張曉龍：智能制造之路的探索|V課堂第88期
隨著《中國制造業發展綱要(2015-2025)》和《中國制造2025》的發布，結合德國工業4.0的構想，智能化生產和智能化制造作為中國制造業今后發展的主攻方向，勢必會對中國工業機器人的發展起到刺激作用。作為先進制造業中不可替代的重要裝備和手段，工業機器人已經成為衡量一個國家制造水平和科技水平的重要標志。
第88期【智造+V課堂】分享嘉賓：北京大學工學院智能制造實驗室副主任張曉龍，作為資深智能制造專家，張主任從國內智能制造現狀談起，深刻解讀智能制造和工業機器人的未來發展方向。
一、分享嘉賓
張曉龍 (納博特科技(Inexbot)創始人)
1. 個人簡介
- 北京郵電大學特聘導師;
- 北京大學工學院智能制造實驗室副主任;
- 曾服務于法國湯姆遜集團、美國摩托羅拉等知名外企，后作為技術合伙人參與創辦北京云辰科技有限公司(大可樂手機)并擔任CTO一職，組建產品技術團隊。
2. 擅長領域
- 擅長嵌入式軟件系統、移動通訊、智能制造專業領域;
- 從事多年研發管理工作，技術背景深厚，擁有多項國際專利。
二、分享主題
《智能制造之路的探索》
三、演講大綱
- 國內智能制造現狀;
- 工業機器人行業介紹;
- 智能制造、工業機器人未來發展方向探索。
四、原文實錄
原文實錄context:
首先自我介紹一下，我之前在摩托羅拉等手機企業做過很多年，之前從事電子制造領域。在我們之前研發手機的過程中，就發現傳統的手機生產方式越來越跟不上時代的發展，比如說蘋果，很多人都用的蘋果手機，覺得蘋果的硬件質量非常之好，一個重要的原因就是蘋果的生產設備都是由蘋果公司自己研發交給富士康生產的。可以說在這個星球上最高的電子方面的制造水平肯定是由蘋果一家公司掌握的，其他品牌的手機包括三星在內,他們的生產質量和生產工藝相比蘋果都有很大的差距。
比如說在蘋果生產純金屬外殼的手機之前，金屬外殼在手機行業是一個禁地，沒有人敢嘗試，金屬會對隔絕天線信號。但是蘋果成功地突破了這一界限，然后帶來了新的風潮，現在大家手上手機絕大部分的都是金屬外殼。
后來我們就逐漸認識到，如果要想打造世界上最好的產品，必須首先要有最好的工具，所以我從手機行業，從電子領域逐漸切換到了制造領域，從軟件行業、電子行業切換到制造領域，這是一個非常大的轉變。坦白講我之前也沒有想到會這么艱難，跟我們之前做軟件相比的話，要考慮的事情實在太多了，這個行業太過于復雜。
今天我所講述的內容并不局限于工業機器人，工業機器人在智能制造領域只是很小的一個部分，只是由于今天機器人在智能制造中起到的角色非常重要，所以大家才經常提及，但是我們在考慮一個關鍵部件的決策性問題時，不應該忘記完整的系統。
這張圖大家經常會看到，基本世界上主要的國家都提出了智能制造的綱要，比如說中國的智能制造2025綱要，歐洲提出的工業4.0，美國的工業再制造化，然后日本也提出了相應的計劃。這些都是由于現實的需求而造成的。在全世界范圍之內都可以看到產能的過剩和需求個性化的趨勢，以前生產一臺車，生產一個設備，可以大批量生產，但是今天大家越來越講究個性化，對品質的要求也越來越高，現在大家買個馬桶都恨不得去日本買，買水杯都要花好幾百甚至上千塊錢去買一個日本原產的水杯。
產業升級、消費升級各方面都帶來了個性化以及對產品品質的需求，但是另一方面勞動力的水平卻跟不上產業的發展，成本越來越高，就業人口反而在減少，這是中國制造業面臨的一個大問題。我想從一些大企業的角度去分析一下未來制造會是一個什么樣的場景。
首先講一下華為的視角，華為是中國可以說技術能力最強，最值得尊敬的一家企業，曾經華為也算是中國工業制造領域一個很重要的角色，但是非常可惜在十幾年前它放棄了。如果熟悉工控圈歷史的人會知道，當年華為曾經做過工控產品,經過幾年運營之后，由于效率不佳，當時華為也特別缺錢，所以最后把這支團隊全部賣給了艾默生。但是今天我們看到，在深圳乃至中國工控圈活躍的各大企業，基本上都是來自于華為艾默生的體系。比較出名的比如說麥格米特、匯川、英威騰這些，他們的創始人，他們的老板基本上都是當年華為艾默生的高管。
今天華為又重新把自己的注意力轉向了工業制造領域，不過今天他們可能不會簡單地去從事某些具體設備的生產，而更多關注于整個智能制造產業鏈的構成。我和華為的一些高管做過一些交流，在去年年底的時候，華為連同中科院自動化所,新松以及其他一些知名企業一起成立了邊緣計算聯盟，我前面放出的兩張PPT就是華為他們自己做的一個報告，在邊緣聯盟成立的時候做的報告。
從這兩張PPT可以看到，華為認為未來不僅僅是工業，包括物聯網各個行業都會呈現軟件定義過程的特征，軟件定義一切，這是華為的一個總結。我們現在能夠看到的很多自動化的設備，比如說機床、機器人這些，都可以被定義為邊緣計算的節點，節點收集到信息之后再交給后面的霧計算和云計算來進行分層的處理。
另外華為還是現在TSN,就是實時網絡的積極推動者。因為在工業領域絕大部分都是需要實時通訊的，今天我們在日常中使用最多的TCP/IP網絡在工業上并不是特別合適，如果要實現智能化網絡化必須要對整個網絡構建和通訊協議做出一些規劃。為什么這些協議到現在還沒有解決呢?這也是由于工業的歷史而造成的。工業圈里面有多少協議，恐怕沒有人能說得清楚，幾十種?上百種?二百種?誰都說不清，因為幾乎每家都在制造不同的協議，甚至同一個協議不同的產業理解也有差異，那就造成了今天在工業圈，所有的設備是沒有辦法互聯互通的，連說話都需要翻譯，甚至有一些公司就通過兼容各種設備而形成自己的產業模式。
下面我們再看一下另外一個巨頭，阿里的視角。阿里在前幾天的云棲大會上發過了很多重量級的產品，我最為感興趣的就是它對物聯網的一些規劃。去年我看馬云發過很多消息，說阿里要做工業大數據，阿里要做工業互聯網，但是他所發過的產品，在我看來跟工業圈相距太遠，感覺他就是把通用云計算的產品和針對電商的產品改換頭面，拿過來，拿到工業圈，這是完全不適用的。所以我們在工業圈基本上看不到阿里的聲音。
但是今天這個局面發生了一個很大的改變，其中一個可能原因，我感覺有很多傳統行業的人開始逐漸加入阿里，比如說我有一個朋友，他原來是華為的傳感器方面的首席科學家，現在也剛剛加入阿里，在這次云棲大會上有很多報告，就是他所做出的。現在阿里提出一個概念叫“萬物蘇醒”，萬物蘇醒的意思就是在所有的設備上面都要裝上傳感器，構建一個真正的物聯網的世界，然后讓所有生活中的物體，我們工業中所使用的設備能夠聯網化、智能化，聯上網之后就有了自己的靈魂，但是每一個傳感器都是一顆散沙，想把這些沙子聚在一起，聚沙成塔，就必須要讓大家能夠說一樣的語言，所以阿里很恰當地提出了標準化的一個工業方向，他們會跟各個標準的組織進行接洽，能夠利用阿里的體量，在國內能夠把工業圈的一些實時標準逐漸地總結和統一起來。
今天這些做工業大數據、做傳感器、做物聯網的人，基本上每一家都是從傳感器、芯片到數據收集，到通訊協議還有數據的存儲、數據的挖掘、數據的分析一直到APP呈現，各個層面都要自己去做，這是一種小作坊式的生產方式，完全不適合今天的行業發展。我很高興看到阿里能夠走出這一步，能夠帶著大家構建一個共用的平臺，希望是站在一些巨人的肩膀上，來創造新的價值，而不是重復的制造輪子。
再看一下美國人的視角，美國人在工業互聯網領域，應該講他們是做的比較好的，因為美國的軟件基礎和互聯網的基礎比較好，GE最早提出了Predix的概念，現在Predix在國內通過中國電信的力量也在做大規模的推廣。我不敢說一個美國企業在中國最終能夠拿下多少市場份額，但是至少GE的理念我是比較贊同的。
GE希望大家能夠在它的平臺之上，能夠把自己在某個具體行業和領域的經驗和知識，把它提取出來，然后形成各種應用。我們可以回顧過去20年來,有10年桌面互聯網的發展，10年移動互聯網的發展，下一個10年很有可能就是工業互聯網的發展了。今天大家再去開發一個移動APP，去創業好像沒有什么太大的價值，也沒有什么機會了，但是在工業互聯網上面，如果能夠實現一些具體的應用，說不定就是未來，而GE就希望做未來工業互聯網的APP STORE，當然阿里、華為肯定也有這方面的想法，未來就看誰能夠競逐天下，誰能夠勝出了。
我前面通過三個行業巨頭的例子，一個華為、阿里、GE他們代表不同的領域，出身背景也各自不同，但是現在他們的焦點正在逐漸成核。可以這樣講，今天工業智能制造的競爭從企業的視角來看，本質就是通過一些新技術，能夠滿足今天客戶越來越復雜的個性化的需求，通過數據和軟件自動流動來適應今天日益復雜的制造流程，解決制造過程中的各種不確定性。
今天智能制造所面臨的問題已經不是通過什么精巧的機構或者說某一個特殊的精密部件就能夠解決的，而是一個系統工程，這個系統工程涉及到了機械、通訊，涉及到軟件、互聯網一系列的所有的知識。我們在從事智能制造領域研發的時候，不管是大家關注哪一個具體的點，必須要從宏觀的角度，你必須融入一個大的系統，才有可能有未來。
前面我說了這么多，看到這么多巨頭也涌進來了，似乎這個行業非常火爆，大家應該是非常興奮的。我覺得每一個初入這個行業的人，剛開始接觸智能制造的人，都會覺得我們是一個很高大上的行業，似乎遍地是黃金，實際上這個圈里絕大部分的人都是活的非常苦逼的，基本上不知道錢在哪里.每一個項目都做的這么累，這是為什么呢?對比一下,互聯網軟件行業他們能夠獲取巨額利潤，是因為他們的可復制成本非常之低，你同樣的一套軟件或者同一個網站服務100萬人和服務1億人、10億人，成本是相差不遠的，所以一旦產品成熟就可以在邊際成本幾乎為零的情況下，可以快速擴張，獲取巨額利潤。
咱們工業圈門類眾多，各種應用領域非常復雜，完全沒有辦法把一個焊接的經驗應用到噴涂的生產線上面去，換句話說就是隔行如隔山，行業種類太多，可復制性太差。所以我們大部分做工業圈的人做的都是非標行業。我們換個角度來看，國外的廠家反而過得很舒服，比如說西門子、GE這些廠家，每年不知道從國內拿走多少利潤，現在國內長期工業基礎比較薄弱，對于高端設備精密部件基本上長期依賴進口產品。也許是我們的產品的確不過關，但更多的也許是我們的不自信，我們不好意思給自己的同胞制造的產品開出高價，所以最后導致一個劣幣驅逐良幣的過程。另外一個就是國內長期忽視人力成本，總覺得人是最不值錢的，好像出點人工沒有什么大不了的，只有硬件東西才值錢，這也造成了一個不好的風氣，所以導致國內的人工偏多的行業利潤率都反而偏低。
最后，所有工業圈人的一個共識就是國內的商業環境實在是有點差，做一個自動化，做一個集成項目，可能表面上看毛利很高，但是回款就成了老板的心頭大患。可是，要做好一條生產線談何容易?又要懂技術還要壓款，又需要資金，然后還要長期出差。我經常聽到很多兄弟抱怨，去一個生產線一搞就是三個月以上，連家都回不了。
技術密集、資金密集、人才密集，但是偏偏還遇上了利潤率如此之低，回款率如此之低。所以很多廠家最后被資金流，被回款所壓死，資金運轉的效率實在太低了。
綜合來看，智能制造領域就是一個外熱內冷的情況。不過好在工業圈的人都還是挺有志氣的，我看到越來越多的人，越做越有自信，因為在和外資競爭的過程中，隨著整個市場的發展，規模的擴大，大家也逐漸找到一些思路。從我個人來看，我覺得最大的一個行業機會或者趨勢，應該這樣看。首先是機器人的廣泛應用，基于機器人智能制造技術，就把我們現在的很多生產設備標準化、柔性化了，現在很多非標行業逐漸變成了標準化行業，你一看這些基層用的多的沖壓生產線、裝配生產線、焊接生產線，基本上大同小異，可復制性非常之強。也就是說我們的部件越柔性，最后做成的生產線集成項目就越來越標準化，這樣可以極大地降低成本。
另外一個，中國是一個地大物博的國家，可以堅定不移地走本地化和信息化的路，現在很多工廠都還是非常落后的一個狀態，你能夠給它把本地化和信息化做好，就已經可以帶來非常大的價值了。我們在中國可以看到從第一世界國家到第三世界國家所有類型的產業狀態，全世界最先進的iPhone生產線在中國，大量的手工作坊也存在于中國的各個角落。很多外企比如說ABB、GE、西門子這些廠家，他們只能去做一些熟悉的，大型的工程項目，稍微小一點的項目他們根本就做不了。一方面利潤低，另一方面人手也不夠或者講這些特別牛的設備，可能很真不適合于中國的作坊。
我一直覺得越是粗糙的生產環境，對生產技術的要求就越高。在一個成熟的汽車生產線上增加一些新型的設備其實是非常容易的，因為有很多現成的基礎，工裝夾具、流水線設計都非常合理，但是你要在一個鄉村企業里面，原來手工打造突然整一套自動化的設備，你要考慮的問題要多得多。所以熟悉中國制造業的現狀，熟悉中國的來料情況，加工水平，懂具體的國情才有可能在智能制造領域做出自己的特色。
另外一個方面，我之前軟件行業經驗比較多一點，從我個人的體驗來看，在全世界范圍之內，只有中國和美國兩個國家可以談自己的軟件技術和互聯網的技術。其他的國家包括日本在內，簡直就是不值一提。日本和歐洲的天才程序員實際太少了，軟件技術也越來越趨于落后。你看現在世界上最大的互聯網企業基本上都是在中國和美國，歐洲和日本基本上已經全軍覆沒了。未來我們把中國在軟件行業，在互聯網行業所積攢的這些經驗和知識，把它轉移到工業圈，比如說像阿里、華為他們已經開始在行動。未來我們將會在一個非常好的基礎上去進行智能制造行業的開發、研究。
最后我覺得從人力成本來講，中國應該相比這些歐美的國家還是有很大的優勢，我們還是擅長于人海作戰。綜合來看，結合本地化的優勢，結合我們軟件互聯網的優勢，結合我們自己的人力成本的優勢，我們和世界上任何一個工業巨頭相比應該都有一戰的本錢。隨著我在這個圈里面經營的越久，我就越來越有信心。
從目前我們正在做的一些事情，比如說在工業機器人領域，我們結合了很多上下游的小伙伴，大家一起來推進核心技術的研發，不要每個人都想著全套，什么都做這是不可能的，每個人集中一點來突破，最后大家一起把所有的核心技術集成在一起。然后從工藝入手結合中國的現狀，快速的實現一個核心部件的國產化、降低成本，只有成本降低，低到一個量級之后才有可能創造規模效應，才能夠發揮中國的規模優勢。
同時，組建各種聯盟進行產業的標準化和產業協作，這也是我們跟這些國外巨頭抗衡的一個最大本錢。中國最擅長的就是這種產業鏈的優勢，比如說電子行業，中國電子行業其實也沒有什么太大的巨頭。但是你在深圳圈子里面，你可以找到各種電子產品生產圈套的工藝設備和人才，所有的供應鏈都非常齊備，在全世界范圍之內你都找不到第二個這么好的地方。
很多人在工廠里面都見過工業機器人，工業機器人總體來講分成兩大部分：一個是機械部分，一個是控制部分。機械部分你們可以看到里面包含了機械本體、減速機、電機。然后控制主要就是伺服驅動器和運動控制器。工業機器人在整個智能制造系統里面的確處在一個非常核心的位置，傳統制造業系統核心是PLC，但是現在PLC越來越多的被機器人控制系統所取代。工業機器人可以直接驅動各種傳感部件，比如說攝像頭，各種碰撞傳感器，視覺、激光、焊接以及各種生產設備，包括機床都可以通過機器人直接控制，代替掉傳統的PLC的作用。
另外機器人的控制系統還可以很方便的收集產線上的各種數據，我們自己認為工業機器人未來將是一個非常合理的邊緣計算的節點。所謂邊緣計算前面我也提到了，是華為還有其他一些國內知名廠家包括研究所一起來發起創辦的。邊緣計算它處在實時計算和云計算之間.云計算是沒有實時性的，相應時間可以達到秒級甚至分鐘級，都可以接受。但是在工廠里面的設備，很多生產設備都是需要微秒級甚至納秒級的響應速度，這個是實時和云計算之間的巨大的鴻溝，但是控制器它的響應時間可以在毫秒或者是10個毫秒這個級別，可以很好的彌補這兩張網絡的縫隙。
工業機器人可以通過各種傳感器收集數據，然后驅動生產流程，最后把所有收集的數據再反饋回MES系統，我這邊多放幾張PPT。下一張PPT就是我前面所說的，控制器處在執行系統、電機之間，在實時網絡和非實時網絡之間構建一個通道，它可以是業務的執行中心和數據的采集中心。
工業機器人的控制器如此之重要，他里面到底做了哪些事情呢?首先有一個高性能硬件的運算平臺，傳統的很多是通過一些PLC去做，但是現在的運算性能要求越來越高，所以大家逐漸切換到了基于X86甚至一些服務器去實現。然后在高性能的硬件平臺之上是一些實時的操作系統，以前最多像庫卡、ABB用的都是Vxworks的系統，現在實時的Linux也開始逐漸實用化，我看到有些產業已經在用。雖然實時性和Vxworks還有差距，但基本可以滿足要求。
另外還有一些專用的實時系統，用得也比較多。在實時操作系統之上就是我們的運動控制平臺了。運動控制平臺國際上有些廠家，比如說德國的3S公司，他們的Codesys很多人都接觸過，基本上我們知道的還有一些國外的廠家，比如說菲尼克斯平臺做二次開發，國內的幾個機器人廠家包括新時達還有啟帆，他們也都是基于Codesys。
這個中間件平臺基本上就提供了所有的運動控制、機器人控制的功能，然后僅僅有基本的運動控制還不夠，還需要再結合具體的應用領域去實現各種的工藝算法，碼垛、噴涂、折彎，每一個行業都有巨大的差異性。從控制功能本身來看，我們認為幾大控制目標，機器人的控制就是機器人模型的一個控制，基本的運動控制屬于各個軸的控制目標。另外還有邏輯控制，邏輯控制更多的是控制產線設備，它替代的是PLC的功能，另外安全控制也是現在的一個重點。
在去年的時候就有個新聞說是德國大眾的一個機器人，突然叛變了打死一個工人。它實際上就是一個典型的生產事故，機器人的安全裝置失效了，再加上這個工人違規操作，導致工人不小心被機器人碰到致死，這是一個完完全全安全生產的事故。但是機器人個頭這么大，力量這么大，一個機器人可能幾十千瓦的功率都有，就相當于幾十個純電流的功率輸出了，做不好安全控制，這是很麻煩的一件事情。另外我們現在越來越多的希望讓機器人跟人共存，這就是所謂的人機協作。所以安全控制很有可能未來大家所競爭的一個焦點，如何讓機器人又快、又穩定、又安全的運行。比如說有些人實現了力矩控制，通過各種防碰撞器，去讓機器人在遇到一些障礙，遇到人的時候能夠自動停止。在機器人外面加上很多皮膚，即使碰到人也不會打得太疼。這個后面我還會捎帶再講一下。
機器人模型的控制主要就是各種機器人的運動學、動力學這些傳統的算法，說算法很傳統，但是實踐起來好像也挺難的。我們看到國內很多人都嘗試過去做，在Matlab做仿真效果非常好，各種機器人模型都能動起來，但是一遇到實際生產就不行，因為你在實際中會看到各種器件跟標稱都有極大的差異。如果你不能解決掉這些實際和理論上誤差補償問題，基本上這個算法就是不可用的。
從機器人的結構來看，大家見得最多基本上就是六軸機器人，它的姿態變化非常多，可以實現絕大部分的運動功能。另外一個機器人，它是SCARA個典型四軸系統。這個系統比較簡單，成本也非常低，在3C領域用途非常之廣，現在在深圳很多小廠家都能夠每個月出廠幾十臺SCARA機器人，這將是中國自出臺機器人之后第二個金礦，SCARA機器人有可能會快速上量。而直角坐標機器人這就比較傳統了，基本上沒有太多技術的含量。另外一個是并聯機器人，這個機器人運動速度超快，但是對整個的制造水平要求還是挺高的。偏偏它的市場又不是特別的大，主要用在一些食品、包裝包括一些特種行業，像雷管、生產包括化學品的生產，在這些行業里面會使用到。
國內應該比較知名的就是有一個阿童木機器人，還有蕪湖瑞思，這實際上都是天津大學的黃田老師和梅建平老師他們師徒兩個開創的企業，基本上就是國內的獨一份了。
上面這幾張圖有點偏技術性，我就簡單跟大家解釋一下，大家在玩機器人會講正解、逆解什么的，其實就是機器人的實際位置和電機之間的轉換，由電機位置推導出實際位置，或者由實際位置推導出電機位置，就是一個是正解，一個是逆解。這個正、逆解就涉及到機器人有的形態比較復雜，正、逆解做出來就很麻煩，圓弧差補，各種曲線差補、多項式差補都是跟這個正、逆解相關的。
在構建完機器人的模型之后，我們如何評價一個機器人好與不好，其實一個是機器人的外型尺寸，你看機器人他的作業范圍、作業空間有多大，負載率有多大，自重是多少，下面就要考慮他的運行速度，它的定位精度。定位精度我們又考慮到它的重復定位精度和絕對定位精度，以及姿態重復精度。
絕對定位精度很容易理解，我讓一個機器人走10毫米的距離，它是不是走出來真的是10毫米，這是一個絕對定位。聽起來很簡單，但實際上這是機器人最難實現的。這個工業機器人由于自身的剛性問題，以及安裝基準的問題，所以很難實現非常高的絕對定位精度，這是機器人的軟肋，也是機器人和機床系統的一個重要區別。但是機器人它可以實現非常高的重復定位精度，也就講它無法辨識自己走的到底是不是10個毫米，但是如果明確的從A點到B點，連續走上一萬次它是不會有什么偏差的，這個重復定位精度可以實現到0.001毫米這個級別。
機器人在高速運動的時候又會帶來一個軌跡精確度的問題，比如說走一個直角，如果機器人要走一個直角的話，它會遇到一個速度零點，這個速度零點很多時候無法規避。我們就要做一個權衡，如果你是做切割之類的工藝，你要求絕對高的軌跡精度，就要犧牲速度，很多時候比如說做搬運，我要的就是一個速度，我并不追求這個軌跡的絕對精度，你只要能把東西從A點到B點拿過去，中間你走的是直線還是圓弧其實并不關心。
這個時候我們就可以做很多平滑算法讓機器人如何高速運動。設想一下你自己開車的一個過程，遇到一個右轉彎，你是沿著導流線走，到路口先停下來然后慢慢右轉，還是繞一個大圓嗖一下轉過去。我相信不同的人有不同的駕駛習慣，跟你當時的心情也有很大的關系，你是著急趕路呢，還是要遵守交規慢慢悠悠的往前走呢?機器人一樣面臨這樣的選擇，一個良好的機器人系統就是走得又快，然后走得又準，又快又準這就是我們對機器人的要求。
另外機器人還要考慮動力學的問題，動力學更多的是考慮裝配，實際生產帶來了各種摩擦力的因素以及通過動力學去做一些平衡，機器人加不加負載對整個模型剛性都會帶來非常大的影響。影響最多的就是重載機器人，我們看到現在比如發那科的機器人最高負載可以達到2噸，它可以抓起一輛2噸重的小轎車，這時候你就必須要考慮2噸重的物體對整個機械臂帶來的干擾。
解決掉這些基本的運動問題、精度問題之后，我們還要給機器人加上實用化的應用工藝，碼垛的工藝、搬運的工藝、上下料、噴涂、打磨、焊接。如果細數起來的話，現在我知道的有十幾、二十種工藝，里面還要夾雜著帶不帶視覺，帶不帶激光，帶不帶各種傳感器，幾乎每個領域都可以做出很多的文章，有一些廠家，我知道廣東佛山有一家廠家他就專做噴釉系統，基本上已經做到國內的第一了，國內可以說找不到第二家能夠和他抗衡的，就是因為他把多年的噴油的經驗、知識，軟件化固定下來。
我們從事工業機器人的研發也是一步一步來，首先解決有無的問題，然后解決精度的問題，最難實現也是最重要的就是一個應用的問題，你的機器人能夠用在哪些領域?如何能夠和智能制造系統相結合?
前面我基本上已經講清楚了，工業機器人在控制技術方面的一些指標和行業特征，工業機器人未來的發展方向是什么呢?我們可以做個簡單的回顧，過去20年工業機器人在結構方面和算法方面基本上沒有太大的進步，只有算法越來越精準。20年前就有六軸機器人，今天還是六軸機器人。所以結構電器方面沒有太大變化，所有的變化基本上都來自于控制技術，以及網絡技術和智能技術。
后邊我會再花幾分鐘時間來談一下我對工業機器人未來的發展趨勢。總體來看，機器人會越來越聰明，這個聰明體現是什么地方呢?首先是一個三維視覺感知的技術和引導技術。之前的時候，機器人使用基本上都是以示教編程為主，是由一個人手把手地去教，一個點一個點去試教。比如說在汽車廠一個實際生產程序，調試10天半個月，甚至一個月太正常不過了，你想教會機器人去干件事情非常非常困難，但是如果你給機器人加上眼睛那就不一樣了，通過眼睛他可以實現自動化的編程。
我們在前幾天的時候去發那科去參觀，可以看到發那科演示的機器人幾乎所有的機器人都有眼睛，都有視覺，是2D，3D，激光，基本上我們看不到沒有眼睛的機器人了，這就是一個未來發展的趨勢。視覺系統又是一個大的行業發展了，包括今天大家每天聽到的這些人工智能，AI，他們當初也是為了解決視覺的某些問題而發展起來的。
現在，各種結構光3D的技術越來越多，可以從我這個PPT上能夠看到，大家都在考慮一些智能的無序工件抓取的問題。谷歌,還有前幾天我看到日本好像有一個團隊也做了很多實驗，他們能夠通過大數據深度學習的算法，能夠快速地在一些無序的零件里面不需要人提前去給他們一些經驗性的指導，可以在很短的時間，假如說一天之內就可以學會各種抓取的技術，用多大的力，用什么樣的夾具，夾什么樣的角度。
如果真能實現這一點，工業機器人可以適用的場景會越來越多。我之前有一個客戶，一直想讓我怎么能夠把五金件一些螺絲什么的從料筐里面抓起來。我們調查一圈之后發現哪怕是最簡單的3D的視覺技術，也要二三十萬一套，而且還不能夠保證百分之百的成功率。抓取成功率的降低，就直接帶來生產效率的損失，生產節拍就提不起來，你算下來花20幾萬還不如直接養一個工人更加合算。所以我們也是非常期待著各種動態的，非結構環境感知的技術和機器人自主作業技術的發展，能夠給工業機器人帶來一次發展的浪潮。
另外一個就是多機協作的技術，我們在國內應該講是最早去做多機協作的，幾年前的時候我們就做過一些實驗，通過兩個機器人，三個機器人一起合作，去地上抓個皮球，然后去做個游戲什么的。如果大家有誰去過一些工博會，或者機器人展，看過安川的展臺，應該會記得，安川一直在秀自己的舞龍技術，就是通過八臺機器來共同協作完成一個舞龍的表演。這個表演就是典型的多機協作的技術。
還有就是ABB，ABB在網上也有一個非常知名的視頻，就是通過3臺機器人然后協作在幾個飲料罐里面穿梭。兩三年前，ABB、安川都把多機協作當成一種黑科技在宣傳，多機協作能夠帶來非常多的好處，比如說成本的降低，然后生產節拍的上升，還能夠減少很多復雜的編程的環節，通過一臺控制器快速地能夠完成一條生產線的協作工程。
還有一個發展方向，就是我前面提到的，人機交互的問題。大家可以看到我后邊最后的一張PPT，這里邊有幾個著名的機器人，一個是ABB的YUMI。我聽了ABB的人講這就是ABB的一幫老科學家，絞盡腦汁搞的一個大玩具。這個玩具到底用來干什么?現在也不清楚，但至少已經代表我們這個行業內的一個最高水平了。它的雙臂每個機械臂都有13個自由度，這13個自由度就帶來了任務規劃的一個非常艱巨的一個問題。
任務規劃就像解一個方程，如果只有一個解還好辦，它如果有多個解，那就麻煩了，因為你要從多個解當中再選出一個最優解，而最優算法的評價標準是很難制定的。如果在考慮到人和機器人的共同交互，機器人有2個手臂在和人共同協作，然后還要再加上外界的環境感知功能，這個功能的復雜度實在是太大了，所以到目前為止還僅僅存在于人們的各種設想，也沒有太多的試驗線能夠證明，倒是學術圈的文章發了不少。
我們覺得今天人機交互技術雖然還不算太實用，但是假以時日，未來5年，或者更長的一點時間之后，一定會每個人都有一個機器人的伴侶。順便插一句，大家可能很多人接觸過一些服務機器人的市場，服務機器人一直到現在也是雷聲大雨點小，搞來搞去基本上也就是一個底盤加上一個iPad，重要原因就是因為它沒有手臂，為啥沒手臂?這個手臂太復雜了，這就是我說的人機交互技術。什么時候我們的服務機器人能夠插上手臂，能夠給你端一杯咖啡，這時候服務機器人就到了真正騰飛的時候了。
我希望未來，所有的工業圈，搞機器人的，工業機器人、服務機器人、智能制造這些兄弟們能夠大家一起聯手，結合起來，能夠共同創造一個中國智能制造的美好前景。以上就是我今天所作的所有內容的報告，涉及的點比較多，也相對有點散，基本上就是我這幾年做機器人所收獲的一些小小的感觸，也希望大家能夠積極地提出各種寶貴意見，大家一起來找到解決方案，謝謝大家。
