.jpg)
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。”
