北京
人形机器人正备受瞩目，但最大的难题并非制造出机器人本体，而是教会机器人在真实环境中稳定作业。Xsens创新、增长与业务经理丹尼斯・克洛彭堡，近期接受特文特大学旗下刊物《InnovatieNU》采访，分享了 Xsens 与机器人研发企业合作积累的经验，以及制造企业当下该如何为物理人工智能做好准备。
真正的挑战在于数据
机器人硬件发展日新月异，但机器人想要掌握实用的作业技能，离不开充足、高质量且多样化的训练数据。机器人或许可以在实验室里顺利完成某项任务，却未必能在工厂或仓库中稳定发挥性能。环境变化、作业物件改动、作业方式调整，都会影响机器人的执行效果。因此丹尼斯着重强调：应当在机器人未来的实际作业场景中采集训练数据。
数据并非越多越好
想要机器人项目取得成功，还需要一套系统化的数据处理思路。丹尼斯将其概括为四大要素的平衡：数据体量、数据多样性、数据质量、场景上下文信息。
仅仅采集大量结构混乱的数据远远不够。团队还需要考虑数据打标、注释、存储，以及数据的复用方式。
重视数据所有权问题
机器人厂商陆续推出数据采集与模型训练服务，企业这时就必须思考：产出的数据归谁所有。制造企业既可以选择依赖某一家机器人供应商，也可以搭建独立的数据采集工作流，这套工作流能够适配不同机器人、不同任务与不同技术平台。对于计划大规模应用机器人的企业而言，数据会成为极具价值的长期资产。
未雨绸缪，提前布局，不必坐等机器人落地
丹尼斯的核心建议是：不要等人形机器人实现大规模商用之后才开始行动。制造企业现在就可以对工作场地与生产流程进行数字化改造，记录人类员工的作业方式，搭建未来机器人系统所需的数据基础设施。
企业应当把早期的机器人试用当作学习契机：厘清哪些任务适合机器人接手、需要哪些类型的数据，以及这项技术该如何融入现有生产流程。
筑牢物理人工智能的发展根基
人形机器人的未来，不能只依靠硬件迭代，训练智能系统所用的数据质量同样至关重要。制造企业从现在开始采集、整理人类作业相关数据，就能在机器人技术迎来规模化应用之时，提前打好发展根基。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
