摘要：目前，汽車制造產(chǎn)線基本實(shí)現(xiàn)了自動化，產(chǎn)線中的工業(yè)機(jī)器人等設(shè)備按照預(yù)設(shè)程序進(jìn)行自動化作業(yè)。針對汽車制造產(chǎn)線的產(chǎn)品需求或車間環(huán)境變化時(shí)，工業(yè)機(jī)器人等設(shè)備的預(yù)設(shè)程序需要重新設(shè)計(jì)，導(dǎo)致產(chǎn)線靈活性不足、應(yīng)變能力差等問題，探析基于人工智能技術(shù)驅(qū)動的汽車制造產(chǎn)線自主感知、學(xué)習(xí)、規(guī)劃和決策的發(fā)展方向，旨在提高產(chǎn)線面對新產(chǎn)品、新工藝、新設(shè)備的適應(yīng)能力，增強(qiáng)產(chǎn)線設(shè)備面對多變環(huán)境中突發(fā)事件的應(yīng)對能力。

關(guān)鍵詞：汽車制造業(yè)；人工智能；交互協(xié)同；事件推演；自主決策

中圖分類號：TP311.5 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-2605（2024）05-0002-04

DOI：10.3969/j.issn.1674-2605.2024.05.002 開放獲取

Exploration of Artificial Intelligence Empowering the Automotive Manufacturing Industry

WANG Hongkuan CHEN Shaowei CUI Wei LU Hongjie CAI Yanjun

（China Academy of Electrical Sciences Co.， Ltd.， Guangzhou 510300， China）

Abstract： Currently， automobile manufacturing production lines have basically achieved automation， and industrial robots and other equipment in the production line perform automated operations according to preset programs. In response to the product demand or workshop environment changes in the automotive manufacturing production line， the preset programs of industrial robots and other equipment need to be redesigned， and the flexibility and adaptability are poor. This article explores the development direction of autonomous perception， learning， planning， and decision-making in the automotive manufacturing production line driven by artificial intelligence technology， aiming to improve the adaptability of the production line to new products， processes， and equipment， and enhance the ability of the production line equipment to respond to emergencies in changing environments.

Keywords： automobile manufacturing industry; artificial intelligence; interactive collaboration; event deduction; autonomous decision-making

0 引言

汽車行業(yè)作為規(guī)模經(jīng)濟(jì)的典型范例，具有資本密集性、設(shè)備密集性與勞動密集性等特征。隨著“工業(yè)4.0”的推進(jìn)，自動化技術(shù)在汽車制造業(yè)得到了廣泛應(yīng)用。目前，汽車制造產(chǎn)線已基本實(shí)現(xiàn)自動化，產(chǎn)線中的工業(yè)機(jī)器人[1]等設(shè)備按照預(yù)設(shè)程序進(jìn)行自動化作業(yè)。然而，當(dāng)產(chǎn)品需求或車間生產(chǎn)環(huán)境發(fā)生變動時(shí)，工業(yè)機(jī)器人等設(shè)備的預(yù)設(shè)程序需要重新設(shè)計(jì)?？紤]到汽車實(shí)際生產(chǎn)過程中設(shè)備繁多、環(huán)境多變且存在各種突發(fā)情況，

有必要開發(fā)一條自主感知、學(xué)習(xí)、規(guī)劃和決策的全智能汽車制造產(chǎn)線，以減少人力成本，提高生產(chǎn)效率。

近年來，隨著算法創(chuàng)新、算力提升和數(shù)據(jù)增長，人工智能技術(shù)在語義理解、知識表示、邏輯推理等方面實(shí)現(xiàn)了跨越式突破。深度融合人工智能技術(shù)，不斷提升汽車制造效率[2]，推動汽車產(chǎn)業(yè)向更加智能、高效的方向發(fā)展已成為行業(yè)共識[3]。

基于上述現(xiàn)狀，本文提出一種基于群體智能算法、跨媒體事件推演算法、大模型技術(shù)的汽車制造產(chǎn)線自主感知、學(xué)習(xí)、規(guī)劃和決策的未來方向探析，旨在提高產(chǎn)線面對新產(chǎn)品、新工藝、新設(shè)備的適應(yīng)能力，增強(qiáng)產(chǎn)線設(shè)備面對多變環(huán)境中突發(fā)事件的應(yīng)對能力。

1 多異構(gòu)機(jī)器人交互協(xié)同

汽車生產(chǎn)任務(wù)需要多個(gè)機(jī)器人相互協(xié)同完成，汽車自動化制造產(chǎn)線包含大量的機(jī)器人，如焊接、涂膠、搬運(yùn)、檢測等機(jī)器人。為了建立全智能汽車制造產(chǎn)線，需要解決這些機(jī)器人之間的異質(zhì)性。本文通過分析多異構(gòu)機(jī)器人的特性，構(gòu)建多異構(gòu)機(jī)器人交互協(xié)同模型，研究群體智能算法，基于不同復(fù)雜環(huán)境制定多異構(gòu)機(jī)器人通用協(xié)同控制框架[4]，關(guān)鍵技術(shù)路線如下：

1） 根據(jù)焊接、涂膠、搬運(yùn)、檢測和自動導(dǎo)引車等機(jī)器人在感知、運(yùn)動、通信等方面的異構(gòu)特性，確定多異構(gòu)機(jī)器人的層次結(jié)構(gòu)，明晰層次與機(jī)器人之間的通信協(xié)議，制定適用的數(shù)據(jù)信息交互標(biāo)準(zhǔn)和策略，實(shí)現(xiàn)多異構(gòu)機(jī)器人交互協(xié)同體系建模；

2） 根據(jù)多異構(gòu)機(jī)器人之間的約束與依賴關(guān)系，整合機(jī)器人的多源數(shù)據(jù)信息，建立多約束、多目標(biāo)的數(shù)學(xué)模型，構(gòu)建多模態(tài)群體智能算法，得到其在目標(biāo)分配、任務(wù)規(guī)劃、軌跡優(yōu)化等模塊的最優(yōu)解；

3） 針對汽車制造產(chǎn)線的復(fù)雜任務(wù)和多變環(huán)境，通過強(qiáng)化學(xué)習(xí)使機(jī)器人與環(huán)境交互，獲得最優(yōu)控制策略；基于遷移學(xué)習(xí)加速新環(huán)境下的知識學(xué)習(xí)和策略遷移，實(shí)現(xiàn)多異構(gòu)機(jī)器人在復(fù)雜多變環(huán)境下建立通用的協(xié)同控制框架。

2 跨媒體事件推演

多異構(gòu)機(jī)器人實(shí)現(xiàn)相互協(xié)同后，需結(jié)合產(chǎn)線上所有機(jī)器人的感知數(shù)據(jù)，匹配生產(chǎn)計(jì)劃，完成汽車生產(chǎn)任務(wù)的推演?？缑襟w事件推演核心流程如圖1所示。

跨媒體事件推演實(shí)現(xiàn)方式如下：

1） 通過數(shù)據(jù)挖掘、模式識別、關(guān)聯(lián)規(guī)則挖掘、分類聚類等操作，提取多異構(gòu)機(jī)器人中有價(jià)值的數(shù)據(jù)信息和潛在規(guī)律[5]，構(gòu)建多異構(gòu)機(jī)器人的數(shù)字化模型，建立多異構(gòu)機(jī)器人行為特性與事件要求之間的映射關(guān)系；

2） 使用對象檢測、行為識別、場景理解等算法，從文本、圖像和視頻中提取有意義的特征和事件，通過多模態(tài)融合算法對不同媒體特征進(jìn)行有效融合，形成統(tǒng)一的跨媒體特征表示。通過分析不同事件之間的關(guān)聯(lián)性，構(gòu)建事件演進(jìn)的邏輯關(guān)系；采用隱馬爾可夫、長短時(shí)記憶網(wǎng)絡(luò)等模型預(yù)測事件的發(fā)展趨勢 [6]，實(shí)現(xiàn)跨媒體事件的推演；

3） 采用循環(huán)神經(jīng)網(wǎng)絡(luò)及其變體、生成對抗網(wǎng)絡(luò)捕捉序列數(shù)據(jù)之間的長期依賴關(guān)系，從汽車制造產(chǎn)線的歷史數(shù)據(jù)中學(xué)習(xí)，增強(qiáng)模型的泛化能力；同時(shí)，利用在線梯度下降算法，在每個(gè)新的數(shù)據(jù)點(diǎn)到達(dá)時(shí)更新模型參數(shù)[7]，實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)，并通過強(qiáng)化學(xué)習(xí)算法與環(huán)境交互學(xué)習(xí)策略，利用歷史數(shù)據(jù)構(gòu)建狀態(tài)轉(zhuǎn)移概率和獎勵函數(shù)的估計(jì)，實(shí)現(xiàn)推演算法的自適應(yīng)學(xué)習(xí)與優(yōu)化。

3 生成式大模型微調(diào)訓(xùn)練

生成式大模型是構(gòu)建全智能汽車制造產(chǎn)線及實(shí)現(xiàn)多異構(gòu)機(jī)器人交互協(xié)同的核心[8]。生成式大模型微調(diào)訓(xùn)練流程如圖2所示。

圖2 生成式大模型微調(diào)訓(xùn)練流程

本文基于Transformer模型收集多源數(shù)據(jù)，建立工業(yè)知識庫，結(jié)合ChatGPT、Diffusers等大模型進(jìn)行微調(diào)訓(xùn)練，并利用CLIP Score、Inception Score、Fré-chet Inception Distance等作為模型評價(jià)指標(biāo)[9-12]，構(gòu)建基于反饋機(jī)制的全智能汽車制造產(chǎn)線大模型，核心步驟如下：

1） 通過對汽車制造產(chǎn)線中大量的工業(yè)數(shù)據(jù)，如行業(yè)規(guī)范、車間參數(shù)、產(chǎn)品信息、生產(chǎn)計(jì)劃、設(shè)備參數(shù)、工藝方案等進(jìn)行清洗、整合、對齊，分析多源數(shù)據(jù)與生產(chǎn)任務(wù)相關(guān)的特征，構(gòu)建真實(shí)需求與設(shè)計(jì)方案之間映射關(guān)系的汽車制造產(chǎn)線工業(yè)知識庫；

2） 通過工業(yè)數(shù)據(jù)特征提取及實(shí)際生產(chǎn)任務(wù)深度理解的方法，設(shè)計(jì)生成式大模型架構(gòu)，并利用生產(chǎn)數(shù)據(jù)進(jìn)行針對性地微調(diào)訓(xùn)練；在迭代訓(xùn)練過程中，持續(xù)監(jiān)督模型在獨(dú)立驗(yàn)證集上的性能指標(biāo)，采取超參數(shù)調(diào)整、數(shù)據(jù)增強(qiáng)技術(shù)、模型結(jié)構(gòu)改造及集成學(xué)習(xí)算法融合等優(yōu)化策略，構(gòu)建在協(xié)同作業(yè)任務(wù)中具有優(yōu)異性能和泛化能力的生成式大模型；

3） 通過分析模型的決策過程和內(nèi)部邏輯，基于特征重要性分析和可視化技術(shù)，解釋生成式大模型在汽車制造產(chǎn)線中的行為和生成結(jié)果，增強(qiáng)模型的透明度和可靠性；同時(shí)，考慮到突發(fā)事件、環(huán)境變化、異常數(shù)據(jù)與噪聲等因素的影響，通過對抗性訓(xùn)練等方法，提高模型在實(shí)際生產(chǎn)中的魯棒性，增強(qiáng)模型對復(fù)雜多變環(huán)境的適應(yīng)能力。

4 方案構(gòu)想

上述方案若在實(shí)際的汽車制造產(chǎn)線中實(shí)現(xiàn)，需要搭建算法平臺，以驗(yàn)證算法和模型的有效性。然而在實(shí)際的汽車制造產(chǎn)線環(huán)境中，不僅要保證平臺的實(shí)時(shí)性、安全性、高效性，還要保證平臺在不同場景下的有效性[13]。因此，需要在產(chǎn)線數(shù)據(jù)收發(fā)、模型運(yùn)行、可視化驗(yàn)證等方面進(jìn)行研究，其關(guān)鍵點(diǎn)在于：

1） 針對汽車制造產(chǎn)線中跨媒體數(shù)據(jù)實(shí)時(shí)傳輸帶寬資源占用大的問題，基于實(shí)時(shí)傳輸協(xié)議、壓縮編碼等技術(shù)，實(shí)現(xiàn)跨媒體數(shù)據(jù)傳輸?shù)馁|(zhì)量和穩(wěn)定性；通過加密、身份驗(yàn)證和訪問控制等方式，保證跨媒體數(shù)據(jù)的安全性；

2） 利用分布式計(jì)算技術(shù)，將汽車生產(chǎn)任務(wù)分解成多個(gè)小任務(wù)，并分配給多個(gè)計(jì)算節(jié)點(diǎn)進(jìn)行并行處理，以提升模型訓(xùn)練與推理的速度；采用分布式存儲技術(shù)，將數(shù)據(jù)分布在多個(gè)存儲節(jié)點(diǎn)上，以提高系統(tǒng)的存儲效率；構(gòu)建一種分布式熔斷機(jī)制，當(dāng)服務(wù)出現(xiàn)故障或異常時(shí)，自動切斷該服務(wù)的訪問，保證分布式計(jì)算與存儲的穩(wěn)定性；

3） 針對生成式大模型與事件推演模型的可用性與解釋性，開發(fā)可視化工具，展示模型的輸入、輸出和決策過程，結(jié)構(gòu)化存儲模型的輸入數(shù)據(jù)、參數(shù)和計(jì)算過程，并在實(shí)際的汽車制造產(chǎn)線中進(jìn)行驗(yàn)證與應(yīng)用。

5 結(jié)束語

人工智能技術(shù)在汽車制造業(yè)領(lǐng)域的應(yīng)用正深刻改變著行業(yè)面貌。為了提高汽車制造產(chǎn)線面對新產(chǎn)品、新工藝、新設(shè)備的適應(yīng)能力，增強(qiáng)產(chǎn)線設(shè)備面對多變環(huán)境中突發(fā)事件的應(yīng)對能力，本文提出了一種基于群體智能算法、跨媒體事件推演算法、大模型技術(shù)的汽車制造產(chǎn)線自主感知、學(xué)習(xí)、規(guī)劃和決策的方案構(gòu)想，為最終形成一個(gè)基于動態(tài)復(fù)雜環(huán)境的生成式計(jì)算與事件推演平臺提供探索路徑。未來，隨著技術(shù)的不斷進(jìn)步，人工智能將在汽車制造業(yè)中發(fā)揮更加重要的作用，引領(lǐng)行業(yè)邁向新的高峰。

?The author（s） 2024. This is an open access article under the CC BY-NC-ND 4.0 License （https：//creativecommons.org/licenses/ by-nc-nd/4.0/）

參考文獻(xiàn)

[1] 代辛宇.人工智能在工業(yè)機(jī)器人系統(tǒng)中的應(yīng)用[J].中阿科技論壇（中英文），2021（1）：99-101.

[2] 王玲.人工智能技術(shù)在汽車制造業(yè)復(fù)雜機(jī)器人工位的應(yīng)用[J].汽車制造業(yè)，2024（3）：36-38;42.

[3] 白旭航.人工智能技術(shù)在工業(yè)機(jī)器人系統(tǒng)中的應(yīng)用研究[J].信息系統(tǒng)工程，2018（12）：91;93.

[4] 賈英霞，王東輝.基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的工業(yè)機(jī)器人雙臂協(xié)同魯棒控制[J].現(xiàn)代制造工程，2024（6）：61-68.

[5] 王澤桐.智能控制策略在機(jī)械自動化系統(tǒng)中的應(yīng)用研究[J].造紙裝備及材料，2023，52（9）：50-52.

[6] 袁海亮，薛強(qiáng)，王海玲，等.基于工業(yè)機(jī)器人與機(jī)器視覺的紅外傳感器裝配系統(tǒng)設(shè)計(jì)[J].制造技術(shù)與機(jī)床，2023（6）：33-38.

[7] 姚翔宇.多機(jī)器人系統(tǒng)分析及分布式協(xié)同控制研究[D].武漢：中國地質(zhì)大學(xué)，2021.

[8] 王耀南，江一鳴，姜嬌，等.機(jī)器人感知與控制關(guān)鍵技術(shù)及其智能制造應(yīng)用[J].自動化學(xué)報(bào)，2023，49（3）：494-513.

[9] 張彥敏，陳明.制約中國智能制造發(fā)展問題探討[J].金屬加工 （冷加工）， 2023（4）：1-9.

[10] 林錦州，于英杰，郝樹新.人工智能在汽車制造智能化升級中的應(yīng)用[J].新型工業(yè)化，2019，9（9）：58-62.

[11] 丁惟云，張殿平，馬春輝，等.基于人工智能平臺的汽車制造技術(shù)發(fā)展分析[J].中國設(shè)備工程，2022（23）：24-25;266.

[12] 姚芳，彭德奇.人工智能技術(shù)在汽車制造領(lǐng)域的應(yīng)用研究[J].汽車測試報(bào)告，2023（7）：34-36.

[13] 董傳龍，戈月紅.人工智能技術(shù)在汽車制造中的應(yīng)用[J].汽車測試報(bào)告，2023（19）：29-31.

作者簡介：

王宏寬，男，1989年生，本科，工程師，主要研究方向：公司汽車制造工藝。E-mail： wanghk@cei1958.com

陳少偉，男，1981年生，博士研究生，工程師，主要研究方向：整車集成設(shè)計(jì)與制造。E-mail： shaowei.chen@live.com

崔偉，男，1971年生，本科，正高級工程師，主要研究方向：汽車制造工藝。E-mail： cuiw@cei1958.com

陸宏杰，男，1982年生，本科，高級工程師，主要研究方向：汽車裝備研發(fā)。E-mail： luhj@cei1958.com

蔡燕君，女，1981年生，本科，高級工程師，主要研究方向：軟件開發(fā)。E-mail： caiyj@cei1958.com