早在1978年，波士顿动力的创始人Raibert就写了一篇关于机器学习的文章。这篇文章里，作者用了一个特别小的电脑，300B的通信速度，实现了机械手对外界负载的自适应。

　　学习原本是生物体具备的一项重要技能，而随着人工智能的蓬勃发展，人们逐渐开始谈论机器学习在工业机器人领域中的作用与应用，让机器人能够模拟或实现人类的学习行为，以获取新的知识或技能，并重组已有知识结构，使之不断改善并提升自身性能。

机器学习的四大演变子集

　　机器学习实际上是实现真实AI的一个子集和途径。亚瑟塞缪尔在1959年曾提到，机器学习即没有明确编程的学习能力，意为让算法自主学习或被训练去做一些事情，而不是用一组特定的硬编码去执行特定的方向。多年来，机器学习也演变成了几个不同的子集。

　　1. 监督：在有监督的设置中，计算机程序会被标注数据，比如标记全部图像，然后被要求为它们分配排序参数。

　　2. 半监督：半监督只会标记一些图像。计算机程序将不得不使用算法，通过其过去的数据来找出未标记的图像。

　　3. 无监督：无监督机器学习不涉及任何初步标记的数据。这一设置可以基于将相似的对象归在一起，先通过外观识别，再根据其发现的相似性去创建规则，自动为自己分类。

　　4. 加强：这一子集可以理解为强化学习。它的任务不仅仅是简单的分类，在极大数量且没有先前知识积累的数据领域中，它能够过通过现有数据进行解析并给出准确的结论。

机器学习在工业机器人领域的“用”与“途”

　　目前，仍有多数工业机器人仅被编程为无需思考就能完成重复任务，而在智能制造风潮涌起的今天，简单、机械化的机器人已无法满足客户日益增长的生产需求，这时候就该轮到机器学习技术上场了。

　　机器学习与机器人都是未来世界发展的重要组成部分，原本是两个独立的话题，而如今，这二者正在慢慢重叠，相互补充。那么，机器学习对于工业机器人来说能实现哪些功能?工业机器人又是如何依靠机器学习技术来提升自身能力，实现“自我”价值的呢?

　　1.产品质检：基于AI算法平台，通过良品、不良品以及不同瑕疵类型的训练图片，机器学习技术能够完成初期质检能力的建模，提高机器人质检效率，加快工厂生产进度。

　　2. 3D定位：通过对物料数据的收集与学习，从而对物料场景中多种物料进行识别定位，这项技术已广泛应用于拆垛、码垛及单品拣选等领域。

　　3.运行优化：通过对历史数据的分析，找到能耗、物耗、路径的相对最优方案，为机器人提供运行优化建议。

　　4.专家知识库：记录机器人操控信息及对应结果，及时反馈数据，可实现专业知识与技能的沉淀，持续优化设备运行状态。

　　5.故障诊断：改善设备的状态数据与状态描述的对应关系，通过对状态的实时监测和精准描述，实现设备的健康诊断和设备故障预警、报警。

　　6.数据甄别：建立多维度数据之间的相互关联模型，精准识别异常数据(包括数据造假、数据异常、数据缺失等) 。

　　7.自动控制：针对不同场景，对机器人的全过程要素进行整合、调度和控制，充分发挥机器人的智能化操作水平。

　　8.寿期预测：结合机器人设计参数、运行环境、运行工况等数据，实现对设备生命周期的预测和管理。

　　9.设计优化：综合过程数据，对机器人、产线设计进行优化改进，让解决方案的硬件设计更加合理，使工厂的自动化与智能化运行更加极致。

　　实际上，机器学习更像是一种发散的思维模式，现在的机器人所涉及到的学科非常广泛，如机器人学、图像处理、机械电子、通讯技术和机器学习等，随着机器人的复杂度越来越高，什么时间什么地点，要用到哪种机器学习技术，还需要研发人员去做出相应的权衡与折中。

机器学习掀起机器人行业变革浪潮

　　机器人厂商通过机器学习的手段来提升产品智能化的案例数不胜数，接下来我们仅举几个典型案例，看看这一AI技术为机器人行业所带来的变革。

ABB机器人

　　前不久，ABB迎来了双臂YuMi协作机器人的5周年生日。这一大量运用了算法、深度学习、传感器和拖动示教等技术的机器人是世界上第一款真正实现人机协作的双臂机器人，集柔性机械手、进料系统、基于相机的工件定位系统及尖端运动控制系统于一体，能实现与人类无间的合作，帮助企业工厂改善工作环境，提高工作效率。

　　此外，ABB 还推出了垃圾分类的解决方案，通过机器人、计算机和传感器结合的神经网络技术，像人脑一样对垃圾进行分类和拣选。这套解决方案由YuMi双臂机器人、负责上料的IRB 1200以及视觉系统、人工智能、机器学习等组成。云端仪表板向YuMi机器人展示垃圾图像，帮助它识别垃圾类型并将垃圾分别拣选至四类垃圾箱中。然后垃圾会转移至输送带，IRB 1200 机器人集取垃圾并将其送入回收利用环节。

　　去年9月，ABB机器人上海新工厂宣布动工，据了解，新工厂将采用大量机器学习、数字化和协作解决方案，使其成为机器人行业中最先进、自动化与柔性化程度最高的工厂，此外其研发中心还将帮助加快人工智能领域的创新。

库卡KUKA

　　库卡机器人是一家拥有百年历史的德国企业，世界工业机器人制造巨头之一，比如特斯拉汽车就全部采用库卡机械手进行制造。利用强化学习技术的明星产品智能机械手LBR iiwa，可实现三维空间的自由旋转。LBR iiwa看上去比人类手臂还要柔韧灵活，可以以动力控制方式快速识别轮廓，感测正确的安装位置，以最高精度极其快速地安装工件，记录轨迹点坐标，具备自适应、独立、反应快速、灵敏等优势。

　　库卡打服波尔，这句话想必大家都有所耳闻。在获得了工业霸主地位之后，库卡前进的步伐没有停止，而是把机械手伸到了更多的领域。库卡曾发布过一条视频，让称为世界上最快的机器人 KR AGILUS 在乒乓球台上挑战世界冠军波尔。库卡灵活的机械手臂可以处理好任何方向、任意旋转的来球，而且比人的反应速度更快，对来球的判断也更加精准。波尔在它面前没有任何优势，甚至是连连败退，若不是他及时发现了库卡处理不好擦边球和滚网球漏洞的话会败得很惨。

　　值得一提的是，在今年一季度结束时，库卡机器人宣布斩获BMW 5000台巨额订单，这些机器人包括不同型号，主要用于车身制造和其它领域，这一订单在疫情弥漫的今年可谓是“及时雨”。

发那科Fanuc

　　发那科联合创始人兼首席执行官Toru Nishikawa在参观Fanuc工厂时，注意到了人工智能技术的缺失，同时也看到了应用深度学习技术的机会——利用发那科制造机器人收集海量数据，同时提高自己的能力。

　　Nishikawa的洞察力带来的回报是Fanuc的智能边缘链接和驱动器(Field)。这一开放的、基于云的平台系统在2016年推出，它让Fanuc以从前难以想象的规模收集全球制造数据，并将其输送到自主学习机器人处。

　　FIELD system能为用户和应用开发者提供先进的机器学习和人工智能功能，并将制造业引入到生产力和效率的新高度。目前，发那科已将这些新技术应用于机器人散堆拾取、生产异常检测和故障预测中。

　　FIELD system 结合了人工智能和尖端计算机技术，使分布式学习成为可能。机器人和设备的运行数据在网络上被实时的进行处理，这也让各种设备之间能更智能的进行协调生产，令原来难以实现的复杂生产协调变得简单。

安川电机YASKAWA

　　说起全球著名的机器人生产商，大家一定会不约而同地想起这家位于日本福冈县的机器人品牌——安川电机(以下简称：安川)。2017年10月，安川提出了实现新工业自动化革命的概念“i3-Mechatronics”，致力于把AI技术添加到安全的产品中，为全球客户提供具有竞争力的新的工业解决方案。并在2018年3月份成立了致力于AI解决方案开发的控股子公司AI Cube，公布了与AI解决方案公司Cross Compass的战略联盟关系。

　　这一子公司的设立，旨在收集基于伺服/变频器和机器人产品在制造现场产生的大数据，通过AI技术开发利用这些大数据，帮助客户解决制造现场面临的各种问题。安川表示将专注于开发直接改进生产力的解决方案，如用于视觉检测的图像处理，用于故障预测的时间序列分析以及缩短生产节拍时间的优化。

　　安川推出的i3-Mechatronics智能工厂解决方案将伺服电机、控制器、变频器、机器人等产品集成起来，为客户提供完整的工厂自动化解决方案。该方案将记录生产数据、了解生产机械现状，从而实现生产状况与运转状况的全把控。

　　这是机器的时代，但更是机器类人、机器助人的时代。无论是智能制造的需求带动，还是技术升级的推动发展，机器学习技术都将是机器人在新一轮产业革命下的核心技术。学无止境，相信这句话对机器人同样适用。

（转载自智能网）