边缘计算智能协作机器人
利用人工智能加速工业机器人技术创新已经写入国家2017年政府工作报告。工业机器人在全国正在进行大规模的推广，传统机器人以基础运动为核心，常作为独立的生产单元而存在，缺少与其他作业设备的交互。工业领域对机器人的需求越来越高，在用机器换人的时代，往往需要机器人能够具备拟人的执行性，并且能够和其他智能单元建立一套完善的解决方案。但目前工业机器人不能满足对智能化、协作性和开放性的需求。在工业4.0的大背景下，智能制造要求所有生产单元具备支持设备自组网，生产作业具备智能控制等，推进传统机器人的智能化改造，从控制系统设计到任务处理能力上都存在瓶颈性限制。传统机器人主要体现运动控制，缺少对与人协作和工作环境等交互性的考虑，缺少对力控制和自主决策控制等高级控制的研究，缺少对复杂工艺和特殊轨迹等行业的深入。实践证明，传统的工业机器人已经很难满足新市场中对智能化和多感知融合等需求，必须依托互联网技术、深度学习和机器人操作系统平台等进一步构建下一代工业机器人。
以各类人工智能算法和智能处理芯片为核心，整合机器人与人工智能是实现下一代工业机器人智能性、协作性和开放性的根本保障。通过边缘计算的模式提升机器人作为终端执行设备的自主决策能力，是实现复杂工艺和协同控制的必要基础。因此需要进一步整合产业的创新资源，推动建立机器人创新中心，提升产业创新能力。突破产业发展的瓶颈，重点支持机器人产业关键零部件质量及可靠性能的提升，进一步夯实产业发展基础。
目前，传统工业机器人还存在诸多问题，体现在：
工业机器人研发和使用的门槛高，造成大多数人不能清楚的认知和便捷的使用工业机器人。
工业机器人共性基础未整合，造成缺少行业统一的标准和共性基础平台。
工业机器人接口少，造成与周围感知设备进行有效通信；
工业机器人控制器繁杂，造成缺少通用机器人控制硬件平台；
工业机器人智能性差，造成传统工业机器人只能作为开放空间的作业工具，不具备自主决策能力；
工业机器人网络能力薄弱，造成工业机器人不能利用网络进行分布式控制；
工业机器人缺少协作安全，造成在机器人作业期间必须隔离安全区域，无法协同作业；
针对传统工业机器人中存在的以上诸多问题，依据我国对工业机器人和人工智能的战略部署，进一步提升产业技术水平，拓展服务领域和国际合作，为下一代工业机器人提升最核心的人工智能认知能力和便捷灵巧作业能力提供实验验证环境，可支持的实验包括：
工业机器便捷人机交互技术实验、工业机器人标准信息模型验证实验、工业机器人云端算法动态部署实验、工业机器人集群控制技术实验、工业机器人深度学习技术实验、工业机器人力控作业实验、工业机器人视觉感知实验、工业机器人自主决策实验等。
应用于“中国2025”背景下，智能制造领域的各类数字车间和智能化生产线。应用领域方面，汽车制造业是工业机器人占比最高的应用领域，涵盖了汽车及汽车零部件生产、加工及仓储的全过程；电子行业由于制造柔性化和生产高速性的要求，工业机器人的使用也必不可少；金属和机械加工行业引入工业机器人，有利于产品的批量化生产，实现生产自动化，降低人力成本，提高生产效率和管理水平。
在机器人领域，通过边缘计算平台将自动化控制与信息通信技术和人工智能技术相互结合，形成智能化应用场景，包括拾取、加工、装配及物流仓储管理等。
Ø 场景要素：
空间地点：库房物料区、分拣区
平台：货架、置物台
目标物体：纸箱、袋装物等
Ø 任务描述：通过场景要素的组合形成应用
例如：“帮我去库房拿纸箱A100”等
（1）初级难度：机器人已知全部信息，包括物体位置信息，抓取方式等
Ø 语义识别：机器人能够理解任务信息，并触发相应运动事件。
Ø 视觉导航：可以通过模式识别，实现预定路线行进过程中的避障。
Ø 目标识别：可以根据预存的模板，识别目标物体。
Ø 机器人控制：根据示教好的抓取路径，结合视觉系统实现目标抓取。
Ø 机器人群控：进行多机器人编队和路径规划，确保整个编队的正常有序运行。
（2）中级难度：机器人已知部分信息，包括目标物体特征
Ø 路径规划：根据已知信息，规划一条执行路径。
Ø 目标特征提取：根据提示信息，自动增加目标模板。
Ø 机器人规划：根据与目标物体的实际位置，规划处合理的抓取路径。
Ø 任务管理：根据当前任务量进行多机器人的任务分配，实现系统能耗优化。
（3）高级难度：机器人处于未知环境，通过语义理解、网络检索和与人交互，完成信息闭环。
Ø 语义交互：对于未知信息，机器人通过人机交互，进行信息补充。例如，目标物体位置在哪？什么目标物体形状特征？等
Ø 未知环境建图：构建位置环境的地图信息。
Ø 网络检索：根据解析信息，上网检索得到一定的信息补充。
系统实验平台，可以通过对工业机器人力、视觉等感知能力，配合人工智能算法最终成为工业领域的核心设备，集群控制和云端接入等技术也使得工业机器人不再作为独立的作业单元，而是可以与其他生产要素集成在一起，形成统一的集成管理平台，提升作业效率，方便实现生产作业任务的动态调整和跟踪。
实验平台通过对工业机器人与人工智能技术结合，工业机器人将实现行业标准信息模型，构建机器人研发软件和硬件统一框架，实现工厂机器人作业助手工具、和具备依靠知识图谱进行作业任务推理能力和具备深度学习能力的下一代工业机器人。形成以下效果：
实验工业机器人便捷人机交互技术：基于人工智能在语音识别、自然语言理解、人脸识别、动作识别等方面的进展，实现工业机器人与人间通过自然语言、动作等模式的便捷人机交互。
实验工业机器人标准信息模型技术：对机器人本体、控制器和示教器进行标准信息模型建立，规范核心设备间通信接口和基础参数。设备间能够按照标准信息模型进行互联互通和互操作。
实验工业机器人云端接入技术：利用高速5G网络，实现工业机器人与云端的互联，利用大数据的支撑实现机器人在作业任务中的智能化，同时将机器人联网也有助于工业机器人的维护与跟踪。
实验工业机器人集群控制技术：利用分布式控制网络，在同一的机器人控制平台下，实现对机器人的群控作业，解决机器人单一控制处理协作任务时产生的不同步问题，同时利用机器人群控技术能够实现应用场景的快速构建和复现。
实验工业机器人深度学习技术：通过机器人与人工智能技术的结合，利用高性能机器人控制器进行深度学习，在特殊任务下实现优化控制。
实验工业机器人力控作业技术：为传统工业机器人添加力传感器，为机器人实现拟人的力控模式，实现牵引示教、助力控制、力控打磨等模式。同时力感知在人机协作中也是核心技术。
实验工业机器人视觉感知技术：为传统工业机器人添加视觉传感器，为机器人添加视觉能力，实现智能识别抓取、快速分拣、移动作业能力，能够增加传统工业机器人的智能性，适用于快速分拣、视觉引导、移动作业等功能。
实验工业机器人自主决策技术：将工业机器人作为边缘计算的载体，利用对机器人控制任务的智能解析，实现基于语义的智能控制，形成拟人化能力。同时自主决策能力配合机器人的深度学习，能够进一步扩展机器人的应用领域。
形成系统实验平台：可以通过对工业机器人力、视觉等感知能力，配合人工智能算法最终成为工业领域的核心设备，集群控制和云端接入等技术也使得工业机器人不再作为独立的作业单元，而是可以与其他生产要素集成在一起，形成统一的集成管理平台，提升作业效率，方便实现生产作业任务的动态调整和跟踪。
系统实验平台，可以通过对工业机器人力、视觉等感知能力，配合人工智能算法最终成为工业领域的核心设备，集群控制和云端接入等技术也使得工业机器人不再作为独立的作业单元，而是可以与其他生产要素集成在一起，形成统一的集成管理平台，提升作业效率，方便实现生产作业任务的动态调整和跟踪。