Research

AI結合機器人應用趨勢及案例分析

2023/04/18-AI/智慧製造-白心瀞

前言：
DIGITIMES Research觀察，AI將加速人類與機器人互動模式及物件夾取的發展，如微軟(Microsoft)與Alphabet以大型語言模型(Large Language Model；LLM)開發機器人對話介面。搭配機器視覺的工業機器人，藉由深度學習與深度強化學習(deep reinforcement learning)技術學習自動夾取物件，亞馬遜(Amazon)已應用於倉儲管理。DIGITIMES Research預估，機器人導入大型語言模型將成趨勢，AI應用於機器視覺，能讓機器人夾取大小不規則物件。

機器人操作模式以離線模擬、示教器(Teach Pendant)、手動引導為主，機器人的自然語言互動模式仍限於特定任務執行，功能有限。大型語言模型經過微調(fine-tune)即能泛用於多樣性任務，將催化自然語言互動模式的發展。

微軟投資OpenAI開發GPT-3 (Generative Pre-trained Transformer -3)模型及ChatGPT聊天機器人，而英國科技公司Engineered Arts開發的人型機器人Ameca導入GPT-3能與人對話溝通。微軟開發的ChatGPT機器人對話介面能接收自然語言指令，協助規劃產出JSON (JavaScript Object Notation)格式的動作。

Alphabet根據PaLM (Pathways Language Model)模型開發的PaLM-SayCan能接受語意不明確的自然語言指令，推論出具備可行性的動作步驟；PaLM-E則是PaLM語言模型結合視覺模型，能透過影像資料了解環境，進而為自然語言指令推論出動作規畫。

視覺引導機器人(vision-guided robot)執行夾取的步驟包含物件的辨識、判斷及行動，影像分析方法方面，針對運動軌跡固定的工作與需規劃抓取動作的工作，機器學習皆有大量應用。針對抓取工作，有模型基底(model-based)的深度學習已預先輸入抓點，能為已知物件規劃抓取方法，無模型(model-free)的深度學習則能對未知物件自行判斷抓點。

亞馬遜電子商務帶動的物流業務規模龐大且持續擴展，因而大力推動自動化及智慧化，針對堆裝及撿貨，亞馬遜外購大型工業機器人，再結合自家的視覺系統辨識物件，以吸嘴執行單一路徑的夾取工作，未來將推出辨識物件擺放狀態、估測物件最佳夾取點的夾取方式；針對搬運工作，亞馬遜採用AGV (Automated Guided Vehicle)及AMR (Autonomous Mobile Robot)等移動機器人，並計劃推出具備語意分析(semantic analysis)功能的AMR。

大綱：

1.AI在工業機器人夾取任務的應用

2.AI在機器人互動模式的發展觀察

3.AI在亞馬遜倉儲機器人的案例觀察

圖表目錄：

工業機器人三種互動模式比較
機器人自然感官的互動模式開發方向
專用型AI與通用型AI對比
加裝對話功能　Ameca機器人更為仿真
ChatGPT機器人介面執行步驟
PaLM-SayCan機器人對話介面執行步驟

PaLM-E能結合影像資料執行語音指令
視覺引導機器人抓取工作執行流程
針對兩種不同工作的視覺引導機器人影像分析方法
亞馬遜堆裝及撿貨機器人系統比較
亞馬遜開發功能各異的AGV及AMR

關切產業族群：

製造業
電子製造
電子商務
醫療保健

適合對象：

初階到高階的執行者和決策者。

AI結合機器人應用趨勢及案例分析

訂閱資訊