人工智能与机器学习

增强现实可以改变体力劳动

由于AR驱动的空间计算通过实时逐步说明和远程指导,即使是最复杂和错综复杂的任务也不再需要大量管理和完成它们的工业工作场所。

由约翰·Tomizuka 5月25日,2021年
与现在的技术如何(右侧)相比,用于工作(左)的导航如何相比,它是如何(右)。礼貌:Taqtile.

新冠肺炎大流行加速了许多行业采用数字化转型战略,带来了可能需要5至10年才能实现的根本性变革,但许多领域仍处于这场革命的边缘。想想数十个依赖熟练体力劳动的行业吧。

虽然组织可能有数据在开始任务时,当通过现有的工作管理软件完成时,传统上,虽然通过现有的工作管理软件完成,但没有办法衡量和跟踪工业劳动力设置中的整体效率和有效性。然而,我们在巨大变化的尖端上,由于增强现实(AR),人工智能(AI)和空间计算的曙光。

为了更好地了解这个新世界的样子,考虑地图的演变。让我们说你需要找一家餐馆。不久前,这项任务可能需要五秒钟,这是一个艰巨的过程,这是一个艰巨的进程,需要基于街道名称和地标的组合使用物理贴图或书面指示,找到指数中的坐标并停止拨打电话如果你迷路了(见图1)。然后你不得不扭转工程师回家。今天的进程不能更有不同:

如今,一个人所要做的就是说,“在附近找一个好吃的汉堡”,智能手机内的人工智能就会给出许多可能的答案。因此,10个耗时的步骤被压缩成一个简单的语句(参见图2)。

图1:托马斯指南坐标系。礼貌:Taqtile.

图1:托马斯指南坐标系。礼貌:Taqtile.

工业背景

我们能否将这种差异应用于人们从一个地方到另一个地方的方式以及他们完成工作的过程中呢?我们能不能创造一个超本地化的“导航”,告诉他们该做什么,以及如何为产业劳动力做这些?在工厂和其他工业环境中,如果系统或机器出现了紧急情况,而合适的专家没有到现场进行修复,故障排除通常意味着依赖物理手册来解决问题。这是托马斯指南的标准操作程序。这些任务比开车要困难得多,需要用户了解许多不同子系统之间发生的事情,并主动理解它们如何相互交互。

随着ar驱动的空间计算通过平视显示越来越多地通过实时分步指令和远程指导进入这些设置,即使是最复杂和复杂的任务将不再需要丰富的经验来管理和完成它们。在当今复杂的工业系统中,大部分用于故障排除和解决问题的时间都浪费在试图找出问题的根源上。通过这一转变产生的大量数据将为人工智能打开革新诊断过程的大门。

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,组织将有数据在这些环境中发生的一切。结合工业互联网(IIOT)数据,5G网络具有强大的边缘计算能力,以及传感器进入遗留设备,组织将在理解广泛的复杂,手工工作方面进行大规模飞跃。及时,我们将通过解决复杂挑战的过程,拥有能够诊断问题和领先的新手用户的系统。

工业环境仍在解决托马斯指南模型,但就像手动驾驶和书面导航已经让驾驶员有助于助攻具有重要安全信息和基于实时交通数据,技术人工劳动的汽车的汽车以跨组织和行业在功能上增加更简单的方式的方式演变,推动更直观的流程,并在功能上流动生产力。


约翰Tomizuka
作者简介:John Tomizuka是Taqtile公司的首席技术官和联合创始人,该公司是Manifest AR工作指导平台的制造商。