未来人机协作面临的四大挑战

传感器技术、计算能力和边缘处理方面的空前进步可以为机器人提供强大的人工智能功能，但这取决于所有生态系统参与者之间安全且灵活的连接性和互操作性。

当物联网技术、机器人和人类进行互操作时，先进的机器人功能将得以实现，同时带来了新的应用，进而带来了新的商业机会。互操作性挑战仍然存在，但可以使用解决方案来克服这些挑战。

如今，传感器驱动的革命正在将机器人从死记硬背的机器转变为认知协作者。它们已经成为动态连续体中的关键环节，这个连续体包括人类、其他机器以及它们所处的数字环境。

传感器引导的人机协作的潜在收益是巨大的，这些例子包括从保护工人和提高生产力，到通过创新方式推动新的收入来源等等。

自动化连续性支持的协作环境包括不同的参与者和大量数据，这些因素结合在一起构成了若干重大挑战。幸运的是，可以使用使自动化连续体成为可能的相同技术来解决这些问题。这些挑战包括：

挑战1：接近人类协作者

让“脆弱”的人类在功能强大的机器人边上工作是有风险的。迄今为止，这种脆弱性已经被最小化，方法是简单地禁止人类在机器人附近工作，经常用防护罩和护栏让人类与机器人保持距离，甚至把它们放在单独的房间里。但是在协作环境中，这种分离策略不再可行，因为人类越来越多地与其伙伴机器人（也称为协作机器人或“cobots”）待在一起。

此外，协作机器人还依靠多种传感器和技术（例如AI）来了解周围环境并在其中安全运行。与此同时，新机器人发现自己运行的环境具有多个传感器密集型物联网设备，而且还有更多设备正在开发中。

许多人将物联网和机器人技术视为独立的领域，因此尚未对这两个学科之间的协同作用进行深入探索。但是，将物联网和工业机器人技术结合起来，就变成了机器人物联网或IoRT。

挑战2：处理数据过载

更高水平的机器感知使工业环境中传感器衍生的数据越来越丰富，但传统的计算框架往往会不堪重负，从而抵消了机器人增强型劳动力带来的好处。对于许多应用程序而言，将数据推送到云中进行处理已不再可行。

解决办法在边缘。通过人工智能和对大量数据的访问，包括机器人在内的边缘设备可以比人类更快地做出决策。随着机器人能够更好地执行更多任务和自主做出更多决策，计算越来越需要在边缘进行。生产力在边缘得到提高。

例如，由在边缘收集和处理的数据驱动的“自我意识”机器人可以检测到其自身即将故障的可能性。处于危险中的机器人可以与装配线上的其他机器人进行通信，并自动关闭，而其他机器人可以实时调整工作流程，以弥补消失的“工人”。生产速度变慢了，但并没有停止。人工协作者可以进行所需的修复，然后系统恢复全速运行。

挑战3：端到端网络安全

随着机器人变得更具移动性、协作性、边缘驻留性和互联性，数据丰富的生态系统可能成为黑客攻击的目标。公司可能容易受到恶意软件、勒索软件，生产延迟和业务中断的影响。此外，针对强大机器人系统的网络攻击也带来了严重的物理安全问题。

解决方案是什么？全面、端到端的网络安全方法。系统集成商需要了解他们正在安装的机器，及其运行的整体环境，以期识别潜在的访问点并强化易受攻击的目标。机器人操作员的IT团队必须参与进来，积极监控威胁并更新安全措施。

安全性还必须延伸到设备生命周期结束之后，以消除设备在恶意人手中产生危险的可能性。过时的边缘设备偶尔会出现在交易平台上，黑客可以在那里廉价购买到，然后对它们进行反向工程。因此，至关重要的是使用防篡改措施或擦除敏感软件来使设备退役，从而使得逆向工程变得不可能。

挑战4：成本

先进的技术和新的商业模式正在推动机器人技术的规模经济，这是一个好消息，因为53%的工业机器人前景将成本视为首要挑战。随着机器人即服务（Robots-as-a-Service，RaaS）的兴起，越来越多的制造商成为服务提供商，从而允许客户扩大运行单元的数量以满足需求。

诸如RaaS和租赁之类的新兴商业模式有助于降低成本，消除了客户使用机器人实现自动化的障碍。

计算、数据通信和存储方面的进步带来了事半功倍的效果。这使得对机器人进行编程、设计创新用例以及降低能源需求变得更加容易。尽管有人认为摩尔定律不再适用于晶体管的数量，但就计算成本而言，它仍然适用，因为越来越多的功能可以以更低价格获得。

总结

传感器技术、计算能力和边缘处理方面的空前进步可以为机器人提供强大的人工智能功能，但这取决于所有生态系统参与者之间安全且灵活的连接性和互操作性。机器人必须能够轻松连接其他机器人，以及各种物联网、边缘、云、分析工具和其他设备。

迄今为止，机器人和物联网社区一直由不同但高度相关的目标推动。物联网专注于无处不在的感知、监测和跟踪服务，而机器人社区则专注于生产活动、交互和自主行为。融合这两个领域可以让机器人更好地完成任务，而且机器人可以有更多的数据用于分析和人工智能决策。这样，边缘计算为人与机器之间更紧密的协作打开了大门。
编辑：lyn