機器學習技術(shù)與實體經(jīng)濟融合領域

　　機器學習是人工智能技術(shù)體系的一個通用環(huán)節(jié)，機器學習使用歸納、綜合方法，運用數(shù)據(jù)導入算法模仿人類智能。學習方式主要分為有數(shù)據(jù)學習和無數(shù)據(jù)學習：當前有數(shù)據(jù)學習顯然廣受歡迎，包括“監(jiān)督學習”“無監(jiān)督學習”“半監(jiān)督學習”“深度學習”“遷移學習”等；無數(shù)據(jù)學習法主要為“強化學習”。有數(shù)據(jù)學習的典型應用為深度學習，深度學習包括DNN(深度神經(jīng)網(wǎng)絡)、CNN(卷積神經(jīng)網(wǎng)絡)、RNN(循環(huán)神經(jīng)網(wǎng)絡)和LSTM(長短期記憶網(wǎng)絡)等，它不依賴數(shù)字經(jīng)濟的發(fā)展，而是由人做數(shù)據(jù)標簽，采用神經(jīng)網(wǎng)絡算法，學習效率不高、能源資源浪費，如AlphaGo下場棋要消耗3000美元電費。

　　強化學習只需要人類輸入規(guī)則，機器就能通過自我獎勵、自我誘導方式，跟自己下百萬盤棋，不斷自我完善，AlphaGo Zero三天內(nèi)就打敗了已經(jīng)學習了幾千盤棋的AlphaGo；數(shù)字技術(shù)發(fā)展越好、標準化數(shù)據(jù)量越大的領域往往人工智能發(fā)展越迅速，這就說明機器的學習能力不是人為訓練的結(jié)果，而是數(shù)字經(jīng)濟發(fā)展到一定階段順其自然的結(jié)果。從使用場景上來說，有數(shù)據(jù)學習適用于規(guī)則活動領域的人工智能，是經(jīng)驗、控制使然；無數(shù)據(jù)學習適用于創(chuàng)新、無定論的領域，比如棋類競賽、新藥探索、藝術(shù)創(chuàng)作等，是創(chuàng)新、自由使然。

多關節(jié)機器人行業(yè)銷量增長

從細分市場來看，根據(jù)負載能力不同，多關節(jié)機器人可分為輕小負載機器人(負載≤20kg)和中大負載機器人(負載>20kg)，由于國內(nèi)外廠商多在輕小負載機器人市場發(fā)力，輕小負載機器人市場增長速度相對明顯，但輕小負載機器人市場格局較為分散，導致市場競爭越來越激烈，市場同質(zhì)化問題也愈發(fā)嚴重。

　　相比于輕小負載機器人市場，中大負載機器人市場集中度較高，我國市場主要由外資企業(yè)占據(jù)主導，其中發(fā)那科、川崎、安川、庫卡、ABB五家外資企業(yè)合計市場占比達到70.2%，但由于中大負載機器人應用場景相對有限，市場增長速度緩和，現(xiàn)階段未呈現(xiàn)出高增長態(tài)勢。

　　多關節(jié)機器人多應用于汽車制造業(yè)，近年來，受傳統(tǒng)汽車需求放緩限制，多關節(jié)機器人市場增速有所放緩，但隨著新能源汽車市場占比不斷提升，新能源汽車有望成為帶動多關節(jié)機器人市場需求提升的重要驅(qū)動力，屆時輕小負載機器人將仍是市場需求重點。

SICK機器人視覺引導系統(tǒng)

SICK機器人視覺引導系統(tǒng) PLF視覺系統(tǒng)借助三維圖像處理技術(shù)用以定位物體，非常有助于優(yōu)化工業(yè)生產(chǎn)過程。 　　SICK機器人導向系統(tǒng)將這一技術(shù)以簡單且低成本的方式供用戶使用。該系統(tǒng)具備可靠性和易用性的特點。它能毫無問題地集成到現(xiàn)有環(huán)境中，提供高精度的測量結(jié)果并且非常有助于零件操作的靈活性。 　　PLF系統(tǒng)是將SICK的PLOC2D和（/或）PL3200傳感器結(jié)合到定制視覺解決方案中的軟件系統(tǒng)，用于機器人在零件定位中的指導。 　　PLF被部署為一個傳感器（主）上PLOC2D或PL3200軟件之上的另一層。機器人與PLF交互，而不是與主傳感器上的PLOC2D/PL3200交互，以觸發(fā)所有相關傳感器上的功能。

工業(yè)機器人應用面臨技術(shù)難點

要實現(xiàn)機器人的靈巧運動控制，就要確保機器人運動的性和操作的平穩(wěn)型。譚建榮認為，運動性問題，從技術(shù)上看就是如何實現(xiàn)工業(yè)機器人運動學建模與求解。使機器人運動具有平穩(wěn)性，就要進行動力學的分析。因為理論上機器人的關節(jié)是一個點，實際上機器人的關節(jié)有間隙，運動副間隙引起的沖擊與振動會影響機器人工作的平穩(wěn)性。

工業(yè)機器人還面臨布局多樣性的問題。目前來說，工業(yè)機器人應用市場占比較多的行業(yè)是汽車（含汽車零部件、整車、汽車電子）、3c電子、金屬加工。尤其是3C電子領域，產(chǎn)品更新?lián)Q代的速度快，對于柔性要求、精度和速度就相對更高，使用工業(yè)機器人時就必須考慮如何布局設計快速地適應公司的新產(chǎn)品、新工藝。如果出現(xiàn)機器人不能適應產(chǎn)線調(diào)整，或者調(diào)試機器人耗費時間過長，甚至完全不匹配新產(chǎn)品的情況，那么引入機器人可能會帶來更多成本。歸根結(jié)底，還是要通過作業(yè)流程設計、運動學動力學設計以及它的性和平衡性的設計，從而讓機器人變得更加柔性化，能夠適應不同的產(chǎn)品生產(chǎn)模式。