傳感器技術、計算能力和邊緣處理方面的空前進步可以為機器人提供強大的人工智能功能，但這取決于所有生態系統參與者之間安全且靈活的連接性和互操作性。

當物聯網技術、機器人和人類進行互操作時，先進的機器人功能將得以實現，同時帶來了新的應用，進而帶來了新的商業機會。互操作性挑戰仍然存在，但可以使用解決方案來克服這些挑戰。

如今，傳感器驅動的革命正在將機器人從死記硬背的機器轉變為認知協作者。它們已經成為動態連續體中的關鍵環節，這個連續體包括人類、其他機器以及它們所處的數字環境。

傳感器引導的人機協作的潛在收益是巨大的，這些例子包括從保護工人和提高生產力，到通過創新方式推動新的收入來源等等。

自動化連續性支持的協作環境包括不同的參與者和大量數據，這些因素結合在一起構成了若干重大挑戰。幸運的是，可以使用使自動化連續體成為可能的相同技術來解決這些問題。這些挑戰包括：

挑戰1：接近人類協作者

讓“脆弱”的人類在功能強大的機器人邊上工作是有風險的。迄今為止，這種脆弱性已經被最小化，方法是簡單地禁止人類在機器人附近工作，經常用防護罩和護欄讓人類與機器人保持距離，甚至把它們放在單獨的房間里。但是在協作環境中，這種分離策略不再可行，因為人類越來越多地與其伙伴機器人（也稱為協作機器人或“cobots”）待在一起。

此外，協作機器人還依靠多種傳感器和技術（例如AI）來了解周圍環境并在其中安全運行。與此同時，新機器人發現自己運行的環境具有多個傳感器密集型物聯網設備，而且還有更多設備正在開發中。

許多人將物聯網和機器人技術視為獨立的領域，因此尚未對這兩個學科之間的協同作用進行深入探索。但是，將物聯網和工業機器人技術結合起來，就變成了機器人物聯網或IoRT。

挑戰2：處理數據過載

更高水平的機器感知使工業環境中傳感器衍生的數據越來越豐富，但傳統的計算框架往往會不堪重負，從而抵消了機器人增強型勞動力帶來的好處。對于許多應用程序而言，將數據推送到云中進行處理已不再可行。

解決辦法在邊緣。通過人工智能和對大量數據的訪問，包括機器人在內的邊緣設備可以比人類更快地做出決策。隨著機器人能夠更好地執行更多任務和自主做出更多決策，計算越來越需要在邊緣進行。生產力在邊緣得到提高。

例如，由在邊緣收集和處理的數據驅動的“自我意識”機器人可以檢測到其自身即將故障的可能性。處于危險中的機器人可以與裝配線上的其他機器人進行通信，并自動關閉，而其他機器人可以實時調整工作流程，以彌補消失的“工人”。生產速度變慢了，但并沒有停止。人工協作者可以進行所需的修復，然后系統恢復全速運行。

挑戰3：端到端網絡安全

隨著機器人變得更具移動性、協作性、邊緣駐留性和互聯性，數據豐富的生態系統可能成為黑客攻擊的目標。公司可能容易受到惡意軟件、勒索軟件，生產延遲和業務中斷的影響。此外，針對強大機器人系統的網絡攻擊也帶來了嚴重的物理安全問題。

解決方案是什么？全面、端到端的網絡安全方法。系統集成商需要了解他們正在安裝的機器，及其運行的整體環境，以期識別潛在的訪問點并強化易受攻擊的目標。機器人操作員的IT團隊必須參與進來，積極監控威脅并更新安全措施。

安全性還必須延伸到設備生命周期結束之后，以消除設備在惡意人手中產生危險的可能性。過時的邊緣設備偶爾會出現在交易平臺上，黑客可以在那里廉價購買到，然后對它們進行反向工程。因此，至關重要的是使用防篡改措施或擦除敏感軟件來使設備退役，從而使得逆向工程變得不可能。

挑戰4：成本

先進的技術和新的商業模式正在推動機器人技術的規模經濟，這是一個好消息，因為53%的工業機器人前景將成本視為首要挑戰。隨著機器人即服務（Robots-as-a-Service，RaaS）的興起，越來越多的制造商成為服務提供商，從而允許客戶擴大運行單元的數量以滿足需求。

諸如RaaS和租賃之類的新興商業模式有助于降低成本，消除了客戶使用機器人實現自動化的障礙。

計算、數據通信和存儲方面的進步帶來了事半功倍的效果。這使得對機器人進行編程、設計創新用例以及降低能源需求變得更加容易。盡管有人認為摩爾定律不再適用于晶體管的數量，但就計算成本而言，它仍然適用，因為越來越多的功能可以以更低價格獲得。

總結

傳感器技術、計算能力和邊緣處理方面的空前進步可以為機器人提供強大的人工智能功能，但這取決于所有生態系統參與者之間安全且靈活的連接性和互操作性。機器人必須能夠輕松連接其他機器人，以及各種物聯網、邊緣、云、分析工具和其他設備。

迄今為止，機器人和物聯網社區一直由不同但高度相關的目標推動。物聯網專注于無處不在的感知、監測和跟蹤服務，而機器人社區則專注于生產活動、交互和自主行為。融合這兩個領域可以讓機器人更好地完成任務，而且機器人可以有更多的數據用于分析和人工智能決策。這樣，邊緣計算為人與機器之間更緊密的協作打開了大門。
編輯：lyn