研究通过成功的群体演示，概念化了 GenAI 驱动的工业 6.0
自工业革命以来，制造工艺一直随着技术进步而不断发展。最近的创新，尤其是机器人、3D 打印和机器学习领域的创新，可能很快就会推动进一步的变革，并有可能建立新一代行业标准。斯科尔科沃科技学院智能机器人实验室的研究人员最近介绍了他们对未来工业的愿景，他们称之为工业 6.0。他们的愿景在arXiv预印本服务器上发布的一篇论文中进行了概述，并使用真实的计算和机器人系统进行了初步演示测试。
“我们最近在生成式人工智能及其在机器人技术中的应用方面取得的成就激励了我们，”这项研究的指导作者 Dzmitry Tsetserukou 告诉 Tech Xplore。“今年我们开发了几个突破性的系统，其中 GenAI 帮助解决了以前需要大量人力编码资源的问题。这让我重新思考了对事物制造方式的传统理解，并由此产生了工业 6.0 概念。”
虽然许多人将“工业革命”一词与以蒸汽机的出现为标志的第一次工业革命联系在一起，但此后还出现了其他各种里程碑，标志着工业的进一步革命。第二次工业革命发生在 1870 年至 1914 年之间，其推动力是电力的发现和新材料的化学合成，从而导致了流水线和大规模生产的引入。
而第三次工业革命则被定义为发生在 20 世纪 60 年代至 21 世纪之间，当时出现了第一批计算机、机器人、电子设备以及互联网。这些进步为通信开辟了新的可能性，并使工业环境中各种任务的自动化成为可能。
“第四次工业革命，或工业 4.0。这是世界经济论坛创始人兼主席克劳斯·施瓦布教授于 2016 年提出的概念，”Tsetserukou 说道。“简而言之，工业 4.0 代表智能制造。有四种基础颠覆性技术可以实现智能制造：物联网（机器人连接、5G、数字孪生）、智能（机器学习）、自主移动机器人 (AMR) 和增材制造（3D 打印机等）。”
理论家认为，我们现在已开始转向第五代工业（即工业 5.0），其中人类和机器将在同一环境中紧密协作。这一新阶段与协作机器人、数字孪生、深度学习技术和其他最近开发的工具的发展有关，这些工具可增强人类用户和机器之间的合作。
虽然机器和计算工具有望在此阶段发挥更大作用，但认知要求高的任务和决策任务仍应由人类专家执行。在计算机科学中，这种将人类纳入任务的做法被称为“人机协同”。
“我提出的概念是工业 6.0，它利用了生成式人工智能和大量异构机器人，而人类则置身事外，”Tsetserukou 解释道。“从蓝图设计（CAD 模型）到组装，所有阶段都是自主完成的。
“来自人类的唯一信息是通过文本、图像或语音信息给出的产品创意，输出是成品（输入到输出模型）。云生成人工智能（GenAI）监督设计和制造过程，而每个配备人工智能的机器人都在动态环境中独立运行。”
从本质上讲，Tsetserukou 设想了一种基于机器的分层劳动力，其中云 GenAI 模型指导其他计算模型和机器人系统执行的总体策略。该论文概述了他对工业未来的想法，同时也强调了工业的稳健性和可持续性。在他描述的完全自动化场景中，制造的物品在制造过程的每一步都会进行分析，包括组装和产品测试。
“当发现故障时，Cloud GenAI 会找到故障发生的位置和原因。AI 代理将监督设备的维修和维护程序。他们还将负责评估产品质量，提供产品性能反馈，与用户讨论他们的期望是否得到满足，”Tsetserukou 说。
“新一代工厂的关键‘工人’是大量异构认知机器人。工业机器人、协作机器人、移动机器人、人形机器人、无人机以及人工智能驱动的数控机床和 3D 打印机正在齐心协力，实现设计产品的最佳和快速制造。”
Tsetserukou 在他的论文中还预测了所谓的飞行传送带的发明。他建议，产品可以垂直制造，并由飞行机器人团队运送到不同的工位，而不是在桌面或常规工业传送带上水平组装。
“亨利·福特发明了用于装配的带式输送机，彻底改变了大规模生产，”Tsetserukou 解释道。“它还导致了工厂的水平布局。我提出了一种飞行输送机，可以通过一群自主无人机向任何方向运送零部件。它可能会实现更优化的流程，例如工厂的垂直布局，类似于垂直农业。无人机可以与自主移动机器人合作，处理各种有效载荷。”
在 Tsetserukou 的设想中，飞行机器人会将物品运送到机器人工作间。在这个工作间里，物品将经过机械加工，然后被带回地面，在那里进行质量检查，最终被储存起来。
Tsetserukou 表示：“工业 6.0 利用 GenAI 驱动的数字孪生控制（虚拟 AI 工厂）。我们在数字世界中训练机器人，并将学习转移到现实世界（模拟到真实）。工业 6.0 还意味着每个认知机器人都可以教导其他物理和虚拟机器人（真实到模拟到真实）并共享收集到的数据集。”
除了概述他的工业 6.0 概念之外，Tsetserukou 还对其底层技术进行了初步演示，该技术由 ISR 实验室的 11 名研究人员开发，由博士生 Artem Lykov、Miguel Altamirano Cabrera 博士和博士生 Mikhail Konenkov 领导。
Tsetserukou 表示：“在场景中，人类发出设计和制造机器人夹持器的命令。LLM 生成可执行 Python 代码以获取对象平面几何形状。在下一阶段，AI 为夹持器组件生成 3D STL 脚本并将其发送到 3D 打印机。打印组件后，会立即生成包含其位置和组装说明的文件。配备 Robotiq 夹持器的协作机器人 UR10 抓住带有 3D 打印机组件的金属板手柄，并将其装载到无人机上。”
研究人员在无人机和 3D 打印机中都引入了磁性材料，这样他们就可以在需要时拆下金属板。利用这块金属板，无人机可以将零部件运送到机器人装配单元，在那里两个 UR3 机械臂对零部件进行操作，最终制造出最终产品。值得注意的是，所有这些协作机器人的行为树都是由 GenAI 模型规划的。
Tsetserukou 表示：“我们测量了 CAD 工程师绘制图纸所需的时间，以及人类和工业 6.0 在每个流程阶段所花费的时间。令人惊讶的是，我们取得了巨大的优势，平均提高了 4.4 倍。GenAI 生成 3D CAD 设计的速度比人类快 47 倍，在 30 秒内完成任务。”
在最初的演示中，研究人员还发现无人机运送和组装物品的速度也比人类快。随着机器人系统和计算工具的不断改进，未来几年这些观察时间可能会进一步缩短。
Tsetserukou 表示：“除了机器人夹持器，GenAI 还成功设计了咖啡研磨机、眼镜、剪刀，甚至四轴飞行器机身。这并不意味着设计完美无缺，但它证明了 GenAI 在未来学习如何提供高质量设计方面具有强大的潜力。因此，我们可以为每个用户实现定制化、独一无二的产品，而不是大规模生产。”
该研究团队最近发表的论文为工业的未来提供了一种可能的预测，即人类不再参与产品的实际制造。Tetserukou 和他的同事目前正在进行进一步的研究，探索新兴技术最终可能在工业过程中发挥的作用。
Tsetserukou 补充道：“如果我们扩大这个想法，我们可以想象工业 6.0 工厂将相互合作，制作和更新全球数据集，同时共享最成功的神经网络架构以完成特定任务，以维护一个针对行业定制的 GenAI 架构平台。”
“我们未来的研究将致力于人工智能驱动的工业 6.0 流程优化，从而制造出更复杂的产品。最先进的 VLM 和 LMM 模型将被嵌入，以提高异构机器人群的认知能力，使它们能够在动态和混乱的环境中运行。”
页:
[1]