進入2018年，中國AI的投資和創業公司正持續增加。“人工智能+制造”的投融資案例也是不勝枚舉。

　　“AI”隨處可見，已成為多人熱衷的流行詞。機器學習宗師級大牛 Michael I.Jordan則認為這一現象讓他感到非常不安：“AI只不過是他們借此向 VC、企業、媒體以及大眾兜售其自身的概念。至于真正的 AI，我們根本還沒有實現。”

　　曾經，在追求性價比與實用性的工業領域，“人工智能只是智能制造舞臺上的小配角”。如今，關于具體應用場景，業界人士普遍認為，人工智能將大幅提升工業機器人的工作效率。

　　截至目前，機器人行業發現了哪些人工智能位于工業應用場景的“新大陸”？人工智能技術與機器人技術結合的未來發展方向在何處？

人工智能+傳統工業機器人=智能機器人

　　傳統的工業機器人是機械設計與制造技術、自動控制技術以及計算機軟硬件技術的高度融合。

　　人工智能是數據和算法的集合，計算能力（芯片）不斷躍升是人工智能得以廣泛應用的基礎。目前人工智能仍處于弱人工智能的階段，形成突破的領域仍比較局限。人工智能技術和機器人技術相結合，實現既具備機器人的肢體又具備類人智慧的機器人是人工智能和機器人技術發展的*目標。智能機器人是人工智能技術和傳統工業機器人技術融合發展的結果。

　　Geek+ CEO鄭勇表示，如果把人工智能定義到“深度學習”的程度，那目前幾乎沒有落地應用。他認為目前的人工智能可以定義為“相對復雜的算法帶來的自主能力”。

　　專注機器人智能物流領域的Geek+，通過人工智能和機器人技術賦能物流倉儲行業，通過智能揀選、搬運、分揀等倉儲物流環節的優化，高度柔性的人機交互，來實現提高倉庫效率，降低人工成本及人工勞動強度的目的。

　　庫柏特CEO李淼指出，“分揀、打磨、裝配、檢測”為人工智能與機器人落地應用*為迫切和廣泛的四大領域。由此，庫柏特自主研發的系統通過核心學習算法以及專用控制軟件可應用于上下料的無序分揀、手機或者航空葉片的力控打磨、智能示教、智能貼標以及零件裝配等場景。

　　“AI時代，工業機器人將被新的核心技術定義，包括深度學習、路徑規劃、任務級編程、柔性控制等。”梅卡曼德CEO邵天蘭說道。在他看來，混雜物體分揀是目前需求*明顯、應用*直接的部分，很多公司都能展示一定程度的demo，但是真正能大規模使用的產品還沒出現。

　　除此之外，還有個結合點為“操作規劃”，即人只需要指定好多個工件的安裝要求，機器人就可自行計算出抓取和安裝的方案，節省大量編程時間。

　　在標準場景中，工業機器人生產的產品批量較大，有大量的重復性工作，需要高頻次的軌跡優化，比如機床加工、零件安裝等應用。此時可以通過小樣本監督學習，讓機器人擁有自適應、進化功能。

　　而此前，艾利特展示了“機器人疊衣服”的demo，展示了機器人軌跡優化不僅僅可以針對剛性物體，還能應對衣服這類柔性體。艾利特的機器人疊衣服系統通過深度強化學習算法和深度視覺傳感器精準定位衣物疊取點，自動尋優*佳運動軌跡，實現疊取效果。該系統還使用了仿真環境快速建模和遷移學習方法，加快學習速度、降低數據采集成本，*終將仿真結果映射到真實機器人操作中。

　　除了上述以提升工業機器人效率為攻堅重點的應用外，機器視覺作為人工智能的一個分支既是機遇也是挑戰。

　　在智能制造過程中，機器視覺主要用計算機來模擬人的視覺功能，也就是把客觀事物的圖像信息提取、處理并理解，*終用于實際檢測、測量和控制。

　　易視智瞳CEO黃卜夫認為，機器視覺瑕疵檢測是人工智能的一大“練兵場”。易視智瞳高精度視覺點膠系統集成了點膠工藝的視覺感知、運動控制和點膠執行等功能，可方便地與各種執行機構整合，一步形成終端點膠機產品，滿足各種產線點膠的需求，通過深度學習還可由單機智能向多機互聯協同演變。