過去的工業(yè)機器人，在我們眼中一直是一些冷冰冰的自動化設備，但隨著計算機視覺的應用，它慢慢變成了一個有感官，有思維，有情感的新一代工業(yè)機器人，并推動著現(xiàn)在珠三角、長三角、東北三省那邊轟轟烈烈的機器換人運動。但是工業(yè)機器人中的計算機視覺和我們常見的計算機視覺應用有啥不一樣呢？

為此，我們請來了李群自動化創(chuàng)始人&CEO石金博，以他們創(chuàng)新工業(yè)機器人兩年多的體驗，為我們闡述工業(yè)機器人的計算機視覺是怎樣的，它對于幫助現(xiàn)在提倡的柔性自動化有何意義，以及現(xiàn)在在應用中遇到的問題。

CV在工業(yè)機器人上和服務機器人上的區(qū)別

CV在工業(yè)機器人上的應用和服務機器人上的應用的主要區(qū)別是什么？

其實CV在機器人的應用是從2011年開始，大家逐步在一些電子產(chǎn)品的裝配上會用到機器視覺。像我所知的海康，原來這些公司用的主要的是視頻采集，并沒有加入視覺的算法。

如果說差別，應該從下面幾個方面來說。

第一個是應用場景。在工業(yè)機器人的環(huán)境里，計算機視覺看到的場景是相對單一，比如工業(yè)元器件或者材料，或者監(jiān)控一些操作過程。服務機器人應用場景就要變化很多，比如生活中的場景，比如辨識人的首飾，表情啊。

在服務機器人里面，比如家用機器人，無人機，視覺其實是一個非常重要的導航的工具，利用CV完成對周邊環(huán)境的測算和空間建模，還有一個領域是比較典型的，就是監(jiān)控領域。

第二個是它所起的作用。計算機視覺對機器人來講無非是解決幾個事情，在工業(yè)機器人里面，可以通過視覺的導引完成軌跡或者定位的作用。

第三個是精度方面。在工業(yè)機器人里面，計算機視覺的辨識精度一定是在毫米級以下的，這里面包括一個靜態(tài)的辨識精度，一個動態(tài)的辨識精度，靜態(tài)指的是相機或者觀測物品相對處在一個靜止的狀態(tài)，它這個時候的辨識精度取決于相機的分辨率，包括物品的邊緣是否清晰，差異化是否很明確，這個時候精度甚至可以達到微米級以下，服務機器人據(jù)我所知，大部分的精度并不會很高，可能會在厘米級以上。

第四個是在工作空間上的范圍。工業(yè)機器人的視覺辨識的空間，一種是把相機固定，視覺（相機）的大小是根據(jù)我的安裝空間導致視覺的分辨率有所限制；但服務機器人的工作空間，我的理解它的工作空間限于電池能持續(xù)多久。

第五個是安全性。工業(yè)機器人上的視覺部分是要求不太會被人所干擾的，盡量避免人和設備的不必要交互，但在服務機器人上，人和設備的地方非常多，這是視覺是人和服務機器人交互的一個很重要的途徑。另外一個是生命周期，這里面涉及到我視覺系統(tǒng)里的光源，相機安裝的可靠性。

那總的來講，計算機視覺在工業(yè)機器人和服務機器人最重要的差異，我覺得主要是在精度和可靠性方面。然后剩下的就是應用場景的專門的功能需求。

工業(yè)機器人機器視覺傳感器最近有什么新進展？

先簡單地列舉一些視覺在工業(yè)機器人里的應用：用的最多的是辨識物體的位置，方向，然后配合機器人進行抓取，一般精度要到0.01毫米左右。

我認為工業(yè)機器人的視覺傳感器就是工業(yè)機器人的整個視覺傳感系統(tǒng)，這里面考慮的大部分都是可靠性和維護性，在真正的使用中，新的硬件方案或者新的產(chǎn)品并不是很快就會進行導入的，它都會需要一個長期的檢測過程，我們說的視覺系統(tǒng)一般包含相機，鏡頭，光源還有一些視覺的處理器，最近幾年smartcamera這種傳感器算是用的比較多的。

smartcamera大部分的用法都會選用一些PCbase的用法，最典型的是基恩士，康耐視或者歐姆龍，他們的視覺最開始都是在PC上，利用對數(shù)字相機圖像的采集處理，然后利用一些視覺算法輸出數(shù)據(jù)，最近幾年，基恩士首先把它的smartcamera把它大量應用在蘋果公司相關的一些檢測設備中。

這種smartcamera比較好的地方是：它的封裝會會非常緊湊，整個鏡頭非常便于安裝，然后是在算法上進行了大量的簡化，和設備相連的時候，整個設備的安裝和相連非常的便捷。

現(xiàn)在最多的是基于2D的工業(yè)相機，但3D的導入會是一個非常明顯的趨勢，3D視覺技術現(xiàn)在達到的精度以及對于機器人配合的這種要求，目前來說還沒到一個相對成熟的階段，可能還需要一定的時間進行導入。

針對2D的相機，我們在選取的時候主要會考慮基于怎樣的應用場景，比如被測物體的大小，需要達到的辨識精度，這個部分主要是一些規(guī)格上的選取。如果說誰家的相機會更好，我們現(xiàn)在主要是選擇德國和日本的一些相機，比如說德國的IDS，日本的歐姆龍；鏡頭的話主要選擇computar的鏡頭，在這種品質(zhì)保證的情況下，其實產(chǎn)品大同小異，不會差別太多，可能無非就是在使用和安裝習慣上的差異，以及價格包括貨期都是很重要的衡量標準。

工業(yè)機器人與自己，與人，與環(huán)境的交互

工業(yè)機器人講究機器和機器的交互，機器和人的交互以及機器和環(huán)境的交互，您能舉個例子為我們講講他們是怎樣實現(xiàn)的？

這個其實是我們比較擅長的部分。因為我們李群自動化從2013年開始正式做機器人，到現(xiàn)在我們做的最多的事就是考慮機器人和設備、機器人和視覺或者和人如何交互?；卮疬@個問題之前，我們需要有一個前提：解決交互問題前應該是交互雙方有個協(xié)議，即交互雙方都可以懂的語言。

這種語言可以簡單可以復雜，可以是一種或幾種，就像即使是兩個語言不通、文化背景不同的人還是可以通過眼神或者肢體語言去交流。

如果按照機器、人、和環(huán)境，我們分析一下他們所能發(fā)出的信息的形式和接收的信息的形式，以這樣的思路來進行。我們以機器人為例，機器可以以什么樣的形式來表達出他想要表達的信息呢？

我們一般可以分兩種。

一種是機器主動想表達的信息，這時候可能是機器的一個狀態(tài)，機器需要告訴別人的一些信息，我們認為這是一種可控的信息，一般可以通過網(wǎng)絡、串口、I/O、或者是它可以操作的一些動作來表達出來。

還有一類信息是異常信息，這一類的信息其實可能不是機器想要發(fā)出的，而是一種被動輸出。什么叫被動輸出呢？比如，一個機器突然輸出的產(chǎn)品大量產(chǎn)生異常，或者一個機器跑跑跑，某一個環(huán)節(jié)、電機要運動，然后發(fā)現(xiàn)怎么都運動不到。還有一種情況是機器做了一種行為，這種行為是不可理解的，或者不是預設的，那我們都認為這確實是機器要發(fā)出的信息，但不是機器主動發(fā)出的。

從人的角度來說，人是最高級的生物，可以通過工具發(fā)出他想要發(fā)出的信息，比如說他可以通過用戶界面，甚至是一些按鈕的操作，準確的發(fā)出他的指令，人也可以通過觸碰產(chǎn)生一些信息，比如觸碰一些光柵。在協(xié)作型機器人里，人和機器觸碰甚至可能代表人讓機器人停下來這種指令。

環(huán)境的信息其實是最被動的，因為環(huán)境是無法主動表達信息的，它可能是通過來料、出料的異常，甚至是溫度、濕度的變化、甚至突然斷電了，大家也不知道發(fā)生了什么。這些信息，你做一個簡單的分析，會發(fā)現(xiàn)在這種交互過程中，異常信息是最需要提前做好準備和響應方案的。

而且同時，人和機器作為兩個可以主動交互的對象，人比較高級，可以辨識、響應幾乎一切信息，但是人最大的問題在于人會疲勞，人可能會有情緒干擾，導致對信息判斷的及時性和準確性進行干擾，沒有機器判斷那么穩(wěn)定。

機器由于不夠聰明，一定沒有人聰明，這時就會變成機器能把信息表達得多準確多全面，其實取決于設計機器的人希望機械可以做到什么樣。

回到現(xiàn)在這個問題來說，我想重要的就是異常的信息，我認為在自動化環(huán)節(jié)，三方的交互中，如果一切都是沒有意外的，大家都按照預定的節(jié)奏和行為來進行操作，那么交互大可不必，每個人都按照既定要求來做，這其實是最和諧的，實際上意外一定會產(chǎn)生，交互的意義就在于如何處理意外。

這時候就變成了，我們?nèi)绾胃兄惓＃瑫r協(xié)商出來面對異常的機制，大家交互的協(xié)商，最后達到異常的處理，回到原始的軌道。

這里給大家舉個例子，這里給家看個我們做的方案：

這是一個非常簡單的生產(chǎn)線上下料工藝的需求，大家可以看到，在圖片左手邊模擬的是一個隧道爐，這實際上是一個手機蓋板非常典型的加工工藝，玻璃在進行前端絲印之后，它需要經(jīng)過隧道爐完成印刷油墨的工藝要求，達到油墨的固定。

前端，是人把絲印好的玻璃放在傳送帶上，上料的速度我們得到的信息一般是在1300片/h，有個重要的工藝要求，由于隧道爐中有烘烤的工藝，所以傳送帶是一定不可以停的。

那么我們現(xiàn)在做的自動化是要干嘛呢，是要把從隧道爐里出來得剛剛烘烤過的玻璃安全的下到料盤里面。

由于當時當時給我們的空間限制，隧道爐末端的空間非常有限，就是圖中兩個人所在的位置，那么自動化設備要快速的把每小時一千三百片的來料下到料盤里，這就是自動化的工藝要求，大家可以想想，對于機器人來說，在這樣的工作空間里每小時可以做兩千次，那以這樣的速度，這個自動化方案的難點和異常點在哪里？

我們做了一個工作站，這里包含了綠色的傳送帶，用來承接前端烘干機的傳送帶。在前端有一個視覺框架來動態(tài)識別玻璃的位置和轉(zhuǎn)向，末端有一些機構(gòu)來保證下料料盤如何周轉(zhuǎn)?，F(xiàn)在我列舉幾個實際操作中我們需要思考、處理的部分：

1.瞬時uph。剛才提到烘干機前端是人工上料。人工上料有什么問題呢？比如，這個人的早中晚生產(chǎn)狀態(tài)不同，在精神狀態(tài)好的時候，可能連續(xù)的一段時間內(nèi)生產(chǎn)效率非常高?？赡茉诤芾鄣臅r候生產(chǎn)效率就會很低，那么按照客戶給的數(shù)據(jù)1300uph。這時就遇到了一個問題，假設五分鐘之內(nèi)，工人的狀態(tài)很好，他的瞬時效率高于2000時，機器人怎么辦？按照設定條件，機器人是來不及抓的。

2.由于我們的視覺是用來判斷傳送帶上的玻璃，我在辨識的時候，有些在上料的時候，混了一些一些料或者其他什么誤差，導致玻璃沒有辨識出來?；蛘哒f兩個玻璃挨在一起了，視覺無法辨識兩個玻璃的相對位置。這時候，這兩片玻璃是抓不起來的。

3.我在下料的時候，當我要把玻璃放在料盤里，恰巧料盤滿料，下一個料盤還沒過來。這時傳送線上的玻璃如何處理？

4.料盤和玻璃也有放置精度的問題，如果說傳送帶像我們現(xiàn)在看到的部分，寬度是一米二，如果我們用一個視覺相機來說，在一米二寬的視場范圍內(nèi)，在視場邊緣會產(chǎn)生嚴重畸變，這時我在吸取玻璃時，比如吸取5.7寸的玻璃它在邊緣的偏差可能就要大于兩毫米。這時吸取的玻璃可能放不進料盤。

5.假設吸盤變形，機器人看得很準，機器人到位也很準，但是吸盤壞了，吸起后玻璃偏了，還是放不進料盤。

這些都是生產(chǎn)實際中真實會存在的異常，無論是由于物料、還是人工配合，這些異常都是要去及時發(fā)現(xiàn)并且處理的。

其實機臺里的異常，我們不僅對傳送帶提供了一個可控的功能，保證我們一旦有玻璃來不及抓，或者有玻璃流出時是否由傳送帶可以停止，如果不停止的話，下端有個回送的傳送帶，保證玻璃不會掉進縫里或者其它地方，保證不會直接產(chǎn)生廢品，我要盡量及時回收，避免損失。

另外在精度方面，由于前端的視覺變形，或者由于吸盤吸取的位置差異，這個是不可避免的，所以我們在機器人吸起之后放置的過程中增加了我們自己開發(fā)的飛拍的功能，保證了在機器人運動時同步辨認玻璃在吸盤的位置，保證玻璃可以完好無損的放到托盤的相應位置中。

這個過程中，其實所有的交互都是被設計，甚至有方案能夠及時感知這種交互中的信息，然后讓系統(tǒng)有交互的策略來進行響應。

目前車間已經(jīng)不是批量生產(chǎn)了，開始提倡柔性生產(chǎn)，由過去一條線性方式變成了環(huán)形的加工。這方面你們自己的產(chǎn)品有什么建樹？

總的來說我們現(xiàn)在接觸到的實際需求，客戶還是會首先考慮已經(jīng)批量生產(chǎn)的產(chǎn)品的自動化改造。

現(xiàn)在其實真正急需自動化改造的大部分都是一些小批量，多品種，但是屬于同類產(chǎn)品這樣的一種生產(chǎn)狀態(tài)。柔性主要解決的就是實現(xiàn)不同產(chǎn)品切換的時候能實現(xiàn)快速切換，或者在不同工藝的時候能進行一個配置化的快速轉(zhuǎn)換。

一條線性的方式變成環(huán)形的加工。這個部分應該說還不是都是這個樣子的。其實是要根據(jù)每個客戶自己的一個產(chǎn)品形態(tài)和工藝特點，為客戶定制一些適合他們的生產(chǎn)形勢。拿我們這邊去年完成的一個月餅盒包裝線作為例子。這條后包裝線的視頻大家也可以從我們的網(wǎng)站上直接看到。

首先我解釋一下這條后包裝線，大家看一下圖片上方有一個紅色的機器人。我們可以認為這條線的起始端是從那里開始的。它的作用是把鐵盒裝的月餅的盒子，從卡板中，分批放置在生產(chǎn)線上面。

供應商來料的方式是一個空盒的鐵罐來的，所以蓋子和盒子挨在一起，那我們裝月餅之前需要把蓋子和盒子進行分離。

另外一個在精度方面，由于前端視覺的變形。或者是由于吸盤吸取的時候的位置的差異——這個是一定會存在的——所以我們在機器人吸取完玻璃之后的放置過程中增加了我們自己開發(fā)的飛拍功能。保證我們的機器人在運動的同時可以動態(tài)辨識出玻璃在吸盤上的位置。進行位置的校準，保證玻璃可以完好無損的放置到吹盤的相應位置上面。

接下來的一段作用就是把這個盒子進行開蓋。供應商來料的方式是一個空盒的鐵罐來的，所以蓋子和盒子挨在一起，那我們裝月餅之前需要把蓋子和盒子進行分離。

但是由于包裝的要求，客戶是要求蓋子和盒子的花紋必須要能夠完整的對齊。什么意思呢就是他必須按照一定的規(guī)范進行一個配對。所以我們在開盒之后會有一個視覺的工作站來完成對各個花紋的一個調(diào)整。

下一個工作站大家可以沿著這個圖順著傳送帶往圖片的左邊來看，這兩個藍色的，有一個圓圈的這兩臺deta機器人完成的是對月餅的一個快速的分揀。

在這個包裝過程中還有一個很重要的要求就是月餅上的花紋要和盒子和蓋子的花紋保持一定的規(guī)律，要保持一致。所以在整個月餅的來料過程中，我必須要對月餅的花紋進行一個識別和排序。

接下來就是把排序好了的月餅放在盒子里面，然后再把這個蓋子蓋上去。然后就是把每16盒的月餅放到箱子里面，然后完成封箱、稱重、碼垛。這樣一個整條的一個自動化的生產(chǎn)線。

人呢，其實是因為這條線暫時還沒有完整的連接前端的生產(chǎn)，所以需要兩個人把前端生產(chǎn)好的月餅放置到這個產(chǎn)線上來。像我們在超市里面還能看到一些禮盒裝的，紙盒裝的，甚至是散裝的月餅，這些是不適用的。

那么在這個過程里其實我們真正實現(xiàn)柔性的對象主要還是這種鐵盒裝的月餅。主要是不同的口味，或者包裝的花紋不同，對這些我們都可以實現(xiàn)一個零切換的一個工作時間。我們只要在通過軟件的一個選取配置就可以自然完成整個產(chǎn)線的工藝轉(zhuǎn)換。

實現(xiàn)這樣一個柔性的工作站，其實在整個過程中我們對客戶的工藝做了非常非常大的改造。

這里面可能就是會有點像剛才主持人提到的。原始的客戶的包裝流程可能就是一排，我記得他們講的是大概28個工人。完成比如從月餅過來，我要從旁邊拿盒子打開，把月餅放進去蓋上盒子。掃碼裝箱碼垛，這樣一個功能。

過程中，人的作用其實除了操作之外，還有一個是檢查。比如說檢查月餅袋子有沒有打開，蓋子有沒有蓋好，有沒有出現(xiàn)什么樣的異常？在實現(xiàn)這個工作站的時候，我們首先花了非常非常多的時間重新的去學習客戶的工藝。去理解哪些工藝要求是必須要實現(xiàn)的，哪些工藝的安排是可以被更改的？然后我們再通過我們對自動化的理解，然后依據(jù)這種對客戶工藝的討論。雙方一起坐下來，商討形成最終的自動化的解決方案。

這個里面我真正想說的一點就是柔性，首先現(xiàn)在的機器人技術，雖然我們用到了視覺，用到了很多信息化的東西，但是它也很難像人一樣，可能只要靠一個。比如組長或班長說接下來我們要怎么怎么干了，人們很快就可以開始干。我們現(xiàn)在的自動化做不到那個樣子，所以柔性一定是在一個范圍內(nèi)進行的這種柔性。

總之，柔性的實現(xiàn)，不僅僅是靠自動化的人來實施的。很多時候是先考慮工藝怎么做到柔性？然后再考慮自動化，這個柔性的工藝有沒有合適的自動化的實現(xiàn)方式，在這種相互切磋相互交流的過程中，最終形成的方案。才是一個柔性最高、實施效率最高的一個整體的柔性工作站。

CV應用在工業(yè)機器人上的bug

作為應用機器人視覺的客戶，在應用的時候你們遇到了什么問題，如何解決的？

第一，目前來說我們在用到視覺的時候覺得其實困擾最大的是我們現(xiàn)在用的視覺產(chǎn)品對于光源方案的要求非常非常高。

如果光源的方向不好那拍出來的圖片的穩(wěn)定度和它的質(zhì)量，其實會極大的影響最后處理的效果。但是光源的方案很難說，即使是同一類的產(chǎn)品，他不同批次不同材料都可能會無法適應，可能會產(chǎn)生一些不穩(wěn)定因素。但是我在實施過程中又不太可能經(jīng)常更換光源方案，所以這一點上我覺得對我們現(xiàn)在來說是非常不方便的。

比如說我們之前遇到的一個測試需求是測試PCB板，但是這個時候我們會發(fā)現(xiàn)，比如不同的PCB板的工藝，他有些上面可能刷的是比較亮一點的防護漆，有些就會比較暗像漫反射一樣。這個時候不同的光源就體現(xiàn)出非常大的一個差異。

第二，就是我們現(xiàn)在用到的視覺，我剛才提到的，主要是一些基于2D的視覺。

在這種高精度的視覺應用里，我們經(jīng)常發(fā)現(xiàn)的是，標定的好壞會極大的影響整個方案的精度最后是否能夠達標。

但是標定呢，這個過程又感覺沒有一個非?？焖俚姆绞?。比如說我每次更換夾具，或者說客戶端可能會偶爾要進行一些設備的維護啊，或者是搬送。那這時候可能都需要對視覺進行重新的標定。

然后客戶現(xiàn)場的工人也好或者設備工程師也好。大部分也沒有經(jīng)過這種專業(yè)的訓練。所以往往就需要我們的服務工程師到現(xiàn)場幫客戶做一個。這樣一個我們覺得很regular的一個動作。這個部分是我們的另一個困擾。就是覺得現(xiàn)在能否有一個快速標定甚至是不用標定的一個視覺方案。

第三，其實是我們現(xiàn)在自動化行業(yè)大家都在迫切等待的一個部分，就是視覺的缺陷檢測。

但缺陷檢測這個其實在整個行業(yè)都是一個非常非?？杖钡牡胤剑吘谷毕萏嗔?！我們舉個例子，剛才的那種手機的玻璃的缺陷。

可能劃痕有千變?nèi)f化，那不同的廠家對于不同的劃痕，要求都不一樣。這一部分其實是一個非常非常難做一個標準化的缺陷檢測的工藝的。

其實我們做自動化的時候大家都在講機器換人，那是不是機器換了人就可以了呢？我們的經(jīng)驗是人在生產(chǎn)中除了在很多的供應環(huán)節(jié)，他除了簡單的搬運，還提供了自己的視覺和大腦，他們提供的就是一種缺陷的檢測。

但是如果說比如說有十個缺陷，我們解決了九個還有一個缺陷無法解決。那這個時候其實我這個人工檢測的工位還是沒有辦法進行替代。所以從某種程度上來說。是否有好的缺陷檢測的方案和解決方案，其實是真正實現(xiàn)大量人工替代的一個很重要的環(huán)節(jié)。

我所知道的很多場景，我有很多做視覺的朋友也在做這種方面的缺陷檢測，但是這個過程其實非常的困難。

因為缺陷的這種原因或者說缺陷的形態(tài)太多了?，F(xiàn)在大家一般在做曲線檢測的時候采用的那些方案。很多人用的是一些開源的算法，比如opencv。或者是hoken的一些底層的庫甚至是在別人的視覺上面做二次開發(fā)。這樣的一些系統(tǒng)架構(gòu)也很難在客戶端能夠做一些比如智能的一些判斷或者一些經(jīng)驗的累積。所以很難做到真正完整的缺陷的可靠性辨識。

所以這三個應該是我們在應用層中遇到的最迫切的需求吧，那我們是怎么解決的？

其實我們現(xiàn)在還無法解決這個問題，因為我們現(xiàn)在還真的沒有在視覺方面去做什么樣的工作。但是我們可以做到的是：

比如說我們拿到一個客戶需求，會第一時間通過供應商跟我們的合作伙伴的一個大量測試，來確保一些方案的可行性。同時我們會自己設置一些可能影響這個穩(wěn)定性和魯棒性的一些干擾因素。盡可能在設備的設計之前把這些方案性的測試和這種可以為以后的設計提供參考性的測試，進行一個完成。然后在我們設計的過程中，盡量不要觸碰到這些不穩(wěn)定因素。比如說我們盡量不動視覺方案，或者說如果客戶真的需要變化的時候，我們給他一些我們可控的方式來引導客戶去進行操作，來規(guī)避我剛才提到的這些風險。

關于理想的狀態(tài)，我目前也不是很清楚說理想的狀態(tài)應該是怎么樣的，我們內(nèi)部覺得可能現(xiàn)在的這種視覺的方式還會有一個很長的路。這個部分要怎么去完善這種視覺產(chǎn)品的定義或者是開發(fā)可能是需要做視覺的人。和我們這種做自動化的人大家一起坐下來，好好的去理清我們現(xiàn)在所面對的問題和客戶需求，然后進行一個產(chǎn)品的重新規(guī)劃和定義。

另外呢，我們其實私底下有跟公司比較資深的做技術的人員討論。我們在想有沒有可能去利用一些仿生物的這種思路。去幫助視覺的算法。而不是說像現(xiàn)在一樣，我們要對每一個缺陷，或者每一種特征進行一個建模、描述，再進行計算。

怎么看待國內(nèi)很多機器人廠商沒有核心技術的現(xiàn)狀？

首先我覺得核心技術還是非常的重要的，如果一個公司沒有核心技術的話，最后一定是死路一條。

對于你說的這個現(xiàn)狀來講，我覺得現(xiàn)在沒有必要太過恐慌，畢竟核心技術是需要時間的，而機器人這個行業(yè)在中國其實也處于剛開始的階段。所有的公司其實都需要花時間對自己進行一個行業(yè)的定位和技術方向和路線的一個定位。

同時有了這個定位，即使想做核心技術，也是需要時間一步步的去積累和磨練，不是一個一蹴而就的事情。所以我倒覺得現(xiàn)在我們不必太過去計較說現(xiàn)在國內(nèi)廠商沒有核心技術。

另外一個部分其實現(xiàn)在很多的廠商會號稱自己有核心技術。但是這個所謂的技術是不是真的核心呢？或者說我們現(xiàn)在有的這個技術。我們常說機器人里面幾個核心的技術：減速機、電機、控制器，那未來的機器人是否還真的是這樣?；蛘哒f即使我們拿到了一些山寨國外的或者可能打了些折的這些所謂的核心的東西，那它還是真正有用的核心嗎？我覺得這個部分其實還是有待時間和市場的一個考驗。

針對這個問題，我倒覺得，如果大家很關心機器人這個行業(yè)，我覺得應該是可以更關注國內(nèi)的廠商有哪一些真的去想清楚了我剛剛提到的一個自己的行業(yè)定位。和未來的發(fā)展路線，甚至是自己核心的一個技術路線。

清楚了之后，有沒有在做，有沒有做準備，有沒有計劃，這些其實反而是更重要的事。

實踐才是良藥

在本期硬創(chuàng)公開課中，石金博為我們重點介紹了CV在工業(yè)機器人上的應用和服務機器人上的區(qū)別，以及闡明了工業(yè)機器人在和自己，和人，和環(huán)境三大交互過程中，最大的意義就是在于如何處理意外。

在提到現(xiàn)在工業(yè)機器人中推崇的柔性自動化問題時，她以實際經(jīng)驗向我們展示，現(xiàn)在的自動化還做不到100%的柔性自動化水平，所以我們所謂的柔性一定是在一個范圍內(nèi)進行的柔性。

作為應用機器人視覺客戶中的一員，他們以自己非常“苦悶”的經(jīng)驗向大家展示了目前，視覺產(chǎn)品對于光源方案的要求非常非常高，2D視覺中標定的好壞會極大的影響整個方案的精度最后是否能夠達標，視覺的缺陷檢測非常糟糕的一個現(xiàn)狀。

這讓過去一直以為工業(yè)機器人就是個傻乎乎自動化生產(chǎn)線的讀者朋友們對工業(yè)機器人有了重新的認識——工業(yè)機器人天生就是一個平臺級的東西，它不像服務機器人只要專注做好每個具體的產(chǎn)品就好，其更多是處理好機器人和自己，和人，和環(huán)境交互過程遇到的各種難題，來適應不斷變化的生產(chǎn)車間需求。

更多資訊請關注工業(yè)機器人頻道