AI和机器学习

增强现实技术可以改变体力劳动

随着ar驱动的空间计算通过实时分步指令和远程指导进入工业工作场所,即使是最复杂和复杂的任务也不再需要丰富的经验来有效地管理和完成它们。

作者:John Tomizuka. 2021年5月25日
由于目前的技术,过去导航的工作方式(左)和现在的工作方式(右)比较起来。礼貌:Taqtile

Covid-19大流行加速了许多行业的数字转型策略,迎来了可能已经采取了五到10年的基础变化,但仍有许多领域在这场革命的方面仍然存在。考虑几十个行业依赖熟练的体力劳动。

虽然组织可以通过现有的工作管理软件获得任务何时启动和何时完成的数据,但传统上,没有方法来衡量和跟踪工业劳动力环境中的总体效率和有效性。然而,由于增强现实(AR)、人工智能(AI)和空间计算的到来,我们正处于巨大变化的边缘。

为了更好地理解这个新世界将会是什么样子,考虑一下地图的进化。假设你需要找一家餐馆。不久以前,这项任务在今天可能只需要五秒钟,但它是一个艰巨的过程,需要结合实际地图或基于街道名称和地标的书面指示,在索引中寻找坐标,如果迷路了就停下来打电话(见图1)。然后必须逆向工程才能回家。今天的过程完全不同:

今天,一个人都必须做的就是说,“找到一个很好的汉堡附近”,智能手机内的AI将产生许多可能的答案。因此,10个耗时的步骤已被凝结成一个简单的陈述(见图2)。

图1:Thomas Guide坐标系。礼貌:Taqtile

图1:Thomas Guide坐标系。礼貌:Taqtile

工业环境

我们可以在人们从地点到工业劳动力和他们用来完成工作的流程的方式应用这一鸿沟吗?我们可以创建一个如何做的超本地化的“导航”,以及如何为工业劳动力执行它?在工厂和其他工业环境中的手动劳动设置中,如果有一个系统或机器的紧急情况,并且正确的专家没有现场修复它,则故障排除问题通常意味着依赖物理手册来解决问题。这是标准操作程序形式的托马斯指南。这些任务比驾驶汽车更难,并要求用户了解许多不同子系统正在发生的事情,以及对他们如何相互作用的积极理解。

由于通过朝上显示的AR驱动的空间计算越来越多地通过实时逐步指导和远程指导来进入这些设置,即使是最复杂和最复杂的任务也将不再需要大量的管理和完成它们。今天的大部分时间都花了故障排除和解决复杂工业系统中的问题,试图弄清楚首先是错误的。通过该转换产生的广泛数据将为AI打开门,以彻底改变诊断过程。

图2:现代导航系统。礼貌:Taqtile

图2:现代导航系统。礼貌:Taqtile

随着空间计算的广泛使用,组织将拥有在这些环境中发生的所有事情的数据。结合工业物联网(IIoT)数据、具有强大边缘计算能力的5G网络,以及传感器与传统设备的结合,组织将在理解广泛的复杂手工工作方面实现巨大飞跃。随着时间的推移,我们将拥有能够诊断问题的系统,甚至引导新手用户通过排除复杂挑战的过程。

工业环境还在托马斯指导模型,但是,正如写手动驾驶和导航已经被汽车能够帮助驾驶员与重要的安全信息和导航基于实时交通数据,熟练的体力劳动,也会进化的方式添加简单,推动更直观的流程,并在组织和行业间有效地提高生产力。


John Tomizuka.
作者生物:John Tomizuka是CTO和Taqtile的联合创始人,旨在的AR工作指导平台制造商。