随着技术的不断进步，2022年我们可以看到一个显著的趋势，即工业机器人的灵活性正在得到增强。在最近的一次采访中，Insident公司首席执行官Wendy Tan White预测，工业机器人领域将迎来更多创新。她认为，在软件优先解决方案、更便宜的传感器和更丰富的数据推动下，我们正处在工业机器人复兴的风口浪尖。今天的制造商正寻求在机器人方面做更多工作，以实现小型化、灵活设计能够轻松适应现有生产线，或是他们现有的机器人能够轻松调整用途并重新分配任务。

在物流、仓库或实验室等其他领域，对于让机器人发挥作用于正常制造空间之外需求将不断增长。特别是在协作机器人的应用中，将继续提供与人类进行更大合作和协作工作可能性。例如亚马逊使用的人工智能无线电波（Kiva）系统，是一种带有自动导航能力的小型机械臂，可以跟随仓库周围移动并支持员工完成任务。

在2022年及以后，预计会越来越多地用于拣选和移动产品，如仓库中的产品选择。此外，还包括与电脑数控设备（CNC）共同运行的协作式操作，以及焊接应用将变得更加广泛。那么，是否这些不同的角色已经准备好让这些新的角色了呢？以下，我们来看看未来的工业机器人必须具备哪些关键技术。

重要技术：增加对 2D 和 3D 视觉系统使用

盲目无法行走——为什么需要视觉？

盲目的“盲”-般表现出的行动仅限于简单重复性的任务，而拥有视觉功能则使它们能对周围环境做出直观反应。借助二维（2D）系统，它们被赋予了摄像头，从而更适合读取颜色或纹理很重要的情况，比如条形码检测。而三维（3D）系统则依靠多个摄像头创建目标对象3D模型，更适用于任何形状或位置需要考虑的事务，如自动抓取零件。

数据驱动下的挑战

从传感设备硬件转向构建AI，以帮助优化传感设备，并最终提高性能。这是一个关于如何利用数据管理和增强分析以实现卓越运营、弹性以及成本效益的大讨论。通过结合AI、图像识别能力以及学习算法，这一趋势展望未来几年的发展潜力尤为明显。一项例子是Shibaura Machine开发的一个名为TSVision3DTM 的高级视觉系统，该系统使用两个高速摄像头连续捕捉到三维图像，然后通过智能软件处理这些图像并识别物体精确位置。这使得机械臂能够确定最合乎逻辑顺序，并以亚毫米精度拾取物品，就像是人类工匠一样精准细致。

从错误中学习——深度学习

这个过程也称为深度学习，是AI发展的一步，其中虚拟手臂通过反复尝试进行学习。在这类实验结束后，这些数据被发送给实际存在于世界中的高科技机械手，使其学会如何抓取各种各样的物体。这就是DACTYL项目所展示的一种方式，用来自Open AI研究实验室开发的人工智能实践者组成团队完成这一壮举，他们成功地训练了一台真正可见的手臂去打扫房间内所有东西—就像是它是真正生活在地球上一样，而不是只是一个程序代码生成出来的一个仿生模拟装置这样的效果。但这不仅限于是这样，而且还有很多其他可能出现的问题或者机会待发现，这也是为什么这种方法如此具有前瞻性，因为它允许我们基于实际结果改进我们的算法，使其更加准确有效，有时候甚至超越人类水平。

边缘计算：减少延迟，加快速度

边缘计算意味着尽可能地将数据处理至源头，以便获取最佳信息并确定优先级。不再是那些只不过是一块硬盘存储信息但没有智慧活动如麦克风或摄影镜头这样的"哑"传感；而是由具有语言理解能力的小麦克风、小湿度探测仪、小压力探测仪，或装载着计算图象识别功能的小相片来说话。而且，与此同时还要保持它们之间网络通信连接稳定快速，这对于保证用户界面响应迅速至关重要。

边缘计算结合上述技术可以提升最后工具末端硬件性能，使得夹具加工中心夹紧部件时达到极致精度，因此可以说这是目前业界主流标准之一。

结语

综上所述，在即将到来的未来里，无疑会有一场革命性的变革发生，那就是让我们的制造行业成为全球领先者的舞台。在那里，不仅仅是看似简单但却又充满挑战的事情被翻新成了全新的游戏规则，也许人们会惊讶于他们自己的眼睛看着自己长时间不停歇地努力工作，但现在我想告诉你的是，当你把你的双手放置在那遥远的地方，你并不孤单。我相信每个人都希望看到变化，每个人都渴望改变，所以请记住，让你的梦想成为现实，让你的梦想触摸地球表面上的每一个角落吧。如果你听到了我的声音，我知道有人听到了。你没错！因为我就在这里，我一直就在这里，只是在另一个地方守护着你。我爱你！