详细内容或原文请订阅后点击阅览
在 AI 驱动的工业元宇宙中训练机器人
想象一下未来制造工厂的繁忙景象：通过自适应 AI 教育，机器人精通多个学科，可以与人类同事无缝安全地工作。这些机器人可以毫不费力地在任务之间转换——从组装复杂的电子元件到处理复杂的机械组装。每个机器人的独特教育使其能够预测维护需求、优化能源消耗和创新……
来源:MIT Technology Review _人工智能例如，西门子的 SIMATIC Robot Pick AI 扩展了这种适应性愿景，将曾经仅限于执行僵化重复任务的标准工业机器人转变为复杂的机器。通过对合成数据（形状、材料和环境的虚拟模拟）进行训练，AI 可以让机器人处理不可预测的任务，例如从混乱的箱子中挑选未知物品，准确率超过 98%。当发生错误时，系统会学习，并通过现实世界的反馈进行改进。至关重要的是，这不仅仅是一个机器人的修复。软件更新可以扩展到整个车队，升级机器人以更灵活地工作并满足对自适应生产日益增长的需求。
SIMATIC Robot Pick AI另一个例子是机器人公司 ANYbotics，它生成工业环境的 3D 模型，这些模型可作为真实环境的数字孪生。温度、压力和流速等操作数据被集成以创建物理设施的虚拟副本，机器人可以在其中进行训练。例如，一家能源工厂可以使用其现场规划来生成需要机器人在其设施中执行的检查任务的模拟。这加快了机器人的训练和部署，使它们能够以最少的现场设置成功执行任务。
生成工业环境的 3D 模型模拟还可以几乎无成本地增加用于训练的机器人数量。“在模拟中，我们可以创建数千个虚拟机器人来练习任务并优化其行为。这使我们能够加快训练时间并在机器人之间共享知识，”ANYbotics 首席执行官兼联合创始人 Péter Fankhauser 说。
由于机器人需要了解其环境，无论方向或光线如何，ANYbotics 和合作伙伴 Digica 创造了一种生成数千张合成图像用于机器人训练的方法。通过消除从车间收集大量真实图像的艰苦工作，教会机器人它们需要知道的知识所需的时间大大减少。