随着工业自动化和三维测量不断迈向更高水平的空间感知能力，新一代人工智能正开始改变机器感知物理世界并与之交互的方式。
Perceptron正是朝着这一方向探索的公司之一。这家AI初创公司于2024年11月由两位前Meta研究科学家创立，正在开发先进的视觉模型，旨在赋予机器对其物理环境更强的理解能力。
这一发展对制造业具有重要意义，因为传统的计算机视觉大多围绕特定的、预定义的任务而构建。系统能够以卓越的速度和可靠性识别零件、检测缺陷和验证装配，但它们通常运行在精心定义的参数范围内。
物理AI的目标则更进一步——使机器能够解读环境、理解空间关系，并利用这些信息来确定适当的行动。
从“看见”到“理解”
这对计量领域的潜在影响意义深远。
现代检测系统已集成了相机、3D扫描仪、机器人、CAD模型和测量软件。然而，检测流程的大部分仍然是预先编程的：测量什么、在哪里测量，以及如何评估所得到的数据。
AI有望引入一个更具适应性的智能层。
未来的系统不再简单地遵循预定义的检测顺序，而是能够识别进入检测单元的零件、确定其方位、识别相关特征，并决定需要执行哪些测量。
这将代表着从“脚本化机器视觉”向“自适应空间智能”的转变。
其目标未必是取代高精度计量设备——CMM或3D扫描仪将继续提供质量保证所需的准确、可溯源的测量数据。AI的作用在于确定这些测量能力应如何以及在何处被应用。
连接感知与测量
当与机器人检测相结合时，这一概念变得尤为引人注目。
配备视觉和3D测量传感器的机器人，有可能识别零件、在空间中定位其位置，并相应地调整检测路径。如果零件的位置与预期不同，系统可以自适应调整，而无需重新编程。
这有助于解决制造商引入更多产品种类和更柔性生产时，自动化检测所面临的一项挑战。
同样的原理最终可扩展到闭环制造。智能检测系统不再仅仅是识别零件超差，而是可以将测量结果与生产信息相结合，帮助确定发生了什么以及应采取什么后续行动。
由此产生的架构可以表示为：感知 → 测量 → 理解 → 行动 → 验证。
这正是物理AI成为未来自动化质量控制重要技术的潜力所在。
三维空间智能的重要性
对于物理机器而言，理解世界不仅仅需要在二维图像中识别物体。
机器人和自动化检测系统需要理解深度、位置、方向以及物体之间的关系。这使得三维视觉和空间智能的发展与计量领域尤为相关。
然而，基于AI的感知与高精度测量之间存在一个重要区别。
基础视觉模型可能能够识别特征并理解复杂场景，但它们不能替代测量不确定度、可重复性和溯源性的要求。
相反，这两种技术可以形成互补关系。
AI提供感知和推理能力，而成熟的计量技术提供测量的确定性。
这种组合可能使先进的测量系统在结构化的制造环境中更容易部署。
从AI辅助检测到AI原生检测
Perceptron的出现反映了AI研究从数字应用向物理世界拓展的更广泛趋势。
对于制造业而言，长期机遇不仅仅是将AI添加到现有检测系统中用于缺陷分类等任务，更是要开发一种检测架构——使AI成为流程的有机组成部分，连接视觉、测量、机器人和制造数据。
这样的系统有可能适应不断变化的产品、动态确定检测策略，并将测量结果实时反馈到生产中。
该技术仍处于早期阶段，工业部署所面临的挑战与消费级AI所遇到的截然不同。制造系统必须在变化的照明、反射表面、遮挡、尺寸变差及其他不确定性来源存在的情况下可靠运行。
对于计量而言，错误决策的后果也可能是重大的。
然而，发展方向是明确的。计算机视觉正从识别机器所看到的内容，向着理解其所见并确定下一步行动的方向演进。
随着物理AI的发展，感知、测量与机器人技术的融合，有望成为下一代自主检测和3D计量的重要基础。
METROLOGY NEWS 国际站编辑
