研究通过成功的集群演示将 GenAI 驱动的工业 6.0 概念化

自工业革命以来，制造工艺随着技术进步而不断发展。最近的创新，特别是在机器人、3D 打印和机器学习领域，可能很快会促进进一步的变革，有可能建立新一代的行业标准。

Skoltech 智能机器人实验室的研究人员最近介绍了他们对下一代工业的愿景，他们将其称为工业 6.0。他们的愿景概括为纸发布到arXiv预印本服务器，在使用真实计算和机器人系统的初始演示中进行了测试。

该研究的指导作者 Dzmitry Tsetserukou 告诉 Tech Xplore：“我们最近在生成人工智能及其在机器人领域的应用方面取得的成就给我们带来了启发。”“今年我们开发了几个突破性的系统，GenAI 帮助解决了以前需要大量人类编码资源的问题。它让我重新思考对事物制造方式的经典理解，从而催生了工业 6.0 概念。”

虽然许多人将这个词联系在一起“工业革命“随着以蒸汽机的出现为标志的第一次工业革命，此后出现了标志着工业进一步革命的各种其他里程碑。第二次工业革命发生在 1870 年至 1914 年间，其发现推动了电力和新材料的化学合成，导致了装配线和大规模生产的引入。

另一方面，第三次工业革命现在被描述为发生在 20 世纪 60 年代至 2000 年代之间，随着第一批计算机、机器人、电子设备以及最终互联网的发展。这些进步为通信开辟了新的可能性，并实现了工业环境中各种任务的自动化。

“第四次工业革命，即工业4.0。这是世界经济论坛创始人兼主席克劳斯·施瓦布教授在2016年提出的概念，”Tsetserukou说。“简而言之，工业 4.0 主张智能制造。有四种基本类型的颠覆性技术使之成为可能：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，我们现在已经开始转向第五代工业（即工业5.0），人类和机器将在同一环境中密切协作。这个新阶段与协作机器人的发展相关，数字双胞胎、深度学习技术和其他最近开发的工具可以增强人类用户和机器之间的合作。

虽然机器和计算工具预计将在现阶段发挥更大的作用，但认知要求和决策任务仍应由人类专家执行。在计算机科学中，将人类纳入任务中被称为“人在循环”。

Tsetserukou 解释道：“我提出的概念——工业 6.0，利用了生成式人工智能和一群异构机器人，而人类则脱离了循环。”“从蓝图设计（CAD 模型）到装配的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、图像或语音消息给出的产品创意，输出是现成的产品（输入到输出模型）。云生成人工智能 (GenAI) 监督设计和制造过程中，每个配备人工智能的机器人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队伍，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，同时也强调了其稳健性和可持续性。在他描述的完全自动化的场景中，制造的物品在制造过程的每个步骤都进行分析，包括组装和产品测试。

“当发现一些故障时，Cloud GenAI会找到发生的地点和原因。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、讨论与用户沟通是否满足他们的期望，”Tsetserukou 说。

“新一代工厂的关键‘工人’是一群异构认知机器人。工业、协作、移动、人形机器人、无人机以及人工智能驱动的 CNC 机器和 3D 打印机正在协同工作，以实现设计的最佳和快速制造。产品。”

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作站，而不是在桌面或常规工业传送带上水平组装。

“当亨利·福特发明用于装配的带式输送机时，它彻底改变了大规模生产，”Tsetserukou 解释道。“这也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在任何方向上交付组件。它可能会导致更优化的流程，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来处理各种有效载荷。”

在 Tsetserukou 的愿景中，飞行机器人可以将物品运送到机器人单元中。在这个牢房中，它们将被机械加工，然后被带回地面，在那里接受质量检查并最终被储存。

“工业 6.0 利用 GenAI 驱动的数字孪生控制（虚拟人工智能工厂），”Tsetserukou 说。“我们在数字世界中训练机器人，并将学习转移到现实世界（Sim-To-Real）。工业 6.0 还表明，每个认知机器人都可以教导其他物理和虚拟机器人（Real-to-Sim-to-Real）并共享收集的数据集。”

除了概述工业 6.0 的概念外，Tsetserukou 还对其基础技术进行了初步演示，该技术是由博士领导的 ISR 实验室的 11 名研究人员开发的。学生 Artem Lykov、Miguel Altamirano Cabrera 博士和博士。学生米哈伊尔·科年科夫。

“在这个场景中，人类发出命令来设计和制造机器人抓手。LLM 生成可执行的 Python 代码来获取物体的平面几何形状，”Tsetserukou 说。“在下一阶段，AI 为夹具组件生成 3D STL 脚本，并将其发送到 3D 打印机。打印组件后，就会生成包含其位置和组装说明的文件。带有 Robotiq 夹具的协作机器人 UR10 可以抓取带有 3D 打印机组件的金属板手柄，并将其加载到无人机上。”

研究人员在无人机和 3D 打印机中引入了磁性材料，这样他们就可以在需要时分离金属板。使用这个板，无人机可以将组件运送到机器人装配单元，在那里两个 UR3 机械臂操纵它们，最终创造出最终产品。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。

“我们测量了 CAD 工程师绘制工程图所需的时间以及人类和工业 6.0 流程每个阶段所花费的时间，”Tsetserukou 说。“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 设计的速度比人类同行快 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还可以比人类更快地交付和组装物品。作为机器人系统而且计算工具仍在改进，未来几年这些观察时间可能会进一步减少。

“除了机器人抓手之外，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，”Tsetserukou 说。“这并不意味着设计是完美和最优的，但它证明了GenAI有强大的潜力来学习如何在未来提供高质量的设计。因此，我们可以为每个用户实现定制和独特的产品量产。”

该研究团队最近发表的论文为人类不再参与产品实际制造的工业未来提供了可能的预测。Tetsurukou 和他的同事目前正在进行更多研究，探索新兴技术最终在工业流程中发挥的作用。

“如果我们扩大这个想法，我们可以想象工业 6.0 工厂将相互协作制作和更新全球数据集，同时共享用于特定任务的最成功的神经网络架构，以维护行业定制的 GenAI 架构的平台，”采采鲁库补充道。

“我们未来的研究将致力于工业 6.0 中人工智能驱动的流程优化，从而制造出更复杂的产品。将嵌入最先进的 VLM 和 LMM 模型，以提高异构机器人群的认知能力，以便它们能够操作在动态且混乱的环境中。”

© 2024 Science X 网络