日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
2018年德国汽车产业研究报告
行业研究报告
16+阅读 · 2018年12月1日
【工业4.0】工业人工智能与工业4.0 制造
产业智能官
18+阅读 · 2018年11月8日
麻省理工发布2018年全球十大突破性技术
算法与数学之美
12+阅读 · 2018年9月13日
Learning Discriminative Model Prediction for Tracking
Dynamic Transfer Learning for Named Entity Recognition
Arxiv
3+阅读 · 2018年12月13日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
VIP会员
相关VIP内容
最新《智能交通系统的深度强化学习》综述论文,22页pdf
《强化学习》简介小册,24页pdf
专知会员服务
272+阅读 · 2020年4月19日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
301+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
相关资讯
我国智能网联汽车车路协同发展路线政策及示范环境研究
互联网+检验检测智能化成发展趋势
人工智能学家
7+阅读 · 2019年3月2日
【CPS】信息物理融合系统理论与应用专刊序言
产业智能官
7+阅读 · 2019年2月27日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
2018年德国汽车产业研究报告
行业研究报告
16+阅读 · 2018年12月1日
【工业4.0】工业人工智能与工业4.0 制造
产业智能官
18+阅读 · 2018年11月8日
麻省理工发布2018年全球十大突破性技术
算法与数学之美
12+阅读 · 2018年9月13日
Top
微信扫码咨询专知VIP会员