[图片]https://jdc100.huawei.com/CommunityGatewayService/com.huawei.ipd.sppm.jdcforum:JDCCommunityUserService/CommunityUserService/jdc/api/attachment/downLoadByAid?path=202511/17/1854307459615a-88ee-48b9-b311-7309d9cefe20.png&aid=1165177&bussinessType=2&tid=1158939[图片] Q：您所在行业在具身智能机器人使用中有哪些痛点？（用您所在的实际行业应用场景说明）1、痛点主要最头疼的是不同厂商设备之间协议问题，对于上次某个项目中，甲方买的A品牌机械臂用EtherCAT通信，配的B品牌视觉相机走的GigE Vision协议，可末端抓手又是C厂商的CANopen接口，光是做数据互通就得开发十几种适配器。之前试过用ROS 2做中间件，但机械臂控制要求50μs级实时响应，ROS的话题机制在多核CPU上偶尔会出现100μs的抖动，只能我们自己写底层驱动去硬同步，光这一块就多耗了3个月工期。在给3C电子厂做柔性产线软件时，算力适配性也是不确定，客户有时选NVIDIA Jetson Orin，有时又想用国产RK3588，同样的目标检测模型，在Orin上用TensorRT加速能跑到30FPS，到RK3588的NPU上就只能跑到15FPS，要不同芯片写两套优化逻辑。比较麻烦是有些产线混用新旧设备，老PLC用的还是2010年的固件，新机器人的AI算法得迁就老系统的通信速率，经常出现算力过剩但接口瓶颈的情况。2、痛点主要有1、安全性问题：电力智能巡检机器人通常在高压、高电流、高磁场等复杂环境中工作，容易受到环境干扰，并且其操作需要高精度的控制和操作。如果存在安全隐患，容易导致安全事故的发生。例如，机器人可能会因误触而导致电击风险，在易燃易爆环境下，可能因静电或电火花而引起爆炸。2、能耗高：电力智能巡检机器人需要长时间、持续地工作，其能源消耗量较大。为了降低运营成本，提高能源利用效率，需要采取有效的节能措施，减少能源浪费。如传统机器人可能需要频繁充电或更换电池，影响工作效率。3、目前具身机器人的智能化水平不足：传统的电力智能巡检机器人智能化程度较低，主要依靠人工操作和管理，难以实现高效的自主巡检和数据分析，影响工作效率。例如，在复杂环境中，机器人可能无法准确识别设备故障或异常情况。- 维护保养困难：电力智能巡检机器人的维护保养需要专业技术人员，而且需要进行定期的检查和维修。由于其工作环境复杂，容易受到损伤和故障，导致维护保养成本较高。像机器人的一些零部件在恶劣环境下容易磨损，需要及时更换。3、1、复杂环境适应性差。我司物流仓库环境复杂，货物摆放位置不固定，机器人需要在狭窄的通道和堆满货物的环境中自主导航和避障。然而，现有的具身智能机器人在复杂环境下的导航和避障能力仍有待提高，尤其是在动态环境中，如其他机器人或人员同时移动时，机器人的避障决策不够准确。2、货物识别和处理能力有限。物流机器人需要识别和处理各种形状、大小和重量的货物。但目前的机器人在货物的识别准确性和处理能力上还存在不足。例如，对于一些不规则形状的货物，机器人的抓取位置和力度难以准确判断，容易导致货物损坏或掉落。3、情感理解和社交能力不足。服务机器人需要与人类进行自然的交流和互动，但目前的机器人在情感理解和社交能力上还有很大差距。例如，餐饮服务机器人在与顾客交流时，可能无法准确理解顾客的情绪和需求，导致服务体验不佳。4、复杂任务处理能力有限。服务场景中，机器人可能需要处理复杂的任务，如多任务规划和协调。但目前的机器人在处理复杂任务时的能力有限，难以像人类一样灵活地应对各种突发情况。5、自然环境适应性差。农业机器人需要在户外复杂多变的自然环境中工作，如面对不同的土壤类型、天气条件和植物生长阶段。然而，现有的具身智能机器人在这样的环境中表现出的适应性不足，可能受到恶劣天气、复杂地形等因素的严重影响。6、精准作业能力不足。农业生产中，如精准施肥、病虫害识别和果实采摘等任务，要求机器人具备高精度的作业能力。目前的机器人在识别和操作农业植物的精度上还存在不足，难以满足农业生产的精准化需求。7、复杂场景识别能力弱。安防巡检机器人需要在各种复杂的场景中执行任务，如室内外不同光照条件、遮挡物和干扰源等。然而，当前的机器人在复杂场景下的目标识别能力还有待提高，可能无法准确地识别出异常情况或危险信号。8、连续工作能力和续航时间不足。安防工作需要机器人长时间不间断地巡逻和监控。但目前的具身智能机器人的连续工作能力和续航时间有限，电池消耗快，需要频繁充电，这导致了巡检工作的连续性受到影响。 Q、对于具身智能机器人，在您所在的行业应用中有哪些期望？（请结合您所在的行业应用具体场景说明）1、作为系统集成商和独立软件开发商，说实话对具身智能机器人的期望挺务实但又带点任性。在汽车产线集成时，特别希望机器人厂商能够统一协议。现在最烦的就是A家机械臂用自家加密的通信协议，B家传感器非得配专用SDK，每次集成像拼乐高却发现接口全是非标件。真希望能有像通用语言转换器级的底层架构，出厂就标配TSN时间敏感网络，不管什么品牌的传感器、执行器，插上网线就能自动识别身份，数据格式还能按行业标准自动转换，别让我们再为了打通数据链写几十版驱动，甚至得反向破解厂商协议。话又说回做3C柔性产线软件时，现在同一个视觉算法，在Jetson上跑是流畅，到国产芯片上就卡壳，不是因为算力不够，而是厂商给的加速库各玩各的，NPU的算子支持不全，GPU的内存调度逻辑不一样，甚至同个品牌不同型号芯片的优化工具链都得重新学。还有仿真，现在的仿真平台把环境理想化到离谱，测机械臂抓取，仿真里零件永远一尘不染、定位孔分毫不差，但是现实中零件表面有油污、定位销有磨损，仿真时不把这些瑕疵考虑进去，到现场就得花几倍时间调补偿算法。最后，特别贪心的一点，希望机器人厂商别把底层控制逻辑写死。现在很多机器人给的API都是黑盒，比方说只能发目标位置，却调不了关节扭矩控制参数，碰到高精度装配场景，想自己写力控算法却没权限访问底层驱动。希望能允许我们在安全范围内自定义控制周期、修改运动学模型，甚至替换部分底层算法，那我们做行业定制时就能玩出更多花样，而不是被厂商的标准功能框死，应该更加的灵活。2、期待如下：1、具备强大的算力支持，让它更聪明（这里个人认为，终端本身要有很强的算力，并且采用本地+云端算力组合，让机器人具有无限算力延展性，因为终端是不适合芯片硬件更替的，那么只能往云端要算力）；--只有这样，才能实现从只是巡查到自主决策的跨越式转变。2、具备很强环境适应能力。一是例如能过防鼠板，也能跨过水沟等，具有很强的环境适应能力，才能真正像人那样，全域服务，而不是挑活干。二是能多任务融合、人机协同，真正的成为一名类人设备；三是能做更精细的工作，例如做插拔尾纤、做水晶头等一线维护人员常备的运维能力，3、成本大幅降低。目前运营商的网运成本年年9折，成本压力巨大，而当下机器人的成本过高，成效又不足，对客户吸引力和价值其实是不足的（目前之所以买或者研究部署，主要是基于内部创新课题所需，并未真正大面积商业采购）4、续航时间更长。目前机器人的续航偏低，充电时间偏长，希望未来电池能量密度能跨越式进阶，充电功率也能向新能源和手机那样，超充，缩短充电时长，延长工作时长。5、具备智能体的ai能力，而不是仅是识别与发现。也就是具备全场景自主作业、自主智能决策，例如在数据中心维护场景，机器人在发现隐患的时候第一时间完成隐患处置，从而真正的能减少运维人员的投入，降低成本，实现商业价值显现，又例如具备和人协调互动能力，后台值班需要前端复位设备板卡，能进行精准操作--这个在传输和无线两大专业，复位是较高频的故障场景。而在营业厅场景，智能机器人能主动向客户推销产品，并且可以自主完成产品开户交付，而不是现在被动等人问、点。而且，能通过对客户年龄等大数据分析，实现差异化产品的精准推荐。6、具有可靠的安全保障机制：例如设置有红线行为（如不攻击、不侮辱客户），数据加密举措，确保数据不会外泄。7、具备自主预测性运维，能及时预测性发现自己的潜在隐患，例如电池衰减、电机故障，从而提高机器人的可用时长。--个人认为预测性运维是未来所有智能终端的标配。简而言之，核心就是期待机器人具备能人99%的工作能力，并且还具有自身不怕危险，感知能力强等优点。3、我认为未来2年在工业智能化转型方向应遵循“流水线工厂升级到黑灯工厂，黑灯工厂演变为智慧工厂”的时间线，而在黑灯工厂到智慧工厂进阶这两年的技术方向是“AI质检”和“AI机器人”在工业场景的规模化效应。同时人工智能在工业智能化转型不能成为制约“就业率”的稳定性因素，例如茅台集团明确规定不得规模化、大量化使用人工智能&智能机器人进行造成原有茅台集团的大量原始人力劳动失业，进而影响贵州当地省市政府的社会稳定性。因此在我服务的某亚迪企业股份有限公司未来2年的工业智能化转型方向应该使用AI智能化技术取代对人力劳动有身心健康伤害的工业环节，而不是用AI机器人进而取代汽车制造和3C电子制造的所谓重复劳动工种。以下两个方向是我比较认可的AI智能化机器人在工业场景的政策推广：【1】、未来2年利用工业智能化“AI工业质检”场景：（可解决以下传统人工质检的问题）【1.1】、质检员工离职率偏高问题：对于我服务的某亚迪股份有限公司电子事业部代工苹果、华为和荣耀等手机，特别是对于末端质检员工肉眼判断的缝隙、主板焊点等都是过分依赖“经验值”，并且重复性工作极大消耗殆尽电子代工厂质检员的精神损耗，导致心理的抗拒而高离职率；【1.2】、替代高温/危险工况人力质检问题：例如我服务的某亚迪股份有限公司汽车制造四大工艺中的焊装工艺进行车身焊接后，需要对焊接路径轨迹和焊点虚焊进行敲打人力质检，而焊装工艺厂又属于火光四射的高危、高温工况场景，AI缺陷检测相关的技术可以很好的替代高温/危险工况人力质检投入问题；【1.3】、解决高光/刺激性有害场景质检，减少劳务工伤司法诉讼问题：对于我服务的某亚迪股份有限公司汽车制造四大工艺中的涂装工艺，浸没式汽车底漆和喷涂式表漆工艺等都是带有化学气体，同理四大工艺中的总装工艺汽车大灯安装质检工艺，需要人眼判断大灯远近光灯良品率等。此类场景质检都容易对人体视觉和嗅觉产生危害生命健康隐患，AI技术质检可以最大程度避免不必要的劳务纠纷；【1.4】、人工质检质量纰漏问题：对于我服务的某亚迪股份有限公司电子事业部代工苹果、华为和荣耀等手机，特别是对于销售后返厂维修的手机部分故障因为电容和元器件颗粒松动导致的，而此类故障都是由于生产过程中人为质检无法保证100%缺陷故障检出率导致，由于人工质检缺乏AI质检的高准确率和技术理论支撑导致。【2】、未来2年利用工业智能化“AI智能机器人”场景：（可解决以下传统人力制造的问题）【2.1】、装配场景：具体包括小型精密零部件以及较重的大型零部件的组装等各种场景；【2.2】、搬运场景：小型零部件的高速搬运、人力无法挪动的重物搬运等，是众多领域中最多用到工业机器人的一种作业；【2.3】、上下料场景：向NC机床等供给零部件，加工结束后再取出的作业，是机械产业不可或缺的一道工序。此外，向锻造机械和冲压机加入或者从其中取出加工材料也属于上下料的场景；【2.4】、码垛场景：机器人将产品堆放到货物托盘上的场景，是制造业的发货和物流行业中较为常见的作业场景；【2.5】分拣场景：机器人主要进行抓取和放置动作，从传送带上高速抓取工件并进行分类的作业场景；【2.6】喷涂场景：在产品表面涂敷涂料形成涂膜的后期作业场景，因为大部分情况下，涂料材料的挥发性较高，因此需要用到防爆型机器人和涂装设备参与工业；【2.7】涂胶场景：涂敷密封材料和粘合剂，从而提升材料之间的密封性、填补缝隙的作业场景，乘用车以及家电等众多产品都需要进行该密封作业；【2.8】抛光、去毛刺场景：去除铸件产品和锻制产品的表面以及焊接后表面突出毛刺的作业场景，由于需要削去毛刺，是一种典型的“脏活、累活、危险活”作业场景，因此正适合机器人大展身手；【2.9】焊接场景：使用机器人和电弧焊接机，在熔化材料的同时进行结合，在机械、金属产业、汽车产业中是一种较为常见的作业场景；【2.10】洁净场景：该作业场景主要使用洁净机器人，要求实现高精度、高速度、平滑的动作，例如“晶圆搬运”是在半导体制造装置的前工序中搬运晶圆的作业。