|
12月13日-15日，36氪WISE2021新经济之王峰会在上海举行，今年我们以「硬核时代」为主题。“硬核”是当下时代和大环境带给中国新经济企业的挑战和机遇，一方面要求企业关注技术创新，找到自身“硬核”壁垒；另一方面要求企业回馈社会，展现更多“硬核”责任与担当。在从商业模式创新的“应用时代”迈向技术创新的“硬核时代”之际，我们与上百家硬核企业汇聚一堂，聚焦宏观政策、智能制造、半导体、新能源、新消费等热门赛道，全方位探讨各领域如何构建以创新驱动的硬核竞争力。 在WISE 2021峰会上，非夕科技CEO王世全分享了非夕科技过去五年在机器人行业的探索之路，发表《从机器到机器人》的主题演讲。王世全认为，目前机器人在完成时的灵活性等能力，与人相比还存在较大差距。目前机器人解决方案它对非标的依赖度较高。这一问题会带来三个维度的痛点，分别是：1，柔性生产能力受限； 2，存在投资风险；3，规模化效应存在瓶颈。 为了解决这些痛点，非夕科技CEO王世全表示，非夕科技希望通过仿人化技术革新的方式去实现。公司主要聚焦的是两个方面：1，如何去提升力控的性能，达到突破的状态；2，怎么样把目前最新的AI技术融合到机器人本体中去。 以下为非夕科技CEO王世全的完整演讲实录：（经编辑） 非夕科技CEO王世全 大家好！我是非夕科技的王世全。很荣幸来这里和大家分享非夕科技过去五年在机器人行业的探索之路，今天我分享的话题是《从“机器”到“机器人”》。 首先我们来探讨这样一个问题，目前机器人的局限性是否存在？存在在什么方面？大家希望机器人能够成为的样子，是可以比较高效灵活地去胜任生活中方方面面的工作。但实际上机器人在落地过程中，目前很多形态下还是比较笨拙、缓慢的方式，即便是像三星公司发布的家用机器人，或者说近期发布的Google的机器人项目，其实都是比较慢的状态。 大家可能会很熟悉波士顿动力这种技术，它可以在跑酷方面达到类似或者接近人的水平，这样的技术是否能够解决我刚刚提到的那些局限性呢？其实它主要解决的只是其中的机器人的一个部分，就是腿的功能：通过施加对地面的接触力的控制以及姿态的控制，使得整个机器人的平衡性可以达到动态的平衡状态。但像类似的技术其实在30年前就有一些雏形出现了。 如果我们去看人，另外一个重要的部分就是手。其实手的功能要求更高，无论是在精细度上还是在灵活度上，所以如果我们用脚去擦地，已经比手不方便了，如果用脚去洗碗，这个任务是更不可能完成的。 像波士顿动力的技术，它可以用在更开放的环境操作中，比如说做一些开门关门的操作，但这类操作是相对来讲比较简单的。当我们如果回归到制造业更高精度的操作，特别是结合一些力觉的传感，整个过程是比较缓慢的。反观人，我们可以用一个很简单的工具，比如说镊子，然后去完成非常精细、灵巧、应变能力非常强的动作和操作。 所以说机器人在手部功能能力上，其实跟人相比还是有非常大的区别，这里面局限性的原因是什么？我们认为其中一个很重要的原因，是目前机器人的工作方式跟人相比，存在一个非常大的差异性。机器人它更多是一个比较偏机械化的方式去工作，首先有高精度的视觉去精确的定位，然后机器人可以非常精准地、甚至精准度高于人的方式去完成整个轨迹和工作。但是人的话，我们并不在乎精度，我们在乎的是它整体的复杂度，了解概况、识别决策，我们更多是靠手感的方式，在过程中不需要依赖眼睛，（而是）实时地依靠手感进行调整，从而顺畅地去完成工作。 本质上这两种方式存在着非常大的差异性，也造成了这两种方式可能在不同的任务上有明显的优势区别。 像机械化方式，通过优化这种方式，可以使得机器人达到比人在机器性能更高层面的能力，所以它可以应用在固定环境下，针对某种特殊场景去做优化，胜任的任务更多是偏非接触的，或者是简单接触的，比如说像焊接、像喷涂、像搬运。 像仿人化的方式，它更加擅长在一个开放式的、复杂的环境下去做通用性的任务，更适合一些接触式的、复杂接触式的这种场景，比如说像打磨曝光，或者是精密装配。 但是现在主流的机器人技术，很多都是围绕着渐进式的在机械层面上的提升方式，而不是彻底以仿人化的方式去发展的路径。比如说像工业机器人逐步发展成各种各样特种的极限能力更强的机器人，像协作机器人通过牺牲或者是匹配一定的机械化能力，然后提升它的感觉和安全性来适应更高的柔性和更广的场景。但是相比彻底以人的仿人方式去工作，它其实还是存在一个比较大的天花板——对于不确定环境、复杂环境的适应程度。 对于这些局限，如果映射到现在对于机器人应用最广泛的工业自动化的行业里面，会带来哪些挑战呢？这里面我们提供两组数据： 工业自动化的挑战 右半部分是不同的具体工种下，目前全球累计的机器人装机容量，从上到下依次是搬运、焊接、组装和打磨抛光，数量从上往下是依次锐减的。 左半部分是相对应的工种，工人的薪资在过去6年的增幅水平，从上到下依次增加。也就是说，对于薪资增长最快、劳力最稀缺的行业，机器人的使用率、渗透率，包括它的增长力其实反而是局限的。 这里面的矛盾点恰恰映射到了我们刚才说到的机械化思维的技术，它不是能够很好的覆盖到组装和抛光这两个工种。 制造业机器人使用密度 另外的这组数据，是目前全球前20个国家的装机，就是机器人的使用密度，可以看到每一万个产业工人只有一百多个机器人是配备使用的，这个使用密度是非常低的，最高也不超过10%。这个客观上也是显示了目前机器人技术在制造行业推广层面上的一些局限性。 我们是怎么看这个问题的呢？其中一个直接原因，可以把它归根为，目前机器人解决方案对非标的依赖度比较高。 我们来解释一下什么是非标。如果我们去看目前标准的工艺流程，一般机器人是需要先抓取，把一个物料转移到前面，一般是通过机器人的方式和输送带的方式。第二步是需要进行精确定位，因为目前的机器人是需要一个非常精度高的方式去工作，来料一般会有各种条件的限制，所以无论是外形包括尺寸可能都存在一些偏差，甚至是一些柔性零件的形状的偏差，所以需要额外的一些工装制具二次定位、整形机构来去把这些物料给规整好。这一部分就是由一些特殊设计的机械零件或者是气缸组成而成，因为它不是一个标准化的设备，所以我们称之为非标。第三步就是核心工艺，目前大部分的解决方案的核心工艺其实还是会非常依赖于一些末端的工具，特殊给机器人设计的一些设备，或者是非标专机或工业设备去完成的。 非标依赖度数据 所以全栈看下来，机器人被主要使用的还是抓放两个功能，其他功能主要依赖于非标。这也造成了在过去十年范围内——可能这个数据有点老，但是它客观说明了——一个完整的解决方案，由一个基本的机器人本体还要配上三倍于它成本的一些非标机构，才能完整地去解决一个工艺问题。 这个非标的依赖度，它会带来的是行业里面几个维度的痛点： 首先，它柔性生产这一块能力是受限的，因为非标的这些机构需要大量的人工和时间去调节，从而达到一个足够高良率的状态，所以它不是特别能兼容小批量多品种的生产模式。 第二个，在投资风险上，因为我们大量的资金会投入到这些非标的设备中去，一旦它的需求发生一些波动，原来这些非标就需要额外投入一些人力才能去复用起来，这一块是存在投资风险的，这是目前制造型企业其中的一个痛点。 第三个，规模化效应瓶颈，如果机器人它可以跨不同的行业去使用，量一起来成本就下降，但是其中有四分之三的这些非标，它是专门针对每一个细分去定制的，那这些细分的量可能是更少，相应的规模化效应也是有某种程度的瓶颈的。 如何去比较好的消除或者是降低刚刚说的那些痛点呢？我们是希望能够通过一个仿人化技术革新的方式去尽量实现。因为目前整个机器人技术是围绕着机械化的方式渐进式的，所以我们是希望能够彻底地、比较系统化地去重新看这个事情，去重新设计一个机器人是以仿人化能力为主的方式去工作。我们主要聚焦的是两个方面： 1、如何去提升力控的性能，达到突破的状态。 2、怎么样把目前最新的AI技术融合到机器人本体中去。 对于力控性能本身我们关注的是三个维度事情：1、精度；2、响应速度工作效率；3、复杂度。 我可以举个例子，比如说当我们做打磨抛光一个工件的时候，首要关注的就是打磨的时候需要有均匀的压力施加，这一块就是精度问题。当我们要提高效率的时候，动得越快，表面越复杂，它的均匀度肯定是会受到影响，这个就是响应速度。精度跟响应速度是互相制约的。如果同时我们在工作的时候受到周围环境的影响，或者是磨头震动或者是工件晃动，这种情况下我们需要调整整个机能机体去对抗和适应这种变化，这一块就是力控的复杂度，它跟刚刚提到的两个因素也是互相制约的。 我们希望对这三个因素都同步提升，并且消除或者尽量减少这三者之间的互相制约，来使得这种力控层面、机器人的力控能力能够去真正地解决问题。 在精度方面，我们研制出一种全新的力传感技术，它比现在的力传感器的精度达到一个倍级提升，达到万分之三的一个精度。另外一方面，因为我们的机器人是主要以力觉为主的方式工作，所以它的可靠性要求是非常高的，我们也达到了更宽的温度范围、湿度范围、抗冲击以及电磁环境干扰的各种极端情况下的可靠性和稳定性。 在响应层面上，它是一个多维度的优化，比如说像在关节层面，我们有机构的优化，在力控伺服层面，我们自研的硬件进行底层每秒5000次的力控优化，包括在软硬件层面一体的力控算法的迭代，我们过去半年的时间在车门打磨的项目上，是提高了四倍的效率。 对于对抗复杂度，我们额外给机器人添加了一个类似人的小脑的这种全身协调的算法，它使得我们的机器人可以全身的去控制多个任务，比如说一方面用手托着一个球，用拳立着的方式让球围绕圆圈转，这是高难度的动作。另一方面，当周围有干扰的时候，这个机器人还是能够靠着感知实时的调整，很灵动地去保证末端工作的状态。所以它整体的一个工作状态已经是能够更加适应开放式环境的场景了。 回到我们的机器人，它毕竟是一个工业品，要解决工业问题，所以它具备有足够高的稳定性和安全性。我们花了三年的时间攒了不同维度的研发团队，去解决认证问题，也是目前这种力控复杂系统唯一拿到双认证的产品。 在AI融合方面，我们强调的是层级式智能，它其实有点类似于人条件反射层、小脑层和大脑，各自处理不同的问题，不同的问题它需要硬件的构成、算法的类型其实是不一样的，所以各自独立是有利于各自发挥最高的效能。所以我们机器人也是底层5000Hz的独立控制，小脑层独立的电脑，加上上层的AI，去实现一些更复杂的AI力控融合的应用。 举个例子，这是我们前段时间发布的通用抓取算法，这种算法它融合力学，一方面是靠AI什么都能抓，不需要经过任何的训练，另外一方面也通过融合力觉的方式，使得抓取的效率包括精度得到进一步的提升。类似智能的技能其实我们也还有不少，所以这里面也不一一举例了。 这类仿人机器人技术，它能带来的实际价值有哪些呢？回到刚刚说的工艺流程里面去，对于精准定位这个环节，因为我们机器人它具备有实时的自适应能力，所以很多情况下精准定位的这些非标是可以被省去的。另外一方面，对于核心的工艺，我们目前已经实现了多种应用工艺直接用机器人配备普通的用于人工的工具就能完成，也是省了大量的非标。所以我们的解决方案里面，机器人是占主导地位，只需要少量的一些非标的额外成本，就能构成一个标准化的解决方案。 下面我通过一些我们具体落地的案例去解释具体的价值点。我们能够实现原本难以自动化的工艺环节，比如这里面是装配一个柔性的硬圈，很容易压碎，它是装在一个精度要求非常高的制具上，人的话是通过摸索、揉压的方式进行。那我们机器人也是用类似的方式，通过力感的方式去找到放置晶圈的位置，然后模拟人的方式去揉压，然后最终来完成。 技能方面的话，因为我们基于力的方式，所以开发出了一个通用的插拔的技能，可以适应小批量、多品种的任务切换，满足这种工艺需求。 在一些应用，比如打磨方面，我们节省了目前的一些浮动机构、打磨浮头、ATI的传感器，（这样）可以节省掉很多的非标设备。这是我们在一个主机厂实现的机器人车门边框打磨的应用。 另外，在3C电子的模组组装层面上，我们通过节省掉精确定位的机构使得整个线体更加柔性精简，也实现了大幅度降低非标占比的目标。 我们最近也交付了一个汽车电子行业产品总装以及测试的整线项目，相比原本的非标自动化线，它可以实现从80到100%自动化率的提升。另外在整体的性价比上，在整个标准设备占比上，还有爬坡上都有很大的优势。 因为所有的工艺都是直接用我们的机器人去完成的，所以工艺数据可以直接汇总，去进行一个工艺数据的全回溯。 我们希望先以仿人化技术路径去做系统化的创新，持续地去让智能机器真正成为机器人。我们一方面会聚焦在制造业，但是另外一方面也持续探索开放性要求、复杂度要求更高的场景，比如类似农业、医疗等非工业场景。 最后，我也希望跟大家分享一下我们非夕科技的愿景，就是用以人为本的科技，让工作更具创造性，让生活更有幸福感。 |
|
|
