为什么公司和工人不应该害怕在机器人技术中使用人工智能

人工智能将在机器人技术中发挥的作用在很大程度上取决于用例以及隐私和计算问题的解决方案。

机器人有可能通过自动化许多任务来改变公司开展业务的方式。当与人工智能 (AI) 技术相结合时，机器人可以变得自主。但这些技术的结合引发了许多问题。人工智能辅助机器人会消除工作或帮助工人，提高他们的生产力吗？随着人工智能赋予机器人机器视觉等能力，也存在隐私问题。然后是如何处理可能使用的大量数据的挑战。你在哪里处理这些数据？在云端？在边缘？

为了更好地了解这些问题、用例和边缘的作用，我们与领先计算解决方案提供商凌华科技的物联网解决方案和技术首席技术官 Joe Speed 进行了交谈
支持跨行业向互联工业物联网系统过渡。 Rover Robotics 的创始人 Nick Fragale 也参加了我们的讨论，该公司使用机器人操作系统 ROS 开发坚固耐用的工业级机器人。

使用 AI 是否有顾虑？

RTInsights： 由于不同的恐惧，公司似乎不愿意使用人工智能。在潜在用户采用 AI 时，您从他们那里听到了哪些类型的担忧？

速度： 我听到的关于人工智能的大多数担忧都与一些隐私方面有关。当您谈论面部识别时，您会听到人们提出担忧，而其他一些方面，如人工智能，则适用于大规模监控等主题。人们有些紧张。在我们倾向于关注的领域，我不一定看到对人工智能的恐惧或担忧。我们的大部分技术通常位于某物之内、之上或附近——例如设备、流程、工作单元、设施。这通常是我们使用 AI 的地方。

在这些情况下，人工智能的应用正在采用现有流程并确保其可靠运行。它有助于机器健康和其他事情。它使公司可以使用工作单元并使其更有效地工作。公司可以利用现有的遗留系统、现有的机器或现有的流程和仪器，使其更安全。

在许多此类应用中，我们并没有真正遇到与面部识别和大规模监控相关的隐私问题。这些系统在您的公司内部使用，而不是在公共场合监视人们的系统。在公司环境中，人工智能的使用侧重于改进流程或操作，帮助员工更好地完成工作。我们看到其中一些事情是人工智能，特别是应用于计算机视觉的机器学习，非常热门。另一个非常流行的用途是围绕传感器融合。在这种用例中，问题是我如何将视觉与其他类型的传感器数据或来自现有旧设备的遥测数据结合起来，然后将它们组合在一起以更好地了解正在发生的事情。

Fragale： 我想说，从我们的角度来看，我们的客户来自研究和学术领域，所以他们对使用人工智能非常开放。我们客户的平均年龄可能在 30 岁左右。现在我们将带着我们的新产品 Rover AMR 100 进入物流市场，这将会改变。但到目前为止，我们还没有看到任何对实施 AI 的阻力。

如何在机器人技术中使用 AI？

RTInsights： 这是一个很棒的转场。显然，人工智能感兴趣的一个领域是机器人技术。人工智能如何应用于机器人领域？

速度： 最大的领域之一是感知。想想相机，虽然它不止于此。你有许多不同的技术可以用来给机器人感知。显而易见的是相机，但即使在相机内部，它是单个相机，还是立体相机，是 3D 深度感应相机，是可见光谱还是红外？然后你还有一些其他的技术可以提供感知，你可能几乎认为它们是视觉的，但它们有点不同。就像激光雷达一样。 （光探测和测距是一种使用脉冲激光测量距离的遥感方法。）对于激光雷达，基本上，将其视为雷达。我向家人解释的方式是你知道雷达是什么吗？当然。嗯，同样的东西，但激光而不是无线电波。

你已经让激光旋转了。它反弹的东西。将其用于自动驾驶汽车，您实际上看不到汽车。但是你看到的是一团汽车形状的点云，而且由于多普勒效应，它还给了你其他东西。您可以判断该点云是否在运动。它是朝着我还是远离我，以什么速度？

另见： 为什么边缘计算可以帮助物联网充分发挥潜力

然后你还有超声波和雷达以及其他一些你今天可能不一定会想到的东西。当您开始进行自主操作时，这些测距技术将发挥作用。就像 Rover 一样，你有一个 40 磅重的机器人，它可以自主运行。但如果你把它从一个 40 磅的机器人变成 400 磅、4000 磅，那么现在你就属于开始变得危险的 [设备] 类别了。您如何安全操作重型机械，以及如何以更加自主或自动化的方式做到这一点，而不会造成人员伤亡或财产损失？可以使用其中一些其他技术。

例如，您可以将超声波用于可能不一定有摄像头覆盖的非常接近的事情。在机器人技术中，我看到有两个地方应用了人工智能，然后它们（人工智能和机器人技术）最终融合在一起，这就是当你有自主操作时，尤其是移动机器人和移动的东西。

激光雷达、雷达和超声波可以帮助导航。它们可用于回答以下问题：机器人或自主系统如何知道它在哪里，它如何知道它要去哪里，它如何在不撞到东西或人的情况下做到这一点？然后你也有真正与他们的环境交互的机器人。典型的例子是当你想到工业机器人时，比如手臂。手臂如何感知周围的事物？这方面的一个例子是机器人零件拾取，其中手臂从垃圾箱中取出零件，然后将它们放入您正在组装的东西或另一个垃圾箱中。这是一个非常流行的应用程序。然后你显然可以将人工智能和机器人技术结合起来。您还可以拥有带有执行器的移动机器人，该执行器带有能够与其环境交互的抓手。

这确实是人工智能机器学习的整个领域。这就是我们看到应用的地方。

Fragale： 我们在 Rover Robotics 的观点与 Joe 的观点非常相似。但我想说，总的来说，我们看到人们使用人工智能做的第一件事是相机、分析相机数据，特别是进行检查。任何想要继续监控某事的公司都可以使用这项技术。该应用程序可能是一家石油公司，希望监控他们的管道是否生锈。他们现在可以使用移动机器人全天候 24/7 做到这一点。或者您可能有一个仓库设施，您需要在其中检查 RFID 标签以进行盘点。任何你想在你的设施中检查的东西，现在都可以用机器人和摄像头来做。

哪些行业正在使用人工智能和机器人技术？

RTInsights： 是否有特定行业（例如制造、物流、养老或客户服务）已经在使用人工智能和机器人技术？

Fragale： 是的。我想说最大的行业是物流、制造和建筑。这些是机器人已经在使用人工智能做事的地方。在建筑方面，有很多公司试图收回每年因效率低下而损失的资金。例如，确保在铺设混凝土之前安装所有正确的管道和洒水器以及所有安全设备对于任何建筑项目都非常重要。但是由于涉及到很多分包商，经常会出现问题。如果您有一个机器人在您的建筑工地上四处寻找类似的东西，这些东西对整个建筑项目至关重要，那么您可以收回很多通常会损失的成本。

速度： 是的，当然，检查是一件大事。我们围绕检查开展了大量业务，特别是目视检查。在现场，有 400,000 台摄像机连接到我们的视觉系统，用于执行此类和其他类型的用例。对我来说真正有趣的地方不是装配线上、工作台或传送带上的固定摄像头，而是采用基于人工智能的视觉检查和自主机器人这两个主题并结合这些。想想机器人。相机不是将实物带到相机上，而是去需要检查的东西。您有一个施工示例，其中移动机器人通过漫游现场进行检查。应该有风道。到位了吗？我们是提前还是落后了？

另一个例子是零售商使用人工智能和机器人来查看库存。然后，零售商可以将机器人实际观察到的内容与商店管理和仓库物流的内容进行比较
系统说有货。这是一个让我非常兴奋的领域，我们都在使用开放式机器人技术。

如今，机器人技术几乎拼写为 R-O-S，这是一个机器人操作系统。它既不是机器人也不是操作系统。它是用于开发机器人技术的开源框架。我们正在为此努力并为此做出贡献。然后，您将其与 AI 视觉放在一起，这也是一个非常重视开源的领域。当这些东西结合在一起时，这将是一个非常有趣的时刻。

正在执行的顶级机器人辅助功能是什么？

RTInsights： 让我们深入了解所有应用领域正在执行哪些机器人辅助功能。您在市场上看到了什么？

速度： 很多人认为，有了人工智能视觉和机器人技术，这会取代工人吗？但是，在许多用例中，该技术可以帮助工人，而不是取代他们。有一个完整的协作机器人领域，即与人一起工作的机器人和一起工作的机器人，协作完成一项任务。例如，看看 Rover 所做的事情。假设您有一个人正在执行一项功能并且他们必须漫游。假设他们需要在农场周围走动才能执行任务。

如果你有 Rover，为了争论，它作为一个自动轮筒工作，跟随工人，并且总是在工人需要的任何地方它需要的地方。那些用例，机器人在人类执行任务时将零件固定到位，机器人协助工人的用例。我对帮助老年人和残疾人的辅助技术充满热情，并做了很多工作。我看到了这些东西感知和与人互动的惊人潜力。

另见： 为什么物联网在实际业务应用中仍然滞后

Fragale： 我想说的是，您可以将我们的客户分为两类。他们要么用机器人搬运东西，所以搬运货物穿过仓库或搬运货物穿过农场，或者他们在机器人上安装传感器并收集数据。总的来说，这是我们看到的机器人被公司使用的两个最大功能。

边缘计算和人工智能如何结合在一起？

RTInsights： 这是我最后一个问题的完美线索。这样的系统可以从许多传感器和物联网设备中收集大量数据。随着所有数据的生成以及对快速分析的需求，这是同时使用边缘计算和 AI 的完美风暴吗？

速度： 我绝对这么认为。我们在 AWS 的朋友，他们谈论“为什么要做边缘”？他们谈论物理定律。您是否能够获取生成到云的各种卷中的数据？有很多事情取决于射频、网络拓扑和其他类型的事情。有经济规律。经济上可行吗？当您有移动运营商按字节收费时，可能不会。即使你有网络基础设施、将所有数据传输到云端的带宽，是否经济？一旦你把它放到云端，根据工作负载的种类，使用这种数据量是否经济？有一项有趣的大学研究进行了比较和对比，例如，使用 AWS 技术处理视频处理和音频处理工作负载、在云中使用它们以及在边缘使用它们。

他们研究了 AWS IoT Greengrass 之类的东西，它使用在云中开发的模型进行机器学习分析。他们（大学研究人员）想出的基本上是在边缘处理这些工作负载的经济性要好八倍。但对我来说，比经济更重要的是延迟。很多时候，你把这些事情推到边缘，因为你需要它在那个时候发生，在当下非常快。如果我将视频带到云端并进行分析，然后再做出决定，那可能为时已晚、太慢。一个人受伤，一件设备被打破，或者建筑物被烧毁。这是使用边缘的一个例子。

然后你也进入土地法的这些问题。我们确实相信开发模型，在云中训练模型。开发模型的计算成本很高，并且在
边缘的小设备，例如，如果需要一天的时间，您可以在云中启动相同的模型并在一个小时内完成。但是在分析数据本身时，您需要考虑之前谈论的一些隐私问题。您如何安全地处理包含个人身份信息的数据或进行面部识别？在工厂里，你知道工人是谁。

但是，对于所有这些原始数据，可能存在一些敏感性问题。将这些数据从工作场所带到其他地方可能存在法律、社会或文化问题。这就是你进入这些土地法问题的地方。在边缘工作，它巧妙地满足了很多此类需求。

Fragale： 需要快速分析的数据爆炸式增长确实是使用边缘计算的完美风暴。我们看到很多客户对云计算感到兴奋，尤其是机器人技术。他们认为，如果我可以以 4K 流式传输 Netflix 或者我可以来回传输所有这些视频数据，那么将图像数据流式传输到云然后在那里进行处理会很容易，因为你有更多的资源。但我认为经常被忽视的是，如果你是一个机器人并且你正在四处漫游，你现在不得不在不同的接入点之间来回切换。我们看到很多对云计算感到兴奋的客户遇到了这个障碍，他们为此挂了几个月，然后他们转向边缘计算。即使在仓库中，如果您尝试将机器人集成到仓库中，您也会从一个接入点跳到另一个接入点，并且经常会失去连接。

另见： 边缘计算中心

然后您面临告诉您的客户，“嘿，您需要升级到更好的路由器，因为您的新路由器不符合 80211.AC 标准。”然后他们问：“这些数字到底是什么意思？”然后你说，“好吧，算了。我们将在机器人上投入更多计算，以便我们能够完成这些任务。”当你搬到外面时，这个问题只会变得更糟。正如乔所说，随着安全关键型机器人在外面漫游，您不能将图像发送到云端，然后再返回给机器人，以便在过马路之前决定是否停下来。它只是不适用于安全关键型应用程序。延迟太大了。

速度： 云在所有这一切中都非常重要，但不一定像很多人认为的那样。如果我可以在边缘进行分析和机器学习，我就不需要将大量数据发送到云端。这消除了延迟问题。如果我在阿拉斯加的一个石油钻井平台上，我看到一只熊，而不是发送熊的视频，你所做的就是发送信息——有一只熊。您发现的特定事件或推论是什么？我们看到很多。只需考虑术语，而不是将数据流式传输到云端，流式传输信息，流式传输分析的输出。

您还必须将这些系统放在一起以确保可靠性。这是我在研究联网汽车以及云增强分析和汽车安全主题时经常处理的问题。您需要将其视为通常连接，经常连接，偶尔连接的东西。您如何将这些系统放在一起以基本上假设您将拥有一个不可靠的网络？如果你能让它在那个环境中正常工作，你基本上会没事的。但是您必须始终保持原始连接，并且在特定 SLA 内具有延迟，否则您将在现实世界中遇到问题。