聯(lián)想發(fā)布首款自研工業(yè)機器人，用5G技術(shù)給國產(chǎn)大飛機噴漆

賈浩楠 2020-10-28 13:59:34 來源：量子位

賈浩楠 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

36歲的聯(lián)想，“轉(zhuǎn)行”干起了服務(wù)業(yè)。

剛剛結(jié)束的聯(lián)想Techworld 2020大會，第一日主題是“行業(yè)智能日”，只字未提人們熟悉的PC等個人電子消費品。

縱觀整個大會日程，聯(lián)想無時不在向外界傳達：我們早已轉(zhuǎn)型搞起了服務(wù)業(yè)。

聯(lián)想要服務(wù)的，是工業(yè)互聯(lián)網(wǎng)、5G、企業(yè)AI方案；

而服務(wù)的具體內(nèi)容，總結(jié)一下，是以聯(lián)想優(yōu)勢的邊緣AI技術(shù)為基礎(chǔ)，幫助企業(yè)在生產(chǎn)中實現(xiàn)5G、AI、物聯(lián)網(wǎng)的高效融合。

對了，“行業(yè)智能日”還有一款亮點硬件設(shè)備，那就是首次亮相的聯(lián)想自研工業(yè)機器人。

聯(lián)想首款自研工業(yè)機器人

聯(lián)想CTO芮勇博士，在介紹聯(lián)想的邊緣AI技術(shù)進展時，低調(diào)帶出了這款名為“晨星”的工業(yè)機器人。

這款機器人，是聯(lián)想與中國商飛集團合作的機身噴涂作業(yè)機器人，能讓工人通過機器人精準地執(zhí)行遠程噴漆工作，并學習工人的操作流程，形成標準的施工動作。

這款機器人，已經(jīng)使用在了國產(chǎn)大飛機的生產(chǎn)中。在工作場景中，首先，機器人會對整個車間進行空間掃描感知，數(shù)據(jù)在邊緣側(cè)的虛擬機上實時三維建圖和渲染，并通過容器化的SLAM技術(shù)，導航定位，移動至指定的噴漆間。

機器人的雙目立體相機將操作臺的工件和周邊情況實時采集到邊緣服務(wù)器。邊緣服務(wù)器隨后將3D視頻流實時推送到AR眼鏡。

而工人通過AR眼鏡和手柄遠程操縱機器人同步執(zhí)行噴漆，手感完全等同于親臨現(xiàn)場。這樣操作一次自然示教之后，該零部件的噴漆能力就保存在了邊緣側(cè)，之后對于同樣規(guī)格的零部件，機器人就能實現(xiàn)自主噴涂。

此外，機器人還能進行基于計算機視覺的噴涂質(zhì)量自動檢測。

芮勇博士通過這款機器人，帶出了聯(lián)想關(guān)鍵的邊緣AI技術(shù)。

聯(lián)想邊緣智能計算布局中，重點是邊緣智能和基礎(chǔ)架構(gòu)，且每一層都有獨特的技術(shù)。

基礎(chǔ)架構(gòu)層，聯(lián)想的具體產(chǎn)品是邊緣計算平臺LECP (Lenovo Edge Computing Platform)，它能夠和聯(lián)想的各種邊緣設(shè)備深度融合，為邊緣場景下的業(yè)務(wù)提供網(wǎng)絡(luò)及算力實時動態(tài)的感知調(diào)度，以及統(tǒng)一自主的運維管理。

而其中的關(guān)鍵，是混合輕量級虛擬化引擎。

當云計算能力下沉到行業(yè)場景時，往往存在設(shè)備空間、耗電量等諸多限制因素，進而限制了計算存儲等基礎(chǔ)資源規(guī)模，因此需要運行其上的邊緣計算平臺向輕量化發(fā)展。

另一方面，邊緣平臺上仍然需要承載原來云端所承載的多種邊緣智能應用，而這些應用有些需要跑在容器上，有些需要跑在虛擬機上。

傳統(tǒng)的虛擬機及容器通常是由兩套獨立的虛擬化堆棧來分別實現(xiàn)。但這樣的虛擬機和容器的兩套方案會導致虛擬化開銷大、資源利用率低，并且不能混合編排和管理。

聯(lián)想的混合輕量級虛擬化引擎，通過一個虛擬化可執(zhí)行程序，同時虛擬出輕量級虛擬機和安全容器，有效降低了虛擬化開銷，縮短了啟動時間。效率和性能大幅提升，實現(xiàn)了虛擬機和容器在虛擬化引擎層的深度融合。

再看邊緣智能層。云側(cè)模型為追求精度一般體積較大，在邊緣側(cè)執(zhí)行時，需要根據(jù)可用資源進行模型裁剪。

聯(lián)想推出了漸近式模型優(yōu)化技術(shù)。以深度學習卷積神經(jīng)網(wǎng)絡(luò)模型為例，該技術(shù)可以自適應調(diào)整卷積層的裁剪比例，根據(jù)場景漸進式優(yōu)化模型。

模型下發(fā)到邊緣側(cè)之后，AI任務(wù)協(xié)同計算技術(shù)不是把云邊端看成是分割開來的資源，而是把云邊端視為一個統(tǒng)一的資源池，通過感知資源池中的計算、存儲和網(wǎng)絡(luò)總體情況，動態(tài)調(diào)整任務(wù)在云邊端上的計算分布。

此外，云側(cè)訓練好的模型不可能預知邊緣側(cè)特有的數(shù)據(jù)特征。為此，我們使用終身學習技術(shù)更新預加載模型的參數(shù)，使模型更好地適配場景。

楊元慶：5G、AI、行業(yè)，聯(lián)想都想要

聯(lián)想CEO楊元慶，在全局角度介紹了PC業(yè)務(wù)以外的，外界鮮知的聯(lián)想。

楊元慶去年提到的“端-邊-云-智”的技術(shù)架構(gòu)時，更多在構(gòu)想層面。

今年的新演講，可以看出這套架構(gòu)的基礎(chǔ)已經(jīng)搭建起來。

端，即IoT物聯(lián)網(wǎng)設(shè)備。5G商用化讓海量的設(shè)備連接成為可能，說是設(shè)備，實際上它在各種場景下將是硬件、軟件、服務(wù)的三位一體。硬件來看， 數(shù)據(jù)計算將會無處不在，被嵌入、集成進機床、醫(yī)療設(shè)備、機場/車站的閘門里，其形態(tài)可以是嵌入式PC、主板、或很小的芯片。

一旦萬物變成數(shù)據(jù)端，就需要IoT軟件平臺把各種各樣的端按照一定的協(xié)議適配之后連接起來，從“端”中采集數(shù)據(jù)，然后將數(shù)據(jù)進行匯集、清洗、存儲和分析；還需要有人幫助設(shè)計方案、實施、運維，這就是服務(wù)。

邊，也就是邊緣計算。5G所催生的海量物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)，很多需要本地處理，快速反應，計算力下沉成為必然，邊緣計算應運而生。

邊緣計算的硬件設(shè)施一頭連接多個端，一頭連接上云，與放置在數(shù)據(jù)中心里的設(shè)施不同，需要能夠長期承受高低溫、震蕩等嚴苛的自然環(huán)境。更重要的是，它也需要一個以邊為核心的“云-網(wǎng)-邊一體化”的邊緣計算平臺，聯(lián)想稱之為MEC——多接入邊緣計算。

云，已經(jīng)不僅僅是數(shù)據(jù)中心的硬件，也不僅僅是IaaS——基礎(chǔ)設(shè)施即服務(wù)的層面，而是包括疊加在上面的PaaS——平臺即服務(wù)，和SaaS——軟件即服務(wù)。在硬件和IaaS層面，聯(lián)想為私有云、公有云擁有者提供完整的硬件產(chǎn)品和解決方案。

最后，端，聯(lián)想已經(jīng)打造了支撐行業(yè)智能的核心軟件平臺——LEAP系列軟件，包括我們自研的物聯(lián)網(wǎng)平臺——LeapIOT、大數(shù)據(jù)基礎(chǔ)平臺——LeapHD和人工智能平臺——LeapAI。

企業(yè)物聯(lián)網(wǎng)硬件收集的數(shù)據(jù)，在此平臺上進行計算、分析，并制定相應的解決方案。

楊元慶這樣總結(jié)聯(lián)想的“端-邊-云-智”戰(zhàn)略：

云網(wǎng)融合的解決方案，瞄準5G的建設(shè)；智能基礎(chǔ)設(shè)施將會為邊緣計算、云計算的數(shù)據(jù)中心建設(shè)提供全套的解決方案；行業(yè)智能則推動AI在各行各業(yè)的深入、廣泛應用。

PC大廠還是AI新貴？

今天的會上，聯(lián)想方面透露過去幾年，PC以外的業(yè)務(wù)，年均增長率都在30%以上。

但此時此刻，PC仍然是聯(lián)想最主要的營收業(yè)務(wù)，全球PC龍頭的位置依然穩(wěn)健。

行業(yè)外來看，聯(lián)想還是那個電腦制造商。

但“端-邊-云-智”的布局、以及會上公布的落地項目，都顯示出目前聯(lián)想對于智能化趨勢的主攻點：邊緣AI。

人們對于聯(lián)想“PC生產(chǎn)商”的認識，也有可能從今天開始，逐漸改變。

— 完 —

量子位 QbitAI · 頭條號簽約

關(guān)注我們，第一時間獲知前沿科技動態(tài)