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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。