走在前沿：第二部分
四大主要挑战
解决传感驱动协作中的四大关键挑战
传感驱动的协作带来的潜在收益巨大 ——从疫情期间保护一线人员，到提升盈利能力与生产效率，再到通过创新突破拓展新的收入来源。 但由众多参与者和大量数据构成的自动化体系也伴随挑战。 好消息是，使自动化得以实现的核心技术同样可以解决这四个主要挑战。
1. 与人类的近距离共处
让易受伤害的人类在强大的机器旁工作，本质上具有风险。传统做法是尽量避免人类靠近运行中的机器人，例如使用屏障、护栏，甚至将机器人放置在完全独立的房间或厂房中。 然而在协作机器人（cobots）时代，人与机器人将越来越频繁地在同一空间共事，这种隔离方式已不再可行。
好消息是，边缘技术可以帮助保护人类。 全球机器人认证机构 T?V Rheinland 的商用产品总监 Ryan Braman 表示： “新型感知技术，例如激光扫描仪、雷达以及其他电敏防护设备，使机器人能够感知安全相关物体（如人类或楼梯）的位置，并调整路径或停止动作，直到障碍被移除，从而让机器人可以安全地与人类共事。随着技术进步，机器人能够承担的任务范围也将大幅提升。”9
在系统被认定为安全之前，严格测试是必要的。 Braman 说明： “厂家会告诉你他们开箱即用的系统是安全的，但实际上，他们提供的只是打造安全工作单元的基础条件。你必须结合实际应用场景进行互动，并对系统进行严格测试。”
现实情况要求安全性必须从设计与开发起始阶段就被纳入考虑。 ABB Robotics 的 YuMi 机器人是一款基础但高度可编程的服务机器人。 ABB 全球公共事务经理 Nick O’Donnell 表示： “YuMi 被设计为能够在紧邻人类员工的空间中安全工作，即使发生意外接触也能保证安全。它配备了物理与软件层面的安全功能，包括轻量柔性机械臂、运动控制软件、限速硬件，以及在两只七轴机械臂中消除了夹伤点。”
2. 数据负载过重
更高程度的机器感知能力使工业环境产生海量传感器数据，而传统的计算与分析方式可能难以跟上处理需求，从而削弱机器人密集型环境所带来的优势。
解决方案在于边缘计算。 “将所有数据推送到云端处理不仅不现实，也没有必要。”风河产品管理高级总监 Michel Chabroux 表示，“ 在机器人边缘侧，我们提高了生产效率，因为凭借 AI 与大量数据，机器人能够比人类更快做出决策——从统计角度来看，机器人往往能做出最优决策。”
基于边缘侧采集与处理的数据，机器人能够检测故障迹象，或至少发现无法满足质量标准的情况。 当某台机器人有风险时，它会通过与其他机器人通信请求停机，而其他机器人会自动调整流程以填补缺口。 生产线速度会下降但不会停摆。 技术人员介入调整或修复后，系统即可恢复全速运行。 实现这些能力及相关功能的唯一途径，就是在边缘侧完成。
3. 信息安全
随着机器人变得更具移动性、更具协作性、更依赖边缘执行，并与内部和外部的传感器及 IoT 设备相连，这一数据丰富的生态也暴露出更多可能的攻击入口。 企业可能因此受到恶意软件、勒索攻击、生产延误与业务中断的威胁。 此外，攻击具备强大能力的机器人系统，也可能引发实际的人员安全风险。
解决方案？采取全面、统一、端到端的安全策略。首先从设备制造商开始。T?V Rheinland 的 CTO Nigel Stanley 表示：“在设计产品时，开发者必须确保在设计流程中贯彻安全措施，并尽可能编写安全的固件。” 10 系统集成商需要了解所部署的设备以及整体环境，识别潜在的攻击入口并加强薄弱环节。 最后，运营方的 IT 团队必须积极参与，监控威胁并及时更新安全措施。
风河首席安全架构师 Arlen Baker 指出，即使设备停用后仍可能出现安全风险： “必须建立退役流程，确保设备上的敏感软件或数据经过加密级别的彻底清除，这样设备上就不会残留可被逆向的内容。”
4. 成本因素
随着先进技术与新商业模式推动规模效应，机器人成本正不再是主要问题。 麦肯锡的数据表明，16% 的工业机器人潜在采用者将成本视为首要挑战，53% 将其列入前五大关注点。 11但随着机器人即服务（RaaS）的兴起，越来越多厂商转变为服务提供商，让客户可以根据需求灵活调整机器人数量。
计算、数据通信与存储技术的进步持续以更低成本提供更强能力。 “AI 和机器学习算法变得更高效，使机器人更易编程、应用场景更多，并且运行能耗更低。” 风河的 Richardson 指出，“ 尽管有人认为在晶体管数量方面摩尔定律已不再适用，但在计算成本方面依然有效，因为随着处理价格下降，可实现的能力反而越来越多。”
风河产品管理高级总监