2021-06-17 | 천안=박희윤 기자

自主学习的AI机器人可降低工序自动化成本

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

近来,韩国各地产业现场为提升制造竞争力和实现生产率革新,纷纷引入机器人推进“工序自动化”,与此同时,一项可大幅削减工序自动化成本的研究成果问世。

韩国生产技术研究院17日表示,智能制造革新研究部门李相亨博士研究团队开发出“基于人工智能的智能机械(机器人)解决方案”,作业人员只需示范一次,机器人便可自行学习作业方式,从而大幅节省工序自动化所需的成本与时间。

现有的工序自动化方式必须制造和安装现场定制化设备与机器人,且只能在作业环境完全受控的情况下执行事先输入的重复作业。

因此存在一旦作业环境改变,就必须通过数据编程重新训练机器人的缺点。在这种情况下,工人需要手工向机器人输入数万张照片数据并合成各种情形,耗费相当高的成本和时间。

研究团队运用模仿学习与强化学习,取消了编程环节,实现了可自行判断该学习什么并找出最佳作业方式的智能机械解决方案。

作业人员只需演示一次工作方式,机器人便会在虚拟世界中努力模仿,并在反复试错中收集作业数据。

随后以积累的数据为基础,在现实中实际作业,最终通过强化学习掌握适合具体情形的作业方式。

由于机器人能自行得出最佳作业方式,可避免人工逐一输入数据或额外安装不必要设备造成的浪费。由此,企业可大幅节省占工序自动化成本56%~73%的定制化(Customizing)费用。

更进一步,研究团队还运用所开发的解决方案,制造出多款可直接投入工序的智能机械。其中代表性的“Deep Packer”是一款可通过抖动、抓取等功能自由处理并包装随机堆放物体的智能机械。

更进一步的“Deep Sorter”则是能够实时检测并分类形状不规则的不良品的机械,可便捷地安装在现有产线上,并可根据需要移动作业。

所开发的机械无需附加设备,可处理任何物体,最重要的是仅需一天即可在现场完成安装。

若将这些机械应用于工序,预计可比投入现有作业的工人总人工成本节省约30%~40%。

李相亨博士表示:“所开发的机器人可扩展至便于作业人员示范的制造业、流通业等多种产业领域和作业环节”,“最终目标是以机顶盒形态提供,只要安装到现有设备上就能像成品一样使用”。

李博士计划通过其兼职创业的公司“TOT”于2022年1月正式推出Deep Packer与Deep Sorter,这两款机械目前已在韩国一家纸制品制造企业Y公司完成现场验证。

/天安=朴熙润 记者 hypark@sedaily.com

阅读韩文原文