首页/文章/ 详情

前沿 | 中国机器人与智能制造2035发展战略

1月前浏览1037

 

制造业是我国国民经济主体和国家综合实力的根本保障,我国制造业规模从2010 年开始已连续十余年位居世界第一,为我国国民经济建设和国防安全提供了重要保障,有力支撑了航空、航天、航海等国家战略性产业自主创新。然而,我国先进制造技术水平以及创新能力尚落后于世界先进水平,还远不是制造强国,主要表现在:高性能复杂产品制造所需的关键装备和核心工艺不能自主可控,关键产品制造长期受制于人,成为制约我国高端制造业发展的“痛点”和“卡脖子”难题。因此,突破高端制造所需的关键装备和核心工艺,实现从制造大国向制造强国的跨越,实现航空、航天、航海等高端制造业的自主可控迫在眉睫。

 

▲ 智能制造的发展趋势与发展方向

 

随着计算机网络、人工智能(artificial intelligence,AI)、大数据、人机交互等新一代信息技术快速发展,信息技术与先进制造技术不断融合发展,先进制造逐渐向以智能感知、自适应、自学习、自决策为主要特征的智能制造方向发展。智能制造是先进制造发展的必然阶段,为我国制造业跨越式发展提供了历史性机遇。与此同时,随着制造对象尺度越来越大、产品结构越来越复杂、产品服役性能越来越高,以机床加工方式为核心的传统智能制造模式面临重大挑战,在超大工作空间内连续作业、超大尺寸工件全场景范围的精确测量、狭小空间范围内灵巧作业等方面体现出不足。相对于传统的数控机床,机器人化智能制造装备具有运动灵活度高、工作空间大、拓扑结构灵动可变、多机并行协调作业能力强等优势,且易于与多模态感知、人工智能、人机交互等技术无缝集成,能够适应更加复杂多变的加工环境,提升制造系统灵巧性和人机交互能力。因此,以机器人作为制造装备执行体的机器人化智能制造,正逐渐成为大型复杂构件智能制造的新模式,代表着智能制造重要的前沿方向


                             

← 左右滑动查看 详细信息 →

[“中国学科及前沿领域发展战略研究(2021—2035)”项目组编. 北京 : 科学出版社,2024.6]从国家战略需求出发,通过组织科研一线的中青年科研人员对国内外“制造强国”战略进行深度调研,并邀请机器人与智能制造领域的院士、知名教授、行业专家等进行了多次深入研讨,在此基础上力图厘清制造业特别是高端制造业以及机器人、智能制造技术发展的新需求、新特点、发展瓶颈等,提出机器人与智能制造的科学挑战、优先发展方向、关键核心技术。本书以航空、航天、航海等若干典型高端制造业为例,深入研究了机器人与智能制造技术同该行业发展瓶颈的关系,提出了促进行业发展的智能制造新战略、新模式、发展政策与建议,在此基础上形成了比较系统的机器人与智能制造发展方向咨询报告。


 


五个趋势研判


     

中国机器人与智能制造2035发展战略


本书在充分调研美国、德国、日本、韩国等制造技术强国以及我国机器人与智能制造学科发展历程、研究成果与创新能力的基础上,提出了机器人与智能制造的五个趋势研判

 

  • 机器人与机械学、材料学、数学、力学、信息科学、生物医学等多学科强烈共振,形成了具备与作业环境、人和其他机器人自然交互能力的新一代“共融机器人”;

  • 智能制造技术、机器人技术与信息技术不断深度融合,促使先进制造技术纷纷涌现,孕育着新的制造原理和概念,形成了创新原动力;

  • 新一代信息技术与制造业深度融合,引发制造装备、系统与模式的重大变革,制造模式向人机共融、泛在制造、无人化制造等方向发展;

  • 人工智能推动制造系统进化,新一代人工智能技术与先进制造技术的融合,促使智能制造朝自决策、自学习、自进化方向发展;

  • 利用机器人灵巧、顺应和协同等特点,将人类智慧和知识经验融入制造过程,通过机器人化智能制造实现非结构环境下的自律制造。

 


四个科学问题


     

中国机器人与智能制造2035发展战略


在此基础上,本书分析了机器人与智能制造的四个科学问题:

 

  • 非结构动态环境下人机共融与多机协同作业机制;

  • 多能场复合制造工艺智能创成与形性演变机理;

  • 模型与数据融合驱动的制造装备自律运行原理;

  • 智能制造系统物质流- 能量流- 信息流协同耦合机理。

 


五项关键技术


     

中国机器人与智能制造2035发展战略


在此基础上,探讨了机器人与智能制造的五项关键技术:

 

  • 全场景多模态跨尺度感知与人机协同制造;

  • 非结构动态环境下多机器人协同自律控制;

  • 在线测量—加工—监测一体化闭环制造技术;

  • 人- 信息- 物理制造系统数字孪生建模;

  • 不确定与不完全信息下制造系统多目标智能决策。

 


五大发展方向


     

中国机器人与智能制造2035发展战略


结合国内外研究现状与趋势,指出了机器人与智能制造的五大发展方向:


  • 非结构环境下人- 机- 环境共融制造;

  • 非友好作业环境下机器人化智能制造;

  • 基于泛在信息感知与操作融合的泛在制造;

  • 全生命周期绿色低碳制造;

  • 全要素全流程互联互通制造。

 


11个研究前沿


     

中国机器人与智能制造2035发展战略


从国家产业发展需求与战略需求方面,分析了机器人与智能制造的11 个研究前沿:

 

  • 共融机器人;

  • 智能化数控加工;

  • 精密与超精密智能制造;

  • 特种能场智能制造;

  • 智能成型制造;

  • 复杂机械系统智能装配;

  • 柔性微纳结构跨尺度制造;

  • 智能制造运行状态感知;

  • 工业互联网与制造大数据;

  • 数字孪生使能的智能车间与智能工厂;

  • 机器人化智能制造。

 


重点和优先发展领域方向


     

中国机器人与智能制造2035发展战略


最后,探讨了未来5~15 年的重点和优先发展领域方向:

 

  • 人- 机- 环境自然交互的共融机器人;

  • 新材料构件高效智能化加工新原理与控形控性制造;

  • 智能化绿色化精准复合成形制造理论与技术;

  • 大型/ 超大型空天装备高性能装配基础理论与技术;

  • 大数据与数字孪生模型驱动的制造系统运行优化理论和方法;

  • 大型复杂构件机器人化智能制造。

 

 

总体而言,我国机器人与智能制造的发展在汲取欧美等发达国家智能制造经验的基础上,必须遵循客观规律,立足国情、着眼长远,加强统筹谋划,积极应对挑战,抓住全球制造业分工调整和我国机器人与智能制造快速发展的战略机遇,全力补齐我国机器人与智能制造发展的短板,引导我国企业在机器人与智能制造方面走出一条具有中国特色的发展道路。


 

本文摘编自《中国机器人与智能制造2035发展战略》[“中国学科及前沿领域发展战略研究(2021—2035)”项目组编. 北京 : 科学出版社,2024.6]一书“前言”“摘要”,有删减修改,标题为编者所加。

 



(中国学科及前沿领域2035发展战略丛书)

 ISBN 978-7-03-078761-3

责任编辑:张 莉 姚培培

 

制造业是我国国民经济主体和国家综合实力的根本保障。本书从国家战略需求出发,对国内外制造强国战略进行深入调研,在此基础上力图厘清制造业特别是高端制造业以及机器人、智能制造技术发展的新需求、新特点、发展瓶颈等,提出机器人与智能制造的科学挑战、优先发展方向、关键核心技术。本书还以航空、航天、航海等若干典型高端制造业为例,研究机器人与智能制造技术和行业发展瓶颈的关系,提出促进机器人与智能制造前沿领域发展的政策建议。

 

本书为相关领域战略与管理专家、科技工作者、企业研发人员及高校师生提供了研究指引,为科研管理部门提供了决策参考,也是社会公众了解机器人与智能制造发展现状及趋势的重要读本。



来源:STEM与计算机方法
化学电路航空航天农业芯片海洋理论材料数字孪生控制工厂人工智能数控
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-10-20
最近编辑:1月前
江野
博士 等春风得意,等时间嘉许。
获赞 48粉丝 47文章 310课程 0
点赞
收藏
作者推荐

现代科学已死,人工智能是真正的赢家?

以下摘自诺贝尔奖官网:诺贝尔化学奖2024年诺贝尔化学奖是关于蛋白质的,蛋白质是生命中巧妙的化学工具。大卫·贝克成功地完成了几乎不可能完成的构建全新蛋白质的壮举。Demis Hassabis和John Jumper开发了一个人工智能模型来解决一个50年前的问题:预测蛋白质的复杂结构。这些发现具有巨大的潜力。生命的多样性证明了蛋白质作为化学工具的惊人能力。它们控制和驱动所有的化学反应,这些反应共同构成了生命的基础。蛋白质还充当激素、信号物质、抗体和不同组织的构建块。诺贝尔化学委员会主席海纳·林克说:“今年被认可的发现之一是构建壮观的蛋白质。另一个是实现一个50年的梦想:从氨基酸序列预测蛋白质结构。这两个发现都开辟了巨大的可能性。”。蛋白质通常由20种不同的氨基酸组成,它们可以被描述为生命的基石。2003年,David Baker成功地利用这些模块设计了一种不同于其他任何蛋白质的新蛋白质。从那时起,他的研究小组创造了一个又一个富有想象力的蛋白质,包括可用作药物、疫苗、纳米材料和微型传感器的蛋白质。第二个发现涉及蛋白质结构的预测。在蛋白质中,氨基酸以长串的形式连接在一起,折叠形成三维结构,这对蛋白质的功能至关重要。自20世纪70年代以来,研究人员一直试图从氨基酸序列中预测蛋白质结构,但这是出了名的困难。然而,四年前,有一个惊人的突破。2020年,Demis Hassabis和John Jumper提出了一个名为AlphaFold2的人工智能模型。在它的帮助下,他们已经能够预测研究人员鉴定出的几乎所有2亿种蛋白质的结构。自突破以来,AlphaFold2已被来自190个国家的200多万人使用。在众多科学应用中,研究人员现在可以更好地了解抗生素耐药性,并创建可以分解塑料的酶的图像。没有蛋白质,生命就不可能存在。我们现在可以预测蛋白质结构并设计自己的蛋白质,这给人类带来了最大的好处。诺贝尔物理学奖今年的两位诺贝尔物理学奖获得者使用了物理学的工具来开发方法,这些方法是当今强大的机器学习的基础。John Hopfield创造了一种联想记忆,可以存储和重建数据中的图像和其他类型的模式。Geoffrey Hinton发明了一种可以自主查找数据属性的方法,从而执行识别图片中 特定元素等任务。当我们谈论人工智能时,我们通常指的是使用人工神经网络的机器学习。这项技术最初是受大脑结构的启发。在人工神经网络中,大脑的神经元由具有不同值的节点表示。这些节点通过连接相互影响,这些连接可以比作突触,可以变得更强或更弱。例如,通过在同时具有高值的节点之间建立更强的连接来训练网络。今年的获奖者从20世纪80年代开始就对人工神经网络进行了重要的研究。John Hopfield发明了一种网络,它使用一种保存和重新创建模式的方法。我们可以把节点想象成像素。Hopfield网络利用物理学来描述材料因其原子自旋而产生的特性,这种特性使每个原子都成为一个微小的磁体。整个网络的描述方式相当于物理学中自旋系统的能量,并通过找到节点之间的连接值进行训练,以使保存的图像具有较低的能量。当Hopfield网络收到失真或不完整的图像时,它会有条不紊地通过节点并更新其值,从而使网络的能量下降。因此,网络逐步工作,找到最像它收到的不完美图像的保存图像。Geoffrey Hinton使用Hopfield网络作为使用不同方法的新网络的基础:玻尔兹曼机。这可以学习识别给定类型数据中的特征元素。Hinton使用了统计物理学的工具,统计物理学是一门由许多类似组件构建的系统科学。通过向机器提供机器运行时很可能出现的示例来训练机器。玻尔兹曼机器可用于对图像进行分类,或创建训练模式类型的新示例。Hinton在这项工作的基础上,帮助启动了当前机器学习的爆炸性发展。诺贝尔物理学委员会主席Ellen Moons说:“获奖者的工作已经带来了最大的好处。在物理学中,我们在广泛的领域使用人工神经网络,例如开发具有特定性能的新材料。”。似乎给人一种人工智能时代来临,传统的数学、物理、力学都没用了,以后都人工智能就可以了。包括人工智能的方法已经进入到了物理和力学的领域,也催生出了数据驱动这一科学研究范式。但就目前的科学研究而言,笔者还是不假思索地问一个问题:如果把足够多的数据都计算出来,结合当前先进的人工神经网络就可以准确做出预测那为什么你要计算那么多的数值模拟?你只做你需要的模型不就好了吗?如果一定要在数值模拟中大量使用人工智能,成为超越甚至是取代数值计算的地位,那就必须是人工智能可以通过类似数值计算的方式求解控制方程。如果上面说的能够做到,那确实算的又快又准,相比较于数值模拟有相当的优越性。但问题是,目前的数据驱动力学都只是做一些微小的调整,很少有能够主动学习数值求解控制方程的神经网络。结论就是:与其学习数据驱动力学的计算范式,不如提出能够学习数值分析方法(例如物质点法,有限元法,光滑粒子流体动力学)等算法的神经网络。所以,正确的逻辑应该是:提出会学习计算力学算法的神经网络部署模型,并给予不同的计算力学算法,让其不断学习物理问题的数值解直到看到一个力学问题就知道答案是什么所以,问题归根到底:不是科学已死,离不开人工智能,而是科学目前的理论深度还需要进一步加强并且应用到人工智能当中。 来源:STEM与计算机方法

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈