11月3日，致远创新（上海）科技有限公司（简称：致远机器人）宣布，公司研发的真机强化学习技术首次从学术论文阶段走向产业应用。目前已与隆启科技合作在验证产线成功实施。相关第三方可验证的实验数据将在后续部署中公布。致远提出了真机强化学习解决方案。真实强化学习技术是指让AI算法直接在真实物理设备上进行强化学习（RL）训练的技术。简而言之，它让机器人不仅可以在虚拟仿真环境中学习策略，也可以直接在真机上通过试错来学习最优行为。国外多项学术研究表明，钢筋的应用工业机器人领域的学习潜力巨大，但从仿真环境到真机到工业规模的稳定拓展仍面临诸多挑战。在机器人研究领域，目前大部分还停留在研究阶段，尚未走向工业生产线应用。真机强化学习技术被理解为让机器人在真实生产线上自主学习并不断优化操作策略。新技能训练和稳定部署只需几十分钟，整个过程性能不降低。当线路、型号或精简配置发生变化时，系统在部署过程中只需要对硬件和标准进行最小程度的改变，可以显着提高灵活性，减少部署时间和成本。致远机器人合伙人、首席科学家罗建兰告诉澎湃新闻（www.thepaper.cn），该方案目前已进入正常运行状态化。最大的突破点在于其性能能够真正在工厂部署AI模型，达到100%的准确率。在联调机制下，工业生产线的故障率被控制在生产线的验收范围内。罗建兰表示，行业生产线相当保守，传统的贪婪自动化很难在不确定场景下同时实现高精度、高成功率和灵活性，而真机强化学习技术可以更好地解决这一问题。真机的强化学习技术几乎80%都会用在线路的集中装车和换装上。长期以来，精密生产线面临着严重的瓶颈。传统机械臂依赖于复杂的夹具设计和现场改造，导致调试周期长、更换成本高。虽然“视觉+”等灵活的解决方案与传统解决方案相比，真机强化学习技术具有超快部署、超高适配和灵活模型变更三大优势，可在不同工作站、不同产品线快速迁移复用，训练周期从“几周”缩短到“几十分钟”，效率大幅提升；克服材料位置偏差和尺寸公差等干扰，在长期运行中继续保持工业稳定性和100%的任务完成率。但是，与模拟学习相比，真机强化学习技术可能面临着控制成本如此高的问题。建兰表示，再机加固技术研究的优势体现在两个方面：直接成本与产能直接挂钩，提高了生产效率；在隐性成本方面，它具有高模块化和高灵活性的特点，并且在不同进程之间切换非常方便，只需要很少的硬件调整。罗建兰强调，“随着经验的积累，这套系统将更快、更便宜地安装在新的生产线上。”他说这是一套可管理、可复制和可扩展的工具。未来将按照搭建乐高积木的通用模板进行推广，并逐步从3C扩展到汽车、家电、医疗等领域。 特别声明：以上内容（如有则包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注：以上内容（包括图片和视频，如有）由网易HAO用户上传发布，网易HAO为社交媒体平台，仅提供信息存储服务。