近期,工业和信息化部、教育部等十七部门印发《“机器人+”应用行动实施方案》,提出应深化重点领域“机器人+”应用,助力智能建造。其中,针对能源领域,方案特别提及应“研制基础设施建设、巡检、操作、维护、应急处置等机器人产品,推动企业突破复杂环境下的运动、感知、作业等关键技术”。
目前,我国基础设施建设进入全面快速发展阶段,与此同时,大量基础设施老化严重及管理技术落后等问题也得到了更多重视。基础设施的检测与维护不仅需要大量的资源,其中更有不少基建检测任务需要在高危环境中执行,例如,一直以来人类都需要通过搭乘直升机,才能对处于高空的高压电源线进行检修。因此,以智能机器人代替传统人力进行基建检测正成为基础设施运维的一大发展趋势。
对此,IEEE会士、香港中文大学信息工程系教授邢国良、IEEE 高级会员Eleanor Watson 、Paulo Drews Jr.以及IEEE会员Jayakrishnan Thrivikaman Nair分别分享了他们的相关专业见解。
检测机器人发展现状:尚处于起步阶段
虽然机器人技术在检测领域中有着广阔的应用前景,但在现阶段其实际应用场景仍非常有限。IEEE会员Jayakrishnan Thrivikaman Nair认为,在工厂及医院等工作任务较为明确或流程化的作业环境中,机器人的应用已经相对成熟。“然而,在一些对机器人有特定功能设计要求的极端复杂环境中,机器人的研究及实际应用仍任重道远。”
对此,IEEE会士、香港中文大学信息工程系教授邢国良解释道:“由于不同行业及不同检测任务的多样性与复杂性,检测型机器人还未存在通用的固定形态。然而,随着依赖运动控制、定位、传感器和致动器等关键技术的发展,我们很快就会看到高度可定制的、模块化的检测机器人方案。”
机器人检修:更全面、更精准、更高效
传统的基础设施检测任务高度依赖人工作业,存在作业量大、难度大、风险性高等问题,有时为确保安全作业人们还需要中止基础设施的正常运行。IEEE高级会员Eleanor Watson相信,在传感器与机器学习等创新新技术的支持下,更加智能的机器人应用将能帮助人类克服基建故障检修难题,化被动为主动。
“这些技术的创新发展将能很大程度提高机器人作业的自主性及检测工作的整体安全性,尤其在一些较为紧急的检测任务中,机器人能帮助我们在更短的时间内检测到更广泛的区域“她补充道,“例如,传感器融合技术能够将不同波长的电磁波拼接在一起,提供由不同信号检测出的更全面的信息;此外,无线电波的反向散射使得机器人在受遮挡的情况下仍可以检测到物体及其运动。” IEEE专家邢国良也对此表示认同:“在某些高度专业化的、较依赖于设备的行业,如金属疲劳检测,机器人能够做到更准确、更全面。”
未来发展:人机协同作业提升检测效能
那么,高速发展的检测机器人是否有可能完全取代人类呢?IEEE专家Eleanor Watson分析道:“人类在面对不同任务时的熟练度、灵活性,以及多任务的组织管理方面具有巨大的优势;而机器人则非常适合在非紧急情况下的较危险的环境中,执行较为常规且耗时的工作任务。”
因此,IEEE 高级会员Paulo Drews Jr.相信,更高效的检测任务应当由人机协同合作完成:通过机器人获取更全面的数据,再由人类对具体数据进行结果分析。
目前,人机协同作业模式也正在实际的检测工作中被不断地实践及应用,同时我们也可以期待,以惊人的速度不断革新的机器人技术将能在未来被更广泛地应用于基础设施的检测、维护、甚至建设工作中,成为我们城市更可持续发展建设中的可靠的技术力量。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。