随着《中国制造业发展纲要(2015-2025)》和《中国制造2025》的发布，结合德国工业4.0的构想，智能化生产和智能化制造作为中国制造业今后发展的主攻方向，势必会对中国工业机器人的发展起到刺激作用。作为先进制造业中不可替代的重要装备和手段，工业机器人已经成为衡量一个国家制造水平和科技水平的重要标志。
第88期【智造+V课堂】分享嘉宾：北京大学工学院智能制造实验室副主任张晓龙，作为资深智能制造专家，张主任从国内智能制造现状谈起，深刻解读智能制造和工业机器人的未来发展方向。
一、分享嘉宾
张晓龙 (纳博特科技(Inexbot)创始人)
1. 个人简介
- 北京邮电大学特聘导师;
- 北京大学工学院智能制造实验室副主任;
- 曾服务于法国汤姆逊集团、美国摩托罗拉等知名外企，后作为技术合伙人参与创办北京云辰科技有限公司(大可乐手机)并担任CTO一职，组建产品技术团队。
2. 擅长领域
- 擅长嵌入式软件系统、移动通讯、智能制造专业领域;
- 从事多年研发管理工作，技术背景深厚，拥有多项国际专利。
二、分享主题
《智能制造之路的探索》
三、演讲大纲
- 国内智能制造现状;
- 工业机器人行业介绍;
- 智能制造、工业机器人未来发展方向探索。
四、原文实录
原文实录context:
首先自我介绍一下，我之前在摩托罗拉等手机企业做过很多年，之前从事电子制造领域。在我们之前研发手机的过程中，就发现传统的手机生产方式越来越跟不上时代的发展，比如说苹果，很多人都用的苹果手机，觉得苹果的硬件质量非常之好，一个重要的原因就是苹果的生产设备都是由苹果公司自己研发交给富士康生产的。可以说在这个星球上最高的电子方面的制造水平肯定是由苹果一家公司掌握的，其他品牌的手机包括三星在内,他们的生产质量和生产工艺相比苹果都有很大的差距。
比如说在苹果生产纯金属外壳的手机之前，金属外壳在手机行业是一个禁地，没有人敢尝试，金属会对隔绝天线信号。但是苹果成功地突破了这一界限，然后带来了新的风潮，现在大家手上手机绝大部分的都是金属外壳。
后来我们就逐渐认识到，如果要想打造世界上最好的产品，必须首先要有最好的工具，所以我从手机行业，从电子领域逐渐切换到了制造领域，从软件行业、电子行业切换到制造领域，这是一个非常大的转变。坦白讲我之前也没有想到会这么艰难，跟我们之前做软件相比的话，要考虑的事情实在太多了，这个行业太过于复杂。
今天我所讲述的内容并不局限于工业机器人，工业机器人在智能制造领域只是很小的一个部分，只是由于今天机器人在智能制造中起到的角色非常重要，所以大家才经常提及，但是我们在考虑一个关键部件的决策性问题时，不应该忘记完整的系统。
这张图大家经常会看到，基本世界上主要的国家都提出了智能制造的纲要，比如说中国的智能制造2025纲要，欧洲提出的工业4.0，美国的工业再制造化，然后日本也提出了相应的计划。这些都是由于现实的需求而造成的。在全世界范围之内都可以看到产能的过剩和需求个性化的趋势，以前生产一台车，生产一个设备，可以大批量生产，但是今天大家越来越讲究个性化，对品质的要求也越来越高，现在大家买个马桶都恨不得去日本买，买水杯都要花好几百甚至上千块钱去买一个日本原产的水杯。
产业升级、消费升级各方面都带来了个性化以及对产品品质的需求，但是另一方面劳动力的水平却跟不上产业的发展，成本越来越高，就业人口反而在减少，这是中国制造业面临的一个大问题。我想从一些大企业的角度去分析一下未来制造会是一个什么样的场景。
首先讲一下华为的视角，华为是中国可以说技术能力最强，最值得尊敬的一家企业，曾经华为也算是中国工业制造领域一个很重要的角色，但是非常可惜在十几年前它放弃了。如果熟悉工控圈历史的人会知道，当年华为曾经做过工控产品,经过几年运营之后，由于效率不佳，当时华为也特别缺钱，所以最后把这支团队全部卖给了艾默生。但是今天我们看到，在深圳乃至中国工控圈活跃的各大企业，基本上都是来自于华为艾默生的体系。比较出名的比如说麦格米特、汇川、英威腾这些，他们的创始人，他们的老板基本上都是当年华为艾默生的高管。
今天华为又重新把自己的注意力转向了工业制造领域，不过今天他们可能不会简单地去从事某些具体设备的生产，而更多关注于整个智能制造产业链的构成。我和华为的一些高管做过一些交流，在去年年底的时候，华为连同中科院自动化所,新松以及其他一些知名企业一起成立了边缘计算联盟，我前面放出的两张PPT就是华为他们自己做的一个报告，在边缘联盟成立的时候做的报告。
从这两张PPT可以看到，华为认为未来不仅仅是工业，包括物联网各个行业都会呈现软件定义过程的特征，软件定义一切，这是华为的一个总结。我们现在能够看到的很多自动化的设备，比如说机床、机器人这些，都可以被定义为边缘计算的节点，节点收集到信息之后再交给后面的雾计算和云计算来进行分层的处理。
另外华为还是现在TSN,就是实时网络的积极推动者。因为在工业领域绝大部分都是需要实时通讯的，今天我们在日常中使用最多的TCP/IP网络在工业上并不是特别合适，如果要实现智能化网络化必须要对整个网络构建和通讯协议做出一些规划。为什么这些协议到现在还没有解决呢?这也是由于工业的历史而造成的。工业圈里面有多少协议，恐怕没有人能说得清楚，几十种?上百种?二百种?谁都说不清，因为几乎每家都在制造不同的协议，甚至同一个协议不同的产业理解也有差异，那就造成了今天在工业圈，所有的设备是没有办法互联互通的，连说话都需要翻译，甚至有一些公司就通过兼容各种设备而形成自己的产业模式。
下面我们再看一下另外一个巨头，阿里的视角。阿里在前几天的云栖大会上发过了很多重量级的产品，我最为感兴趣的就是它对物联网的一些规划。去年我看马云发过很多消息，说阿里要做工业大数据，阿里要做工业互联网，但是他所发过的产品，在我看来跟工业圈相距太远，感觉他就是把通用云计算的产品和针对电商的产品改换头面，拿过来，拿到工业圈，这是完全不适用的。所以我们在工业圈基本上看不到阿里的声音。
但是今天这个局面发生了一个很大的改变，其中一个可能原因，我感觉有很多传统行业的人开始逐渐加入阿里，比如说我有一个朋友，他原来是华为的传感器方面的首席科学家，现在也刚刚加入阿里，在这次云栖大会上有很多报告，就是他所做出的。现在阿里提出一个概念叫“万物苏醒”，万物苏醒的意思就是在所有的设备上面都要装上传感器，构建一个真正的物联网的世界，然后让所有生活中的物体，我们工业中所使用的设备能够联网化、智能化，联上网之后就有了自己的灵魂，但是每一个传感器都是一颗散沙，想把这些沙子聚在一起，聚沙成塔，就必须要让大家能够说一样的语言，所以阿里很恰当地提出了标准化的一个工业方向，他们会跟各个标准的组织进行接洽，能够利用阿里的体量，在国内能够把工业圈的一些实时标准逐渐地总结和统一起来。
今天这些做工业大数据、做传感器、做物联网的人，基本上每一家都是从传感器、芯片到数据收集，到通讯协议还有数据的存储、数据的挖掘、数据的分析一直到APP呈现，各个层面都要自己去做，这是一种小作坊式的生产方式，完全不适合今天的行业发展。我很高兴看到阿里能够走出这一步，能够带着大家构建一个共用的平台，希望是站在一些巨人的肩膀上，来创造新的价值，而不是重复的制造轮子。
再看一下美国人的视角，美国人在工业互联网领域，应该讲他们是做的比较好的，因为美国的软件基础和互联网的基础比较好，GE最早提出了Predix的概念，现在Predix在国内通过中国电信的力量也在做大规模的推广。我不敢说一个美国企业在中国最终能够拿下多少市场份额，但是至少GE的理念我是比较赞同的。
GE希望大家能够在它的平台之上，能够把自己在某个具体行业和领域的经验和知识，把它提取出来，然后形成各种应用。我们可以回顾过去20年来,有10年桌面互联网的发展，10年移动互联网的发展，下一个10年很有可能就是工业互联网的发展了。今天大家再去开发一个移动APP，去创业好像没有什么太大的价值，也没有什么机会了，但是在工业互联网上面，如果能够实现一些具体的应用，说不定就是未来，而GE就希望做未来工业互联网的APP STORE，当然阿里、华为肯定也有这方面的想法，未来就看谁能够竞逐天下，谁能够胜出了。
我前面通过三个行业巨头的例子，一个华为、阿里、GE他们代表不同的领域，出身背景也各自不同，但是现在他们的焦点正在逐渐成核。可以这样讲，今天工业智能制造的竞争从企业的视角来看，本质就是通过一些新技术，能够满足今天客户越来越复杂的个性化的需求，通过数据和软件自动流动来适应今天日益复杂的制造流程，解决制造过程中的各种不确定性。
今天智能制造所面临的问题已经不是通过什么精巧的机构或者说某一个特殊的精密部件就能够解决的，而是一个系统工程，这个系统工程涉及到了机械、通讯，涉及到软件、互联网一系列的所有的知识。我们在从事智能制造领域研发的时候，不管是大家关注哪一个具体的点，必须要从宏观的角度，你必须融入一个大的系统，才有可能有未来。
前面我说了这么多，看到这么多巨头也涌进来了，似乎这个行业非常火爆，大家应该是非常兴奋的。我觉得每一个初入这个行业的人，刚开始接触智能制造的人，都会觉得我们是一个很高大上的行业，似乎遍地是黄金，实际上这个圈里绝大部分的人都是活的非常苦逼的，基本上不知道钱在哪里.每一个项目都做的这么累，这是为什么呢?对比一下,互联网软件行业他们能够获取巨额利润，是因为他们的可复制成本非常之低，你同样的一套软件或者同一个网站服务100万人和服务1亿人、10亿人，成本是相差不远的，所以一旦产品成熟就可以在边际成本几乎为零的情况下，可以快速扩张，获取巨额利润。
咱们工业圈门类众多，各种应用领域非常复杂，完全没有办法把一个焊接的经验应用到喷涂的生产线上面去，换句话说就是隔行如隔山，行业种类太多，可复制性太差。所以我们大部分做工业圈的人做的都是非标行业。我们换个角度来看，国外的厂家反而过得很舒服，比如说西门子、GE这些厂家，每年不知道从国内拿走多少利润，现在国内长期工业基础比较薄弱，对于高端设备精密部件基本上长期依赖进口产品。也许是我们的产品的确不过关，但更多的也许是我们的不自信，我们不好意思给自己的同胞制造的产品开出高价，所以最后导致一个劣币驱逐良币的过程。另外一个就是国内长期忽视人力成本，总觉得人是最不值钱的，好像出点人工没有什么大不了的，只有硬件东西才值钱，这也造成了一个不好的风气，所以导致国内的人工偏多的行业利润率都反而偏低。
最后，所有工业圈人的一个共识就是国内的商业环境实在是有点差，做一个自动化，做一个集成项目，可能表面上看毛利很高，但是回款就成了老板的心头大患。可是，要做好一条生产线谈何容易?又要懂技术还要压款，又需要资金，然后还要长期出差。我经常听到很多兄弟抱怨，去一个生产线一搞就是三个月以上，连家都回不了。
技术密集、资金密集、人才密集，但是偏偏还遇上了利润率如此之低，回款率如此之低。所以很多厂家最后被资金流，被回款所压死，资金运转的效率实在太低了。
综合来看，智能制造领域就是一个外热内冷的情况。不过好在工业圈的人都还是挺有志气的，我看到越来越多的人，越做越有自信，因为在和外资竞争的过程中，随着整个市场的发展，规模的扩大，大家也逐渐找到一些思路。从我个人来看，我觉得最大的一个行业机会或者趋势，应该这样看。首先是机器人的广泛应用，基于机器人智能制造技术，就把我们现在的很多生产设备标准化、柔性化了，现在很多非标行业逐渐变成了标准化行业，你一看这些基层用的多的冲压生产线、装配生产线、焊接生产线，基本上大同小异，可复制性非常之强。也就是说我们的部件越柔性，最后做成的生产线集成项目就越来越标准化，这样可以极大地降低成本。
另外一个，中国是一个地大物博的国家，可以坚定不移地走本地化和信息化的路，现在很多工厂都还是非常落后的一个状态，你能够给它把本地化和信息化做好，就已经可以带来非常大的价值了。我们在中国可以看到从第一世界国家到第三世界国家所有类型的产业状态，全世界最先进的iPhone生产线在中国，大量的手工作坊也存在于中国的各个角落。很多外企比如说ABB、GE、西门子这些厂家，他们只能去做一些熟悉的，大型的工程项目，稍微小一点的项目他们根本就做不了。一方面利润低，另一方面人手也不够或者讲这些特别牛的设备，可能很真不适合于中国的作坊。
我一直觉得越是粗糙的生产环境，对生产技术的要求就越高。在一个成熟的汽车生产线上增加一些新型的设备其实是非常容易的，因为有很多现成的基础，工装夹具、流水线设计都非常合理，但是你要在一个乡村企业里面，原来手工打造突然整一套自动化的设备，你要考虑的问题要多得多。所以熟悉中国制造业的现状，熟悉中国的来料情况，加工水平，懂具体的国情才有可能在智能制造领域做出自己的特色。
另外一个方面，我之前软件行业经验比较多一点，从我个人的体验来看，在全世界范围之内，只有中国和美国两个国家可以谈自己的软件技术和互联网的技术。其他的国家包括日本在内，简直就是不值一提。日本和欧洲的天才程序员实际太少了，软件技术也越来越趋于落后。你看现在世界上最大的互联网企业基本上都是在中国和美国，欧洲和日本基本上已经全军覆没了。未来我们把中国在软件行业，在互联网行业所积攒的这些经验和知识，把它转移到工业圈，比如说像阿里、华为他们已经开始在行动。未来我们将会在一个非常好的基础上去进行智能制造行业的开发、研究。
最后我觉得从人力成本来讲，中国应该相比这些欧美的国家还是有很大的优势，我们还是擅长于人海作战。综合来看，结合本地化的优势，结合我们软件互联网的优势，结合我们自己的人力成本的优势，我们和世界上任何一个工业巨头相比应该都有一战的本钱。随着我在这个圈里面经营的越久，我就越来越有信心。
从目前我们正在做的一些事情，比如说在工业机器人领域，我们结合了很多上下游的小伙伴，大家一起来推进核心技术的研发，不要每个人都想着全套，什么都做这是不可能的，每个人集中一点来突破，最后大家一起把所有的核心技术集成在一起。然后从工艺入手结合中国的现状，快速的实现一个核心部件的国产化、降低成本，只有成本降低，低到一个量级之后才有可能创造规模效应，才能够发挥中国的规模优势。
同时，组建各种联盟进行产业的标准化和产业协作，这也是我们跟这些国外巨头抗衡的一个最大本钱。中国最擅长的就是这种产业链的优势，比如说电子行业，中国电子行业其实也没有什么太大的巨头。但是你在深圳圈子里面，你可以找到各种电子产品生产圈套的工艺设备和人才，所有的供应链都非常齐备，在全世界范围之内你都找不到第二个这么好的地方。
很多人在工厂里面都见过工业机器人，工业机器人总体来讲分成两大部分：一个是机械部分，一个是控制部分。机械部分你们可以看到里面包含了机械本体、减速机、电机。然后控制主要就是伺服驱动器和运动控制器。工业机器人在整个智能制造系统里面的确处在一个非常核心的位置，传统制造业系统核心是PLC，但是现在PLC越来越多的被机器人控制系统所取代。工业机器人可以直接驱动各种传感部件，比如说摄像头，各种碰撞传感器，视觉、激光、焊接以及各种生产设备，包括机床都可以通过机器人直接控制，代替掉传统的PLC的作用。
另外机器人的控制系统还可以很方便的收集产线上的各种数据，我们自己认为工业机器人未来将是一个非常合理的边缘计算的节点。所谓边缘计算前面我也提到了，是华为还有其他一些国内知名厂家包括研究所一起来发起创办的。边缘计算它处在实时计算和云计算之间.云计算是没有实时性的，相应时间可以达到秒级甚至分钟级，都可以接受。但是在工厂里面的设备，很多生产设备都是需要微秒级甚至纳秒级的响应速度，这个是实时和云计算之间的巨大的鸿沟，但是控制器它的响应时间可以在毫秒或者是10个毫秒这个级别，可以很好的弥补这两张网络的缝隙。
工业机器人可以通过各种传感器收集数据，然后驱动生产流程，最后把所有收集的数据再反馈回MES系统，我这边多放几张PPT。下一张PPT就是我前面所说的，控制器处在执行系统、电机之间，在实时网络和非实时网络之间构建一个通道，它可以是业务的执行中心和数据的采集中心。
工业机器人的控制器如此之重要，他里面到底做了哪些事情呢?首先有一个高性能硬件的运算平台，传统的很多是通过一些PLC去做，但是现在的运算性能要求越来越高，所以大家逐渐切换到了基于X86甚至一些服务器去实现。然后在高性能的硬件平台之上是一些实时的操作系统，以前最多像库卡、ABB用的都是Vxworks的系统，现在实时的Linux也开始逐渐实用化，我看到有些产业已经在用。虽然实时性和Vxworks还有差距，但基本可以满足要求。
另外还有一些专用的实时系统，用得也比较多。在实时操作系统之上就是我们的运动控制平台了。运动控制平台国际上有些厂家，比如说德国的3S公司，他们的Codesys很多人都接触过，基本上我们知道的还有一些国外的厂家，比如说菲尼克斯平台做二次开发，国内的几个机器人厂家包括新时达还有启帆，他们也都是基于Codesys。
这个中间件平台基本上就提供了所有的运动控制、机器人控制的功能，然后仅仅有基本的运动控制还不够，还需要再结合具体的应用领域去实现各种的工艺算法，码垛、喷涂、折弯，每一个行业都有巨大的差异性。从控制功能本身来看，我们认为几大控制目标，机器人的控制就是机器人模型的一个控制，基本的运动控制属于各个轴的控制目标。另外还有逻辑控制，逻辑控制更多的是控制产线设备，它替代的是PLC的功能，另外安全控制也是现在的一个重点。
在去年的时候就有个新闻说是德国大众的一个机器人，突然叛变了打死一个工人。它实际上就是一个典型的生产事故，机器人的安全装置失效了，再加上这个工人违规操作，导致工人不小心被机器人碰到致死，这是一个完完全全安全生产的事故。但是机器人个头这么大，力量这么大，一个机器人可能几十千瓦的功率都有，就相当于几十个纯电流的功率输出了，做不好安全控制，这是很麻烦的一件事情。另外我们现在越来越多的希望让机器人跟人共存，这就是所谓的人机协作。所以安全控制很有可能未来大家所竞争的一个焦点，如何让机器人又快、又稳定、又安全的运行。比如说有些人实现了力矩控制，通过各种防碰撞器，去让机器人在遇到一些障碍，遇到人的时候能够自动停止。在机器人外面加上很多皮肤，即使碰到人也不会打得太疼。这个后面我还会捎带再讲一下。
机器人模型的控制主要就是各种机器人的运动学、动力学这些传统的算法，说算法很传统，但是实践起来好像也挺难的。我们看到国内很多人都尝试过去做，在Matlab做仿真效果非常好，各种机器人模型都能动起来，但是一遇到实际生产就不行，因为你在实际中会看到各种器件跟标称都有极大的差异。如果你不能解决掉这些实际和理论上误差补偿问题，基本上这个算法就是不可用的。
从机器人的结构来看，大家见得最多基本上就是六轴机器人，它的姿态变化非常多，可以实现绝大部分的运动功能。另外一个机器人，它是SCARA个典型四轴系统。这个系统比较简单，成本也非常低，在3C领域用途非常之广，现在在深圳很多小厂家都能够每个月出厂几十台SCARA机器人，这将是中国自出台机器人之后第二个金矿，SCARA机器人有可能会快速上量。而直角坐标机器人这就比较传统了，基本上没有太多技术的含量。另外一个是并联机器人，这个机器人运动速度超快，但是对整个的制造水平要求还是挺高的。偏偏它的市场又不是特别的大，主要用在一些食品、包装包括一些特种行业，像雷管、生产包括化学品的生产，在这些行业里面会使用到。
国内应该比较知名的就是有一个阿童木机器人，还有芜湖瑞思，这实际上都是天津大学的黄田老师和梅建平老师他们师徒两个开创的企业，基本上就是国内的独一份了。
上面这几张图有点偏技术性，我就简单跟大家解释一下，大家在玩机器人会讲正解、逆解什么的，其实就是机器人的实际位置和电机之间的转换，由电机位置推导出实际位置，或者由实际位置推导出电机位置，就是一个是正解，一个是逆解。这个正、逆解就涉及到机器人有的形态比较复杂，正、逆解做出来就很麻烦，圆弧差补，各种曲线差补、多项式差补都是跟这个正、逆解相关的。
在构建完机器人的模型之后，我们如何评价一个机器人好与不好，其实一个是机器人的外型尺寸，你看机器人他的作业范围、作业空间有多大，负载率有多大，自重是多少，下面就要考虑他的运行速度，它的定位精度。定位精度我们又考虑到它的重复定位精度和绝对定位精度，以及姿态重复精度。
绝对定位精度很容易理解，我让一个机器人走10毫米的距离，它是不是走出来真的是10毫米，这是一个绝对定位。听起来很简单，但实际上这是机器人最难实现的。这个工业机器人由于自身的刚性问题，以及安装基准的问题，所以很难实现非常高的绝对定位精度，这是机器人的软肋，也是机器人和机床系统的一个重要区别。但是机器人它可以实现非常高的重复定位精度，也就讲它无法辨识自己走的到底是不是10个毫米，但是如果明确的从A点到B点，连续走上一万次它是不会有什么偏差的，这个重复定位精度可以实现到0.001毫米这个级别。
机器人在高速运动的时候又会带来一个轨迹精确度的问题，比如说走一个直角，如果机器人要走一个直角的话，它会遇到一个速度零点，这个速度零点很多时候无法规避。我们就要做一个权衡，如果你是做切割之类的工艺，你要求绝对高的轨迹精度，就要牺牲速度，很多时候比如说做搬运，我要的就是一个速度，我并不追求这个轨迹的绝对精度，你只要能把东西从A点到B点拿过去，中间你走的是直线还是圆弧其实并不关心。
这个时候我们就可以做很多平滑算法让机器人如何高速运动。设想一下你自己开车的一个过程，遇到一个右转弯，你是沿着导流线走，到路口先停下来然后慢慢右转，还是绕一个大圆嗖一下转过去。我相信不同的人有不同的驾驶习惯，跟你当时的心情也有很大的关系，你是着急赶路呢，还是要遵守交规慢慢悠悠的往前走呢?机器人一样面临这样的选择，一个良好的机器人系统就是走得又快，然后走得又准，又快又准这就是我们对机器人的要求。
另外机器人还要考虑动力学的问题，动力学更多的是考虑装配，实际生产带来了各种摩擦力的因素以及通过动力学去做一些平衡，机器人加不加负载对整个模型刚性都会带来非常大的影响。影响最多的就是重载机器人，我们看到现在比如发那科的机器人最高负载可以达到2吨，它可以抓起一辆2吨重的小轿车，这时候你就必须要考虑2吨重的物体对整个机械臂带来的干扰。
解决掉这些基本的运动问题、精度问题之后，我们还要给机器人加上实用化的应用工艺，码垛的工艺、搬运的工艺、上下料、喷涂、打磨、焊接。如果细数起来的话，现在我知道的有十几、二十种工艺，里面还要夹杂着带不带视觉，带不带激光，带不带各种传感器，几乎每个领域都可以做出很多的文章，有一些厂家，我知道广东佛山有一家厂家他就专做喷釉系统，基本上已经做到国内的第一了，国内可以说找不到第二家能够和他抗衡的，就是因为他把多年的喷油的经验、知识，软件化固定下来。
我们从事工业机器人的研发也是一步一步来，首先解决有无的问题，然后解决精度的问题，最难实现也是最重要的就是一个应用的问题，你的机器人能够用在哪些领域?如何能够和智能制造系统相结合?
前面我基本上已经讲清楚了，工业机器人在控制技术方面的一些指标和行业特征，工业机器人未来的发展方向是什么呢?我们可以做个简单的回顾，过去20年工业机器人在结构方面和算法方面基本上没有太大的进步，只有算法越来越精准。20年前就有六轴机器人，今天还是六轴机器人。所以结构电器方面没有太大变化，所有的变化基本上都来自于控制技术，以及网络技术和智能技术。
后边我会再花几分钟时间来谈一下我对工业机器人未来的发展趋势。总体来看，机器人会越来越聪明，这个聪明体现是什么地方呢?首先是一个三维视觉感知的技术和引导技术。之前的时候，机器人使用基本上都是以示教编程为主，是由一个人手把手地去教，一个点一个点去试教。比如说在汽车厂一个实际生产程序，调试10天半个月，甚至一个月太正常不过了，你想教会机器人去干件事情非常非常困难，但是如果你给机器人加上眼睛那就不一样了，通过眼睛他可以实现自动化的编程。
我们在前几天的时候去发那科去参观，可以看到发那科演示的机器人几乎所有的机器人都有眼睛，都有视觉，是2D，3D，激光，基本上我们看不到没有眼睛的机器人了，这就是一个未来发展的趋势。视觉系统又是一个大的行业发展了，包括今天大家每天听到的这些人工智能，AI，他们当初也是为了解决视觉的某些问题而发展起来的。
现在，各种结构光3D的技术越来越多，可以从我这个PPT上能够看到，大家都在考虑一些智能的无序工件抓取的问题。谷歌,还有前几天我看到日本好像有一个团队也做了很多实验，他们能够通过大数据深度学习的算法，能够快速地在一些无序的零件里面不需要人提前去给他们一些经验性的指导，可以在很短的时间，假如说一天之内就可以学会各种抓取的技术，用多大的力，用什么样的夹具，夹什么样的角度。
如果真能实现这一点，工业机器人可以适用的场景会越来越多。我之前有一个客户，一直想让我怎么能够把五金件一些螺丝什么的从料筐里面抓起来。我们调查一圈之后发现哪怕是最简单的3D的视觉技术，也要二三十万一套，而且还不能够保证百分之百的成功率。抓取成功率的降低，就直接带来生产效率的损失，生产节拍就提不起来，你算下来花20几万还不如直接养一个工人更加合算。所以我们也是非常期待着各种动态的，非结构环境感知的技术和机器人自主作业技术的发展，能够给工业机器人带来一次发展的浪潮。
另外一个就是多机协作的技术，我们在国内应该讲是最早去做多机协作的，几年前的时候我们就做过一些实验，通过两个机器人，三个机器人一起合作，去地上抓个皮球，然后去做个游戏什么的。如果大家有谁去过一些工博会，或者机器人展，看过安川的展台，应该会记得，安川一直在秀自己的舞龙技术，就是通过八台机器来共同协作完成一个舞龙的表演。这个表演就是典型的多机协作的技术。
还有就是ABB，ABB在网上也有一个非常知名的视频，就是通过3台机器人然后协作在几个饮料罐里面穿梭。两三年前，ABB、安川都把多机协作当成一种黑科技在宣传，多机协作能够带来非常多的好处，比如说成本的降低，然后生产节拍的上升，还能够减少很多复杂的编程的环节，通过一台控制器快速地能够完成一条生产线的协作工程。
还有一个发展方向，就是我前面提到的，人机交互的问题。大家可以看到我后边最后的一张PPT，这里边有几个著名的机器人，一个是ABB的YUMI。我听了ABB的人讲这就是ABB的一帮老科学家，绞尽脑汁搞的一个大玩具。这个玩具到底用来干什么?现在也不清楚，但至少已经代表我们这个行业内的一个最高水平了。它的双臂每个机械臂都有13个自由度，这13个自由度就带来了任务规划的一个非常艰巨的一个问题。
任务规划就像解一个方程，如果只有一个解还好办，它如果有多个解，那就麻烦了，因为你要从多个解当中再选出一个最优解，而最优算法的评价标准是很难制定的。如果在考虑到人和机器人的共同交互，机器人有2个手臂在和人共同协作，然后还要再加上外界的环境感知功能，这个功能的复杂度实在是太大了，所以到目前为止还仅仅存在于人们的各种设想，也没有太多的试验线能够证明，倒是学术圈的文章发了不少。
我们觉得今天人机交互技术虽然还不算太实用，但是假以时日，未来5年，或者更长的一点时间之后，一定会每个人都有一个机器人的伴侣。顺便插一句，大家可能很多人接触过一些服务机器人的市场，服务机器人一直到现在也是雷声大雨点小，搞来搞去基本上也就是一个底盘加上一个iPad，重要原因就是因为它没有手臂，为啥没手臂?这个手臂太复杂了，这就是我说的人机交互技术。什么时候我们的服务机器人能够插上手臂，能够给你端一杯咖啡，这时候服务机器人就到了真正腾飞的时候了。
我希望未来，所有的工业圈，搞机器人的，工业机器人、服务机器人、智能制造这些兄弟们能够大家一起联手，结合起来，能够共同创造一个中国智能制造的美好前景。以上就是我今天所作的所有内容的报告，涉及的点比较多，也相对有点散，基本上就是我这几年做机器人所收获的一些小小的感触，也希望大家能够积极地提出各种宝贵意见，大家一起来找到解决方案，谢谢大家。
