评论回复【报告】即可获取《工业AI白盒范式全球二十年技术演进与产业竞争格局全景报告》含全球20个由数据驱动的工业AI酿成事故的真实案例。近期李飞飞教授在《A Functional Taxonomy of World Models》中将当前所有被称作“世界模型”的技术成果归为三类渲染器Renderer专注生成画面不管物理对不对模拟器Simulator复刻真实世界的物理规则几何、动力、碰撞都要算得准规划器Planner基于当前状态决定下一步该做什么动作。这是全球第一次有权威专家把“AI如何与物理世界交互”这件事拆解成了几个能单独讨论的功能模块渲染器回答“看起来像什么”模拟器回答“世界将如何演化”规划器回答“接下来做什么”。这套框架的重大意义在于揭示了一个底层结构——工业AI同样需要面对与之对应的工程问题感知是否可信、理解是否正确、执行是否安全。我们曾对工业AI特别是具身智能在工业界的乱象进行过分析也持续在构建工业AI白盒底座iAWF。这些工作大多发生在过去一年内现在正好可以借用李飞飞教授的分类作为一把尺子去量度我们过去一年在工业现场所做的工作看看这些工程实践在更大的技术坐标系里落在什么位置。下面用一个案例来和大家分享。一、一个轴承压装的案例这个案例根据多个工业项目现场情况抽象整理关键参数经过脱敏处理仅用于说明技术原理。某汽车制造厂组装车间有一条精密轴承自动化压装产线日产量1200套。车间里PLC、MES、SCADA等传统工业软件运行多年构成了ISA-95的五层架构。最初我们在这条产线上部署了一个数据驱动的CNN视觉模型用于引导机械臂定位工件。必须承认它确实带来了比传统机器视觉更好的适应性——表面状态正常的工件基本都能识别到位。这也是当前绝大多数工业AI项目的普遍做法数据输入、模型预测、输出执行。在当时的技术条件下这是行业普遍采用的做法。这里需要说明的是问题的关键不在于CNN本身而在于“黑箱感知结果能否直接进入执行链路”——这是我们后续架构设计的出发点也是对模型的定位校准。但在一次意外暴露了它的边界。在某次换型时视觉模型将一处反光毛刺误识别为孔边缘坐标偏差0.3mm。机械臂按偏差坐标将轴承斜向压入壳体压装力超出安全阈值设备急停。轴承与壳体报废产线停机直接物料与停机损失超过2万元。更严峻的是虽然偏差没有大到触发急停但已经产生了微裂纹轴承在车辆行驶数千公里后可能断裂——汽车行业因轴承压装质量问题导致的召回单次损失动辄数千万。问题出在哪里即便 CNN 在实验室标定下的识别准确率超过 95%在日产 1200 套的连续生产中剩余几个百分点的误判依然会高频出现。这次 0.3mm 的偏差正是这种概率事件在产线中的真实投影。CNN 按照设计完成了它的任务——回答“看到了什么”。但它的输出本身有误差且它回答不了“能不能执行”因为那需要物理知识的参与。问题不在 CNN而在于系统架构缺少一层“执行前物理校验”——无论感知来自何种模型没有这层校验任何黑箱输出的风险都只能靠概率对冲。正是这个架构缺口促使我们进一步探索基于机理约束的工业 AI 架构也逐步形成了后来所说的 iAWF。世界模型→ 工业AI → 可执行系统二、iAWF的三层架构iAWF正是围绕“物理校验”这一层缺口设计的它不是取代原有的PLC、MES、ERP等系统而是在它们之上进行 AI 增强和加持。1. 约束层置于PLC侧。将轴承压装涉及的过盈配合公式写入其中在每次动作前完成预演算计算出该工况下的理论压装力范围作为硬性的安全校验逻辑。未经约束层校验的指令无法到达执行器。对应到案例中当CNN输出孔位坐标后约束层立即与CAD理论坐标比对——偏差0.3mm超出许可范围直接拦截不让机械臂执行。2. 计算层旁挂于MES侧。同时运行显式推理理论压装曲线计算、隐式推理CNN视觉定位、混合推理代理模型预估加机理校验。核心原则是隐式模型的输出仅为参考建议必须经过显式物理公式校验后方可进入执行流程。对应到案例中计算层将“视觉偏差0.3mm”与“壳体端面毛刺”关联分析判断问题根因同时给出修正方案建议清洁毛刺后重新拍照定位由人工确认后继续执行。3. 编排层居于ERP与OA之间。编排层的职责是跨系统流程协同其不参与物理或数据层面的推理判断而是将计算层产出的诊断结果与决策建议自动转化为跨部门的执行工单。将销售端的紧急订单、质量端的硬度异常、设备端的油温报警等信息自动关联生成增强型工单下发执行让跨系统协同不再依赖人工切换。对应到案例中诊断报告推送至OA自动生成维修工单分配给工程师。三层架构中约束层负责否决、计算层负责判断、编排层负责执行。三者职责分离不交叉、不越界。三、效果此后类似误识别事件又发生过多次。每一次CNN输出的坐标都在约束层被拦截机械臂保持原位未造成一次实际停机。从部署至今约束层累计拦截类似异常数十次未发生一起因误拦截导致的额外停机。计算层同步完成原因分析并推送处理建议人只需在OA中确认工单。CNN的收益被保留了它的缺陷被约束层弥补了。四、与李飞飞分类的对照回头来看我们所说的“工程映射”更多是方向的吻合。李飞飞教授把只管生成像素、不关心物理真实性的模型称为渲染器。严格来说CNN视觉定位模型输出的是坐标值而非像素画面它与渲染器并非严格的同类——但它同样面临“只回答看到了什么、不关心物理是否成立”的问题。我们也使用了类似渲染器的思路在iAWF的架构中任何未经物理校验的感知输出无论是像素还是坐标都不能直接进入执行流程。可点击下方链接继续查看陈刚直言 | 李飞飞的世界模型在轴承压装产线的工程映射近期李飞飞教授在《A Functional Taxonomy of World Models》中将当前所有被称作“世界模型”的技术成果归为三类渲染器Renderer 、模拟器Simulator、规划器Plannerhttps://mp.weixin.qq.com/s/YvhQD0rMlBNHGjP-Aj6nRQ
陈刚直言 | 李飞飞的世界模型，在轴承压装产线的工程映射
评论回复【报告】即可获取《工业AI白盒范式全球二十年技术演进与产业竞争格局全景报告》含全球20个由数据驱动的工业AI酿成事故的真实案例。近期李飞飞教授在《A Functional Taxonomy of World Models》中将当前所有被称作“世界模型”的技术成果归为三类渲染器Renderer专注生成画面不管物理对不对模拟器Simulator复刻真实世界的物理规则几何、动力、碰撞都要算得准规划器Planner基于当前状态决定下一步该做什么动作。这是全球第一次有权威专家把“AI如何与物理世界交互”这件事拆解成了几个能单独讨论的功能模块渲染器回答“看起来像什么”模拟器回答“世界将如何演化”规划器回答“接下来做什么”。这套框架的重大意义在于揭示了一个底层结构——工业AI同样需要面对与之对应的工程问题感知是否可信、理解是否正确、执行是否安全。我们曾对工业AI特别是具身智能在工业界的乱象进行过分析也持续在构建工业AI白盒底座iAWF。这些工作大多发生在过去一年内现在正好可以借用李飞飞教授的分类作为一把尺子去量度我们过去一年在工业现场所做的工作看看这些工程实践在更大的技术坐标系里落在什么位置。下面用一个案例来和大家分享。一、一个轴承压装的案例这个案例根据多个工业项目现场情况抽象整理关键参数经过脱敏处理仅用于说明技术原理。某汽车制造厂组装车间有一条精密轴承自动化压装产线日产量1200套。车间里PLC、MES、SCADA等传统工业软件运行多年构成了ISA-95的五层架构。最初我们在这条产线上部署了一个数据驱动的CNN视觉模型用于引导机械臂定位工件。必须承认它确实带来了比传统机器视觉更好的适应性——表面状态正常的工件基本都能识别到位。这也是当前绝大多数工业AI项目的普遍做法数据输入、模型预测、输出执行。在当时的技术条件下这是行业普遍采用的做法。这里需要说明的是问题的关键不在于CNN本身而在于“黑箱感知结果能否直接进入执行链路”——这是我们后续架构设计的出发点也是对模型的定位校准。但在一次意外暴露了它的边界。在某次换型时视觉模型将一处反光毛刺误识别为孔边缘坐标偏差0.3mm。机械臂按偏差坐标将轴承斜向压入壳体压装力超出安全阈值设备急停。轴承与壳体报废产线停机直接物料与停机损失超过2万元。更严峻的是虽然偏差没有大到触发急停但已经产生了微裂纹轴承在车辆行驶数千公里后可能断裂——汽车行业因轴承压装质量问题导致的召回单次损失动辄数千万。问题出在哪里即便 CNN 在实验室标定下的识别准确率超过 95%在日产 1200 套的连续生产中剩余几个百分点的误判依然会高频出现。这次 0.3mm 的偏差正是这种概率事件在产线中的真实投影。CNN 按照设计完成了它的任务——回答“看到了什么”。但它的输出本身有误差且它回答不了“能不能执行”因为那需要物理知识的参与。问题不在 CNN而在于系统架构缺少一层“执行前物理校验”——无论感知来自何种模型没有这层校验任何黑箱输出的风险都只能靠概率对冲。正是这个架构缺口促使我们进一步探索基于机理约束的工业 AI 架构也逐步形成了后来所说的 iAWF。世界模型→ 工业AI → 可执行系统二、iAWF的三层架构iAWF正是围绕“物理校验”这一层缺口设计的它不是取代原有的PLC、MES、ERP等系统而是在它们之上进行 AI 增强和加持。1. 约束层置于PLC侧。将轴承压装涉及的过盈配合公式写入其中在每次动作前完成预演算计算出该工况下的理论压装力范围作为硬性的安全校验逻辑。未经约束层校验的指令无法到达执行器。对应到案例中当CNN输出孔位坐标后约束层立即与CAD理论坐标比对——偏差0.3mm超出许可范围直接拦截不让机械臂执行。2. 计算层旁挂于MES侧。同时运行显式推理理论压装曲线计算、隐式推理CNN视觉定位、混合推理代理模型预估加机理校验。核心原则是隐式模型的输出仅为参考建议必须经过显式物理公式校验后方可进入执行流程。对应到案例中计算层将“视觉偏差0.3mm”与“壳体端面毛刺”关联分析判断问题根因同时给出修正方案建议清洁毛刺后重新拍照定位由人工确认后继续执行。3. 编排层居于ERP与OA之间。编排层的职责是跨系统流程协同其不参与物理或数据层面的推理判断而是将计算层产出的诊断结果与决策建议自动转化为跨部门的执行工单。将销售端的紧急订单、质量端的硬度异常、设备端的油温报警等信息自动关联生成增强型工单下发执行让跨系统协同不再依赖人工切换。对应到案例中诊断报告推送至OA自动生成维修工单分配给工程师。三层架构中约束层负责否决、计算层负责判断、编排层负责执行。三者职责分离不交叉、不越界。三、效果此后类似误识别事件又发生过多次。每一次CNN输出的坐标都在约束层被拦截机械臂保持原位未造成一次实际停机。从部署至今约束层累计拦截类似异常数十次未发生一起因误拦截导致的额外停机。计算层同步完成原因分析并推送处理建议人只需在OA中确认工单。CNN的收益被保留了它的缺陷被约束层弥补了。四、与李飞飞分类的对照回头来看我们所说的“工程映射”更多是方向的吻合。李飞飞教授把只管生成像素、不关心物理真实性的模型称为渲染器。严格来说CNN视觉定位模型输出的是坐标值而非像素画面它与渲染器并非严格的同类——但它同样面临“只回答看到了什么、不关心物理是否成立”的问题。我们也使用了类似渲染器的思路在iAWF的架构中任何未经物理校验的感知输出无论是像素还是坐标都不能直接进入执行流程。可点击下方链接继续查看陈刚直言 | 李飞飞的世界模型在轴承压装产线的工程映射近期李飞飞教授在《A Functional Taxonomy of World Models》中将当前所有被称作“世界模型”的技术成果归为三类渲染器Renderer 、模拟器Simulator、规划器Plannerhttps://mp.weixin.qq.com/s/YvhQD0rMlBNHGjP-Aj6nRQ
