本文來自AI新媒體量子位（QbitAI）
自動化機器人正逐漸取代人類的工作崗位，而日本工業界也在嘗試用自動化技術做出創新。
利用自動化技術生産午餐便當現階段仍然困難。目前，日本市場上銷售的午餐便當需要勞工夜間生産，并于每天上午上架便利店。日本第二大工廠機器人廠商安川電機的運動控制負責人Akira Kumagae表示：“安川電機目前正在研究便利店午餐。我們認為，這或許是下個商業機會。”
豆腐和蔬菜等食材很軟，形狀不規則。Kumagae表示：“這些東西不一定很小，但很難抓住。例如，用筷子夾起一粒豆子并放進去，即使普通人做起來也不容易。目前，還有很多事情機器人無法做到。”
△ 目前，行業面臨的最大挑戰之一是怎樣讓機器人更靈活
在00年代初的短暫停滞後，過去幾年工業機器人的銷量快速增長。這主要是由于中國汽車工廠的需求，以及電子産品生産線對機器人地成功運用。國際機器人聯合會預計，到2019年，工業機器人的年平均增長率将達到13%。
△ 全球對工業機器人需求逐年增加/圖檔來自FT
類似ABB、FANUC和基恩士是目前股市的寵兒，它們營運利潤率常常超過30%，但制造者并不認為機器人将會接管世界。
安川電機及其競争對手預計，機器人将緩慢而穩定地向制造業的新領域滲透（例如食品生産）。此外，機器人将在制造業中扮演新角色（比如品質控制）。與此同時，機器人還将向相鄰行業發展（比如農業）。
全球倉庫自動化提供商Daifuku的Masaki Hojo認為，最前沿的問題之一在乎如何将電商倉庫中的産品分揀自動化。
他表示：“目前來看，你對産品的處理需要精确到一支筆。”如果所有産品裝在不同盒子裡，例如黑色筆裝在一個盒子裡，藍色筆裝在另一個盒子裡，那麼機器人可以從中進行選擇。然而，移動并維護大量不同容器效率很低，是以這種分揀工作仍然需要人工完成。
“如果你有個盒子，裡面同時裝着産品X、Y、Z，那麼機器人需要将它們區分開。機器人需要拿起軟性或剛性物品，而不會掉落。”圖像處理和深度學習技術有助于機器人完成這種工作，但目前還無法真正實作。
△ 全球工業機器人密度圖/圖檔來自FT
對Daifuku來說，其他挑戰還包括在機場自動裝卸行李。Hojo指出，如果仍然需要人工來裝卸貨物，那麼未來的無人駕駛卡車将不會有太大的用武之地。
在制造業内，機器人應用的一大潛在領域是産品質檢。例如，當手機從自動化生産線下線之後，仍然需要人工手動檢查，按下開關來確定所有一切正常。
工廠機器人廠商歐姆龍自動化的Masaru Takeuchi表示：“質檢是非常枯燥的工作，需要很強的專注力。”他認為，圖像傳感器和人工智能可以用于檢查手機螢幕是否有劃痕或印迹。
然而，目前小型工廠很少使用機器人。Takeuchi表示：“讓機器人能夠工作需要花很多人力、時間和資金。工程成本可能會達到硬體成本的3到8倍，甚至20倍。”
對于汽車生産線以及iPhone的大規模生産來說，這很有意義，但對于時間緊張的小批量生産并非如此。技術的複雜程度可以解釋，為何機器人是高利潤率業務：工廠需要供應商的大量幫助，才能讓生産線開始運轉。
△ 約40%的工業機器人應用在汽車制造業，但電子工業中的數量增長最快
川崎重工機器人業務總監Yasuhiko Hashimoto表示：“技術可行性與工廠中的實際應用有很大差異。如果你有半年的時間去準備，并且具備頂級工程師，那麼就可以做各種事情。如果希望機器人普及，那麼我們必須確定，在一周沒有任何專家的情況下，機器人也能使用。”
他指出，為了實作這個目标，使用者界面和安全性需要很大的優化，此外還需要通過直覺的方式去訓練機器人的能力，而不是為機器人的每一步操作去程式設計。
機器人行業對于發展前景非常樂觀，但他們并不認為機器人将很快取代人類。Hashimoto表示，日本每年安裝的機器人達到3萬台，但适齡勞動人口每年減少64萬。他表示：“如果适齡勞動人口下降5000萬，那麼自動化技術将毫無用處。你或許可以用機器人和自動化技術去填補200萬人的勞動力缺口，但無法填補5000萬的缺口。”
對機器人廠商來說，相對于機器人可以做什麼，機器人無法做什麼或許更值得關注。安川電機的Kumagae表示：“無法做到的最簡單的一件事就是負重。奧運會舉重運動員可以舉起體重數倍的重物，但如果你希望讓機器人去搬運1千克的物品，那麼機器人自重就要達到10千克。”
以機關體重的負重能力來看，普通人要比工廠機器人強10倍。他表示：“機器人需要大量空間，耗費大量成本。你需要從一開始就為機器人做好準備，例如準備好電力供應。”
歐姆龍的Takeuchi則表示，盡管計算機視覺正在進步，但這項技術還需要變得更快。“機器人可以拿起東西，并快速移動。但分辨對象究竟是什麼，應當如何移動，這仍然是瓶頸。”
工廠機器人的處理能力還無法達到大型人工智能系統的水準。而如果将機器人置于網絡中，你就會發現資訊安全問題。
川崎重工的Hashimoto表示，另一方面重要挑戰在于靈活性。他指出，大部分機器人都是單手操作。“當讨論機器人時，我們可以開發機械臂，但無法實作類似人類的手臂。大學教授會告訴你，技術可以實作各種功能，但對于生産商來說，還有很長的路要走。”
由于缺乏靈活性，工廠機器人面臨一個重要的實際問題：很難對工廠機器人進行重新程式設計，讓它們勝任其他任務。
Daifuku的Hojo表示：“曾經有段時間，人們試圖讓汽車裝配線實作完全的自動化。然而由于汽車本身的變化，目前這還無法做到。例如，如果你希望同樣顔色的同一款車生産10年，那麼可以實作完全的自動化，但這樣的車賣不出去。對制造業的大部分産品來說，100%自動化是不可能的。”
作為日本制造業的重要競争對手，西門子正在這個領域取得新的突破。在一項最新研究中，西門子的研究員利用人工智能技術去排程未來的工廠。人工智能系統可以對工廠機器人進行程式設計，同時将某些任務安排給與機器人一同工作的勞工。
西門子物聯網研究集團總監Florian Michahelles表示：“我們不會給每台機器人程式設計，而是識别哪台機器能從事這種任務，哪台機器可以從事下一步任務。”他們開發的人工智能系統“reasoner”能對産品生産步驟進行分解，根據不同機器的能力，例如負重的重量，去安排任務。
管理咨詢公司麥肯錫合夥人Mehdi Miremadi認為，西門子正在順應制造業的大趨勢。“過去幾年時間裡，制造商在生産活動中正首次将最先進的機器人與人工智能內建在一起。”
—— 完 ——
本文作者：陳桦
原文釋出時間：2017-08-08