文:e-works 王阳 | 图:Pixabay
咱们正身处一个交流方法不断改造的年代。
从飞鸽传书、机械电报方法的文字通讯,到有线电话、对讲机、手机等方法的语音通讯,再到现在大家习以为常的视频通讯……曩昔一百多年里,人类的交流方法历经了几回重要更迭。
在数物交融年代,有没有更高效、更沉溺式的交流与协作方法呢?答案是肯定的。试想一下,如果咱们在视频通讯时可以加载周边的空间、环境、地理位置等信息,交流将变得愈加身临其境和靠近彼此。
实践上,这种依据“语音+视频+空间”的交流协作在工业制作范畴早已运用落地。
依据AR技能的交流协作
在ALVA Systems 2021新品发布会上中国工程院院士、中国科学院计算技能研究所研究员倪光南指出,工业软件作为智能制作的重要根底和核心支撑,对于推进我国制作业转型晋级至关重要。这其间,包含人工智能、数字孪生、增强实践等新兴技能在工业范畴的运用将扮演重要角色。“今日,咱们可喜地看到全新发布的ALVA Rainbow甚至在某些范畴超越了国外抢先企业,中国软件供货商有望在新的范畴用新技能赶超海外。”倪光南院士如是说。
翻越工业挑战的三座大山
先来看看当前工业范畴面对哪些挑战?首战之地是人才问题。跟着智能互联产品越来越遍及,制作业的出产方法和作业模式越来越杂乱,而有经历的工人逐步退休和老龄化,职工的招募和训练成为制作业开展过程中必须面对的难题;
其次,不确定性与本钱压力。全球贸易争端和新冠疫情带来的不确定性,给制作企业带来了巨大的冲击,与此一起原材料价格上涨、人口红利下降带来的本钱压力也日趋增加;
第三,数字化技能的冲击。在言必称“数字化转型”的今日,创新性的企业已经演变成为数字原生的企业。传统制作业必须加速数字化脚步,用更多数字化技能赋能整个企业,才干在剧烈的市场竞争中胜出。
在ALVA Systems CEO杨卫国看来,“曩昔许多年,制作企业的信息化投入往往会集在财政、供应链、出产制作、客户关系办理等方向,而非一线工人和工程师。相较于单纯的设备改造、系统晋级,职工交流方法的数字化成为发挥数据价值的重要途径。特别是在后疫情年代,人员流动的停滞让依据AR技能的长途运维辅导有了更大的用武之地。”
ALVA Systems CEO杨卫国
在智能制作的趋势下,工人缺少、新晋工程师操作技能缺乏、高危工种招工难等问题尤为杰出,AR技能在工业场景的运用为这些难题供给了处理之道。不管是设备的修理维护,仍是专家辅导与职工训练,亦或是工业设计、市场营销过程中的产品评审,都可以依据AR技能长途完结。
攀爬辨认技能的金字塔
简单来理解,AR(增强实践)是一种将虚拟信息与实在国际奇妙交融的技能,广泛运用了多媒体、三维建模、实时跟踪、智能交互、传感等多种技能手段,将计算机生成的文字、图画、三维模型、音视频等虚拟信息经过模拟仿真后运用到实在国际中,与实在国际构成彼此补充,从而完结对实在国际的“增强”。
AR技能在工业范畴所能发挥的价值大小,与辨认技能休戚相关。
如果将辨认技能看作一个金字塔的话,最底层是图画辨认,顺次往上是平面辨认、模型辨认、区域辨认和空间辨认。
辨认技能的金字塔
图画辨认目前最为遍及,运用场景也较多;平面辨认则相对较少,一些高端智能手机AR功用的完结就得益于平面辨认技能;而目前全球规模内拥有模型辨认才干的AR公司不超越三家,这其间,ALVA是最早将模型辨认技能与工业场景深度交融的公司之一。
据ALVA Systems 联合创始人兼COO张立群介绍,ALVA已经可以做到区域辨认这一级,且在图画辨认、模型辨认等范畴具有一起的技能优势,这也是ALVA之所以能应对杂乱工业现场需求的重要原因。
众所周知工业场景一般十分杂乱,厂房、车间、产品、设备等形态万千,要在工业场景中完结沉溺式交流,就必须将空间信息加载到交流协作渠道,才干实在意义上协助一线工人和工程师进行有效地互动与协作。
依据AR的可视化、长途辅导和交互优势
ALVA Rainbow正是在这一技能开展和市场需求下应运而生的,全新晋级的ALVA Rainbow 长途专家辅导渠道,在此前的高清视频会议、空间标示等根底功用之上增加了模型追寻辨认、AR模型投进及图画辨认等功用,就是为了应对愈加杂乱的工业现场需求。
十年磨一剑打造工业AR渠道
成立于2011年的ALVA Systems,从研究异构计算技能发家,拥有脉冲神经网络(SNN)、增强实践、人工智能、人机交互等多项具有独立常识产权的核心技能。曩昔十年里,ALVA与清华大学、北京航空航天大学等高校打开多项科研协作项目,供给工业物联网和AI/AR结合的一站式处理方案。
最近几年,ALVA将沉积多年的算法和技能转向运用,专注于为工业企业供给AR运用处理方案。这是因为,AR技能在工业场景的运用,与异构计算才干、人工智能技能休戚相关。
首先是异构计算,其处理的是CPU和GPU之间动态的负载平衡,这在计算机视觉层面至关重要。举例来说,两帧图画之间的动态辨认在PC端需求2秒钟,在移动端需求1秒钟,在实践运用中明显无法忍受如此高的显示时延。得益于ALVA在异构计算范畴的研究,其将AR动态实时的动作捕获时刻缩短至小于30毫秒。杨卫国说,“如果没有ALVA多年的积累,咱们面向工业范畴的AR处理方案就达不到现在的成熟度。”
其次是人工智能。不管是何种辨认技能,都需求依据神经网络完结,ALVA在这个范畴有深厚的功底,包含可以在移动端快速辨认图画、模型、音视频等。ALVA还开发了拥有自主常识产权的AR引擎,并引入了深度神经网络,这也使得其成为辨认才干最强大的AR引擎之一。
杨卫国坦言:“在工业AR深化运用这条路上,ALVA还有许多技能范畴需求深耕,这样才干确保ALVA技能的抢先性,为企业供给更契合需求的工业AR处理方案。”
依据AR技能完结立体交流
依据AR技能完结的立体交流可谓第四代交流方法。那么,ALVA Rainbow具体是怎么赋能工业企业的交流与协作的呢?
依据ALVA的模型辨认技能,现场工程师经过运用Rainbow扫描毛病设备,即可查看置于实践设备之上的 AR 数字模型。依据动画辅导,工程师无需掌握专业技能常识,就可以墨守成规地完结修理作业,最终完结发现问题、提出问题、处理问题的闭环。
点击观看精彩视频
当然,在这之前还需求进行AR内容创建和可视化处理,这也是ALVA 工业AR渠道的才干规模所及。经过ALVA Editor自带AR 内容修改才干和丰厚的东西集成,可以一站式完结工业产品 AR 内容和模型的全方位制作;在此根底上,运用 ALVA Vision 完结可视数据匹配,由此打破虚拟模型和实在设备的隔阂,完结依据现场人员榜首视角的数字化交互。
当遇到较为杂乱的毛病问题时,现场人员可以凭借 ALVA Rainbow 渠道衔接长途专家,完结本地 AR 终端与长途终端的实时交互。
ALVA 工业AiR渠道
在这个过程中,现场工程师与长途专家可以共享同一环境的实时视图,依据ALVA Rainbow高清视频通话、AR笔迹标示、模型投进等功用,长途专家经过手机、iPad及AR眼镜等移动设备,就能将辅导信息绘制在屏幕中物体的表面上,似乎锚定在实在物体表面上相同,让职工在长途高效掌握常识技能和操作步骤。
如果问题更为杂乱,还可以寻求额外的专家进行多方支撑,长途专家可以依托图画辨认功用,扫描图纸查看设备的三维模型,并投进在恣意平面上,让修理方案的输出愈加高效。一起,现场运维人员与长途专家可以进行实时的视频、语音、手势交流,并支撑以榜首视角进行标示;而在长途专家端,长途信息标示也可以实时同步至现场 AR 移动端,完结与现场的无障碍交互。
这就相当于将长途专家“搬”到了现场,颠覆了传统的低效交流模式。
推进AR技能规模化仿制与客制化交给
在开展过程中,ALVA与PTC、达索系统、西门子、罗克韦尔自动化、AWS等全球工业范畴服务供货商建立了深度协作关系,在处理方案上构成互补,一起助力制作企业的数字化转型。
ALVA Rainbow发布会现场,ALVA 还与神州数码、美嘉林以及迪基透签署了战略协作协议。杨卫国说:“ALVA将与生态同伴一起整合各自技能优势与资源,从技能、事务以及服务等不同视点构成高效的协作机制,在完结事务拓宽的一起,赋能更多职业企业数字化转型的落地。”
一定程度上来说,携手生态同伴,是ALVA完结AR技能“规模化仿制”与“客制化交给”的重要抓手。
杨卫国介绍,一方面,ALVA Rainbow可以定位成长途协同、长途辅导的东西产品,依托协作同伴分销商进行快速地规模化仿制,以满足制作企业相对共性的需求;另一方面,一些大型企业逐步将AR技能上升至数字化转型战略层面,包含需求与企业的其他系统、终端集成,这类相对杂乱的需求会由ALVA项目交给团队接受,一起ALVA也在将这种才干传递给有施行、交给才干的协作同伴。
以神州数码为例。在产品营销层面,依托神州数码工业板块的600多家协作同伴,可以将ALVA工业AR技能快速推行至更多的制作企业;一起神州数码与西门子、欧特克等工业软件公司均有协作,可以将AVLA AR技能与干流工业软件进行整合,为用户供给更丰厚和杂乱事务场景的处理方案。
后 记
工业软件范畴,往往需求数十年的技能积累。ALVA挑选工业AR这一新兴范畴进行突围,尽管道阻且长,但有了前十年的沉积与磨砺,已然具有在细分范畴脱颖而出的实力。
杨卫国强调,ALVA是一家技能驱动型的公司,算法工程师和项目交给团队比例占到80%以上。依托模型辨认和空间标示两大核心技能,此次ALVA Rainbow 的发布,在全球工业AR范畴都具有抢先意义。
一起,ALVA也是一家低沉的公司,尽管有许多专利技能和落地项目,但曩昔许多年并未被更多的企业和用户所熟知。诚如倪光南院士对ALVA寄予的期望——“等待ALVA可以继续创新,弥补国内自主版权工业软件和渠道缺位的缺乏,协助更多企业转型晋级。”