红网首页设为首页收藏本站
 

红网论坛

 找回密码
 注册

只需一步,快速开始
搜索
查看: 9370|回复: 1

[电脑维护] 欧特克CTO Jeff Kowalski:人工智能赋能柔性制造

[复制链接]  [分享推广]
发表于 2017-12-25 11:19 | 显示全部楼层 |阅读模式
  没有人想到,一场关于人工智能改变设计和制造的讨论是从一个看上去再普通不过的滑雪板开始的。

  作为一家二维、三维设计和工程软件公司,欧特克距离日常消费者的生活颇有些距离,但是你不可能不熟悉它的软件所呈现的作品--这既包括即将建成的北京第一高楼"中国尊"和上海地标性建筑上海中心,也包括电影《速度与激情》系列中飙车的特效场面,甚至科技博客VentureBeat评价称"1997年以后每一部获得奥斯卡视觉效果奖的电影都应用了Maya(欧特克出品的三维动画软件)"。

  那么一个滑雪板有怎样的奥秘?

  欧特克CTO Jeff Kowalski显然也感受到了参加圆桌会谈上人们诧异的目光,于是他提醒大家注意衔接滑雪板的轮子和滑板的支撑部分的银色异形结构。根据Jeff介绍,银色的支撑部分经过了4~5次的打磨,虽然形态复杂,但如今世界上已经有了3~5轴的打磨机器人,未来对打磨、注射成型法等等工艺上还可以有更加完善的应用。

  “我只是告诉机器,‘制造一个滑雪板’,通过衍生式设计,机器人已经可以自动完成产品输出了。"Jeff说。让他自豪的是,当初这个似乎不可能实现的设计方式如今已经走出实验室,并且在变革原有的设计的方式。

  衍生式设计是指通过输入限制条件由机器自动生成设计方案,这些方案并非是已知模型的模仿,而是通过机器学习产生的新构造,常常在结构上有所创新。

  正是不断的创新让欧特克的工程建设软件集、产品设计和制造软件集以及传媒与娱乐软件集在业内得到广泛认可。如今欧特克的市值已接近300亿美元,近三年的营业收入均在20亿美元以上,而其中研发费用每年支出在7~8亿美元。

  落地衍生式设计

  10年前,欧特克就注意到随着计算能力的增强,终有一刻算力的高速增长可以实现,而边际成本为零,但是真正稀缺的是技能、自然资源、能源,这两个条件下,对制造业有怎样的影响?"于是我们开始了衍生式设计,现在已经成为了产品。"Jeff说。

  这将改变设计和制造的流程。曾经,制造业通过分解组件生产,然后通过拼装组合提供最终产品。如今只要提前设定几何形状和所用材料,增材制造可以让产品直接成型,满足人们对多材料、多颜色、多性能的需求,让制造进一步变得"柔性"。

  "总体来说,机器的技术、欧特克提供的工具、材料科学已经可以让我们做一些新的尝试,但是设计的思路还没有改变。我们倡导的是,在这个行业里最重要的是思想的变革。"Jeff说。把问题交给计算机,由它来自动设计组件,这是一个共生的系统。欧特克甚至基于此对共生的生物学方面研究进行支持,尽管如今生命科学还没有直接与自动化相连接,但是这是一种未来的方向。

  汽车厂商是推动欧特克衍生设计的主要合作伙伴。汽车的连接点需要得到识别和优化,这包括在满足限制条件下如何构建新的零件,在已知的基础上灵活构建未知,既需要能够被算法兼容,也需要通过传统的制造方法来检验性能。通过搜集汽车行驶过程中传感器上的压力数据,可以构建生产的条件,让Dreamcatcher(捕梦者)提供能够禁得住这些数据考验的设计结构。

  "设计者的角色是在变成实体之前理解他们的设计效果。" Jeff说。伴随着VR仿真的进步和3D打印的便捷,这已经可以实现。

  注重实验室研发

  当然,看似"不可能""科幻"的想法实现是离不开科学的支持。

  支持欧特克的设计理念前沿的研发部门有两个,分别是在旧金山和多伦多的AI实验室和落户旧金山的应用研究实验室(Applied Research Lab)。从科幻开始,然后加入科学的成分在其中,通过协调组内那些想要改变物理世界的博士和客户进行合作,来挑战并生产那些可能会改变建筑、工程、制造行业的产品。

  "应用研究实验室关注的是近期可以应用的技术,并且与今天的机器相结合,试图把一些技术进行商业化。AI实验室在做一些不一样的事情,在为更远的未来准备更加灵活的工厂。"关于两者的异同,Jeff这样解释给第一财经记者。

  此次在会场内展出的数字双胞胎就来自应用研究实验室。戴上VR头盔后,可用手柄做出相应的指令,并操控身旁的一台机器人进行模仿。这个项目的意义在于让机器人更加灵活、敏锐、独立并具有实时反馈功能。Jeff认为这在不久的将来就可以实现商业化。

  而AI实验室侧重在如何构建灵活的流水线,需要更长的时间。以训练机器人拼乐高为例,机器人前端增加摄像头,后端添置了机器学习的"虚拟大脑",持续不断地训练转轴、抓取、放置。后端的"虚拟大脑"可以在云端分模块进行多次的RNN(虚幻神经网络)增强学习,最终机器人可以组合各项习得的内容,在特定的环境中识别、分拣、组装乐高。

  "我们通过分别进行机器学习进行技术训练,最后集成完成一个指定的目标。这不是构建在数据库的基础之上,而是像一个小孩子通过实验和试错一样。"Jeff说。一旦具备了这样的机器学习能力,意味着机器可以更加灵活地自主完成目标,而不再是简单地重复一项单一指令。这将让机器人更加灵活。

  对于Jeff和欧特克的两个实验室来说,这就是从不可能到可能,非现实到现实的过程。

  "我主要做的事情是打破界限(horizon free)的事情,我们为欧特克未来的风险做一些分担,我们会做一些产品组不会做的事情,看看两者之间的差距,特别是哪些我们可以跨越实现的。我们还能做什么?可能是未来5到20年我们认为会改变设计和制造行业的事情,我们会用长期的眼光来看,要把这些从不可能变成可能,寻找办法、采用并且让顾客满意。"Jeff这样向记者描述他的工作内容和职责。

  提到如何应对到来的AI新世界,Jeff说,"我认为问题出在思想,而非工具包。"在他看来,工具包就在那里,现在需要用户愿意转变思考问题的方式并进行主动尝试。
发表于 2017-12-25 18:54 | 显示全部楼层
您需要登录后才可以回帖 登录 | 注册

本版积分规则

 

Processed in 0.447450 second(s), 33 queries

快速回复 返回顶部 返回列表