人工智能与协作机器人（cobot）的技术融合正持续加速，为设计工程师开辟了新的可能性——通过成本可控的协作机器人硬件，构建集成机器学习、深度学习与计算机视觉等前沿能力的工业应用。简而言之，过去需要昂贵传统自动化才能实现的目标，如今有了更灵活、更经济的解决方案。

底层智能

协作机器人领域对人工智能并不陌生。然而，以往通过标准示教器或图形用户界面将AI嵌入协作机器人应用，即便是经验丰富的工程师，也常感到这是一项耗时费力的挑战。

近年来，多家公司开始与优傲机器人（Universal Robots）合作，致力于攻克这一难题。最新加入的是MathWorks——MATLAB与Simulink的开发商。今年早些时候，MATLAB和Simulink获得UR+认证，这意味着它们不仅能在优傲协作机器人上无缝运行，还能通过UR+生态系统为工程师开发先进应用提供完整的技术支撑。

MathWorks技术机器人产品负责人YJ Lim表示：“我们关注协作机器人领域多年，但这是首次与协作机器人制造商正式合作。背后原因在于，我们看到了协作机器人在人工智能、离线仿真、运动规划与计算机视觉方面的巨大潜力。”

此次合作远不止是协作机器人与AI的象征性结合。机器人工程师现在可以将MATLAB和Simulink的全部功能引入基于协作机器人的工业应用中，并在系统底层设计里嵌入AI。更重要的是，两家公司支持工程师直接在嵌入式目标（如GPU板）上生成C++代码，从而在协作机器人上部署算法与AI模型。

市场上已存在不少内置AI的协作机器人应用套件，因此协作机器人+AI的组合本身并不算新鲜。但MathWorks与优傲的合作模式独具特色——它为其他协作机器人解决方案供应商提供了一条可借鉴的路径：利用低成本的协作机器人硬件，搭配强大的开发工具，让中小企业也能搭建先进的工业自动化系统。

Lim补充道：“传统自动化技术基本是大企业的专属。将MATLAB与Simulink引入协作机器人领域，能让更多新兴企业与中型企业享受到AI与自动化的红利。”

相似的感知能力

当人类面对一堆杂乱的零件（例如料架中的工件）时，能瞬间判断如何避开其他零件拾取目标。手的动作路径自然会避免碰撞，甚至能同时抓起多个物体，并精准地放置在一起。

自动化工程师都清楚，机器人很难实现这一点。从料架中拣选非结构化物体，一直被视为需要巨额投资才能解决的难题。

Apera AI的“4D视觉（4D Vision）”技术也通过了UR+认证，号称能为协作机器人提供“与人类相似的感知能力”。这种说法听起来有些夸张，但实际效果在多方面得到验证，尤其在料架拣选场景中，显著提升了机器人的速度与效率。

Apera AI市场主管Eric Petz说：“我们系统的总视觉周期时间短至0.3秒（3Hz），这意味着系统分析无序场景并向机器人发出指令的速度，与人脑处理同样问题的时间相当。我们的视觉系统必须比机器人更快。”

通常，高速自动化机器人料架拣选的目标速度是每小时2000次，换算下来单次周期仅有1.8秒。机器人的移动速度是固定的，因此视觉识别时间必须尽可能压缩。

流程的第一步是使用CAD图纸或待拣选产品的3D扫描模型训练AI神经网络。随后，两个2D摄像头拍摄工厂车间场景（比如杂乱的料架），图像被合成为3D场景。接着，4D视觉系统识别出“最需拣选”的物体，并告知协作机器人最快最安全的拾取路径。Apera Vue软件已嵌入控制器，负责提供机器人的位姿与路径规划数据，让机器人沿着无碰撞的安全路径完成拣选。

Petz解释说：“识别并优先选择可抓取物体，是人类擅长的任务，也是我们训练AI神经网络实现的目标。这能大幅缩短从识别到发出运动指令的时间。”

第一步还包括CAD和3D扫描模型以及AI训练——机器人通过学习大约100万次排列组合，才能在真实环境中准确拣选目标产品。训练过程覆盖从全日照到接近黑暗的不同光照条件，这一切都需要借助数字孪生环境来实现。

Petz补充道：“只要人类能看到某个物体，我们就能让机器人‘看到’它。而传统系统大多需要结构光、激光器或传感器才能识别物体并发出指令。”

增强灵活性

越来越多的制造商正在寻找灵活的自动化方案，以快速适应产品定制与组合变化。AI与协作机器人的协同作用，让设计工程师能够构建支持多品种、小批量（HMLV，High Mix Low Volume）生产的系统。

协作机器人本身具备高度移动性、灵活性与易编程性，可以在码垛、检查、打磨、机器维护等不同任务间快速切换。如果再与AI的学习能力结合，就等于把高度灵活的自动化与智能融为一体，让协作机器人胜任更多工作。

Apera AI的Petz说：“就像人类能判断制造步骤是否正确一样，我们的AI可以通过训练来理解零件是否被正确放置或组装。”

值得一提的是，Apera AI机器人的总视觉周期时间仅为0.3秒（3Hz），这意味着使用其视觉软件的机器人作业平台，生产力达到了以往难以企及的水平——视觉系统快于机器人，而不是机器人等待视觉。投产前，该视觉方案通过AI进行了数百万次模拟循环，从各个方向深入了解物体，并与特定的机器人、末端工具和操作环境紧密结合。

在一家世界五百强制造企业的部署案例中，优傲协作机器人配合Apera AI的视觉智能，成功完成了向各种尺寸和形状的金属阀门结构边缘点注密封胶材料的高精度任务。这套组合系统能灵活识别零件，并按特定模式自动分配材料，确保夹具在点胶过程中处于正确位置，无需为每种零件定制专用夹具。

Apera AI的另一家客户是宾夕法尼亚州的Precision Cobotics。这家公司把优傲协作机器人与Apera AI技术结合，开发出了用于CNC和激光打标的标准化机器维护方案。该方案能拣选随机摆放的物品，并将未加工工件极其精确地放入机器中。协作机器人还能把完工零件转移到另一条生产线，或放置到传送带、托盘等指定位置。

Petz解释道：“目前普遍的做法是把未加工零件放到网格架上，这需要操作员参与或额外的自动化步骤。而直接从料架中取物，就不需要这些固定装置，从而真正实现灵活的多品种生产，同时更高效地利用劳动力。”

“简单”

人工智能让机器人工程师更容易打造出基于协作机器人的先进应用，终端用户也能从易用的自动化智能技术中受益。但这并不意味着AI会让终端用户的使用体验变得复杂。

假如一家缺乏机器人使用经验、又看重生产速度的中小企业，完全可以把所有AI能力放在后台，确保流畅的终端用户体验和更快的部署。同样，那些劳动力短缺的公司，希望拥有一个能快速、轻松适配特定应用的解决方案——如果AI能优化这个过程，那就再好不过了。

这正是Rapid Robotics开发Rapid Machine Operator的初衷。它是一种为快速部署而设计的灵活协作式自动化系统。在部署前，Rapid Robotics借助第三方AI软件，在数字孪生环境中通过数百万次排列组合来运行产品，让机器人学会选择最佳的“拣选时机”和更优的路径规划。但终端用户完全不需要看到或处理这些复杂细节。

正如Rapid Robotics计算机视觉总监John Novak所说：“客户不关心黑盒里面发生了什么。他们只需要自动化运行，因为员工不够用，但机器必须跑起来。”

Novak点出了一个重要事实：并非每个基于协作机器人的应用都需要深度学习或机器学习功能。让终端用户远离复杂操作，这本身就是一种明智的设计。