科技漫谈：牧今科技与欧姆龙公司对于AI技术的运用情况是什么样的？下面予以详细介绍。

牧今科技：无教学散装拣货自动化，可自主思考动作的智能机器人

1、牧今科技的AI控制器在一定条件下可以高速计算出机械臂从起点到目的地的最佳路径。利用这项专有技术和能够得出手臂的每个关节的举动的解析逆运动学，可以瞬间生成机器人的运动程序。

2、牧今科技的技术虽然带有“AI”字样，但不同于机器学习和深度学习，这一技术仅通过解析机械臂的运动来生成运动程序。

3、牧今科技的技术优势之一，就是将运动计划和反向运动分析这两大传统技术的确定性、稳定性和速度改进到达到工业应用的要求。

随着散装拣货智能工业机器人控制器的开发，牧今科技（MUJIN）股份有限公司（总部位于日本东京）迅速发展起来。此处所讲的“智能化”指的是即便没有人工创建运动程序，机器人控制器也可以自动生成最佳程序。换句话说，机器人可以自主思考并移动。近年来，这项技术引起了业界的注意，大型公司纷纷在生产线和物流中心所使用的工业机器人中引入牧今的控制器。例如，大型汽车零部件公司AISINAW股份有限公司导入了牧今的控制器，用于在配送中心拣选多种不同形状的金属零件；大型阀门制造商北泽股份有限公司（KITZ）也将牧今的控制器用于散装零件的生产过程中。

牧今科技在其联合创始人、机器人运动设计方面的权威专家DIANKOVRosen先生所研发技术的基础之上开发出了“运动计划AI”技术，得到了有力的技术支持。牧今科技的AI控制器在一定条件下可以高速计算出机械臂从起点到目的地的最佳路径。利用这项专有技术和能够得出手臂的每个关节的举动的解析逆运动学，可以瞬间生成机器人的运动程序。牧今科技公司将搭载了这些技术的机器人控制器与用于工件识别的3D视觉系统相结合，实现了以往被认为很难实现的散装拣货自动化，并在不进行示范教学的情况下对多种类型的工件进行自动堆垛和卸垛。避免了繁琐的教学过程一般来说，为了操作工业机器人，工程师必须预先设置（教学）机械臂的动作。

这非常耗时，并且会阻碍机器人的引进，尤其对于散装零件和多种类型的工件混杂在一起的堆垛和卸垛作业，每当工件的类型或位置改变时都需要重新进行教学，因此一直很难实现机器人的自动化。牧今科技则使用了运动计划AI技术来根据工件计算机械臂的最佳运动轨迹，并自动生成运动程序。此外，这一技术还有一个特征，即不依赖于特定机器人，而是一种通用控制器。它可以通过连接到每个机器人制造商的专用控制器来使用，只要悬吊控制选用牧今制造即可。即便多个制造商的机器人混杂在一起，也可以统一操作。目前，这一技术可以支持日本国内的主要机器人制造商生产的工业机器人，例如欧姆龙、川崎重工、DENSOWAVE、发那科（FANUC）、三菱电机、安川电机等。

学习型AI的速度跟不上不过，牧今科技的技术虽然带有“AI”字样，但不同于机器学习和深度学习，这一技术仅通过解析机械臂的运动来生成运动程序。牧今科技的首席执行官兼联合创始人泷野一征认为，诸如以概率表示结果的深度学习之类的AI不适合要求实时性和确定性的拣货作业等用途。这种AI的概率达到80%即可良好运转，因此它可以在大多数情况下工作，但是这在生产现场是行不通的。泷野先生认为，AI没有明确的定义，运动设计也可以说是AI的一种。运动计划和反向运动分析是传统上常用的技术。

牧今科技的技术优势之一就是将这种技术的确定性、稳定性和速度改进到达到工业应用的要求。该技术在运动计划中计算候选轨迹时，如果判断当前候选轨迹不能满足限制条件，则立即计算下一个候选轨迹，从而缩短了计算时间。目标是打造优于人工的机器人最初，牧今科技专门研究散装拣货用控制器，不过现在它还提供更通用的控制器“TeachWorker”。“TeachWorker”被搭配用作机器人系统和定制机器人的控制器，旨在实现广泛用途上的无教学自动化。例如，大隈股份有限公司于年10月发布的内置机床型机器人“ARMROID”就使用了这种控制器。牧今科技希望创造一种在速度和灵活性上都能超越人工的机器人，希望能够进一步提高3D视觉的识别速度以及机器人的反应速度、运动速度，使AI的效果和人类更接近。

欧姆龙：在微秒控制周期内同步运作AI，将卷绕机次品率减少到10%

1、欧姆龙的代表性产品“搭载AI的机器自动化控制器”将AI功能与PLC集成在一起，边缘计算机上可瞬时判断出生产状态是否正常，并将结果反馈给控制器。

2、欧姆龙还与开发嵌入式AI的AISing股份有限公司合作，利用AISing公司独有的AI算法“深度二叉树（DBT）”，尝试加强“搭载AI的机器自动化控制器”的设备控制功能。

3、使用PID控制时，发生扭曲后大约需要10秒钟才能稳定下来，而使用了DBT的AI控制器，只需1秒钟就能控制住扭曲情况，可将产生的次品率降低到10%。

欧姆龙公司一直致力于开发搭载AI及IoT技术的控制设备和机器人，以应对诸如减少废弃浪费、缺少熟练技术人员等生产现场的问题。欧姆龙的目标是实现“零生产故障”生产，希望在未来，AI通过感应捕捉并学习“4M”（Man、Machine、Material、Method，即人、机器、材料、方法）的波动来自动控制生产设备，从而避免产生不良品或设备停工。欧姆龙的代表性产品是年10月发布的“搭载AI的机器自动化控制器”（以下简称“AI控制器”）。这一产品将AI功能与PLC（ProgrammableLogicController，可编程逻辑控制器）集成在了一起，在搭载了机器学习功能的边缘计算机上，已经完成学习的AI模型可以根据来自传感器和设备的数据，瞬时判断出生产状态是否正常，并将结果反馈给控制器，从而提高了产品质量和生产效率。

欧姆龙工业自动化业务公司技术开发总部技术专家仲岛晶介绍道，虽然机器学习引擎有最多16个维度的多维特征量，但这个控制器可以实时判别出“离群值（异常值）”，从周期性变化的扭矩或电压的测量值的波形中提取特征量，并且根据该特征量计算异常度。另外，这一控制器的优点在于可以在控制周期内完成处理。换言之，它可以在微秒的PLC控制周期内，完成数据采集和AI判断。

作为专用于AI控制器的库，欧姆龙还提供用于判断离群值（异常值）的“预见性维护信息库”。这一信息库用于设备的故障预测，检测异常值的功能将作为PLC功能模块，用于生产设备中经常使用的“滚珠丝杠”“气缸”“传送机”（皮带和皮带轮），可以检测到肉眼分辨不出来的运动延迟。搭载用于嵌入式的机器学习AI欧姆龙还与开发嵌入式AI的AISing股份有限公司（总部位于日本东京）合作，尝试加强该控制器的设备控制功能。AISing公司在独有的AI算法“深度二叉树（DBT）”方面具有优势。

这种AI算法的特征是，即使学习次数很少，也可以实现较高的预测精度和高速处理。DBT是一种AISing公司独有的机器学习算法，该算法将学习模型（预测模型）保存在二叉树结构中，随着学习的推进，二叉树会不断成长和深化。它不需要像深度学习那样提供大量的学习数据，适用于内存较少且使用轻量级数据来完成的学习。欧姆龙和AISing公司共同开发了一种新型的、基于DBT的、用于AI控制器的AI引擎，并且正在尝试将其应用于要求高实时性能的控制设备上。

目前，欧姆龙的京阪奈创新中心尝试在卷绕机上进行一项技术验证：利用这种搭载了DBT引擎的控制器能否完成AI实时控制。卷绕机是一种将二次电池隔板所使用的树脂膜等箔材料，从原始包装上一边缠绕一边切割，或涂刷电极的设备。近年来，由于汽车电动化的普及，市场对隔板的需求越来越大，相应地对卷绕机的需求也增加了。

卷绕机的问题之一是材料的S形扭曲。当添加新的原材料时，需要用胶带把新材料和此前的材料之间的边界粘起来，但是由于受接缝和原材料个体差异的影响，材料容易在卷筒上S形扭曲着缠绕。在加速或减速时，或者在开始或停止缠绕时，也容易发生扭曲。

因此，卷绕机具有扭曲控制构造，能够检测材料的位置并执行反馈控制，从而校正扭曲。扭曲的部分必须作为次品丢弃。由于隔离膜价格昂贵，因此客户强烈希望这种扭曲情况能够有所改善。用AI控制代替PID控制普通卷绕机的弯曲控制构造一般采用PID控制，而此次欧姆龙验证的是搭载了DBT的AI控制器能否快速抑制扭曲并缩短缺陷区域。在技术检验机上，用激光型长度测量传感器来测量通过辊的薄膜的位置，并且控制两个辊的位置以使其在轴向上略微移位。

使用PID控制时，发生扭曲后大约需要10秒钟才能稳定下来。如果缠绕速度为2m/s，则次品段将长达到20米。而使用了DBT的AI控制器，只需1秒钟就能控制住扭曲情况，可将产生的次品率降低到10%。

普通的PID控制过冲很大，但是AI控制器可以瞬间检测到异常，并根据扭曲趋势进行校正。此外，由于PID控制的控制参数是固定的，因此很难应对各种扭曲变化，但是该控制器的AI控制可以通过机器学习来学习各种曲折模式，并进行高精度校正。未来欧姆龙计划在实际机器上进行验证之后，尽快实现商业化，将其作为卷绕机的AI控制设备供应给卷绕机制造商和终端用户。