深度学习
面向工业流程的隐藏结构模型
> 2026 年 4 月 14 日 很多工业 AI 都围绕可见任务来构建。系统能否检查零件、分拣物品、移动物体、分类缺陷或完成人类过去手动完成的步骤？ 这些是令人兴奋的机会，但它们只是可能性的一小部分。一些最重要的工业问题从外部是看不见的。 过去一周，我与 Gradient Robotics 的创始人之一 Angus Muffatti 探讨了这个想法。表面上，Gradient 看起来是一家焊接机器人公司。但 Angus 对公司的描述不同：”我们正试图构建冶金 AI，而不是焊接 AI。目标是理解材料行为，以便知道焊接过程是否真正有效。” 要理解材料行为，你需要理解材料、热量、几何形状和执行之间的相互作用。这需要学习对过程的隐藏结构进行建模。 二进制 vs. 连续问题 Angus 将此构建为二进制问题和连续问题之间的差异。 某些工业任务的结果是二进制的。你把产品放进盒子里了吗？是或否。成功标准很容易验证。系统要么完成了任务，要么没有完成。 但焊接不是这样。”这是一个连续的问题，从零到一之间，工作做得有多好的范围是无限的，”Angus 说。”焊接表面看起来可以接受，但实际上可能很糟糕。”成功标准埋在材料不同属性之间的相互作用中。 “人类焊工正在推断他们组装的材料内部发生了什么。他们在解释信号并基于他们通常无法直接观察到的事物进行调整，”Angus 告诉我。 换句话说，表面外观是不够的。 这个想法超越了焊接。一个零件可能通过视觉检查但仍在某种应力下失败。抛光过程可能达到目标光洁度，同时过度地使材料变薄。加工过程可能保持吞吐量，同时加速刀具磨损并随时间增加变化。焊接系统可能产生看起来对眼睛可接受的接缝，但削弱疲劳寿命或引入仅在以后才显现的缺陷。在每种情况下，可见输出可能看起来正确，即使底层过程偏离了真正重要的东西。 “工业 AI 中的近期兴奋集中在二进制问题上。但一些更深层次的机会是围绕解决连续问题的，”Angus 相信。这需要学习过程内部发生的事情，足以智能地干预。 为什么焊接是一个有用的测试案例 焊接是一个好镜头，因为它在一个地方集中了工业 AI 的许多核心挑战。它受劳动力限制、技能限制、对质量敏感，并与许多行业的生产结果紧密相关。出错的代价很高。 正如 Angus 告诉我的，”焊接占技术工种的约 2%，但占短缺的约 30%。每年，焊工的缺口约为 80,000 人。流失约占其中一半，需求增加占另一半。”根据美国焊接协会，目前焊工短缺超过 400,000 人（来源）。这使得焊接的自动化与人们有时心中的劳动自动化漫画不同。挑战是面对萎缩的劳动力基础，行业是否以及如何能保持产出。”如果我们的机器人系统只是能跟上这种技术工种的差距，那将勉强足够。” 同时，质量滑动的经济容忍度极低。”如果你 100 […]
