2021年,VR/AR作为元宇宙的入口得到了广泛的关注。AR(Augmented Reality,增强现实/扩增现实)和VR(Virtual Reality,虚拟现实)的最大区别是后者完全是虚拟世界,而AR则是通过计算机图形及可视化技术将虚拟信息叠加在真实的物理世界中,被人类感官所感知并进行互动,实现更为丰富的感官体验。消费者级应用中,AR已被广泛使用于社交、游戏、教育、零售、旅游和运动健康等中;相较而言,企业级应用是AR更主流的战场,那么在智能制造4.0时代,工业领域拥有难以绕过的海量场景。
尽管随元宇宙热度水涨船高,能够实现“可视化数字工厂”和“可视化作业现场”的AR俨然成为工业界的标配,国内外涌现了大批垂直厂商。然而工业AR刚需性的真伪依旧值得探讨,换言之,工业领域的AR是否真有应用必要,还是业界在简单地追潮逐流?《AR的伪需求、痒需求、刚需求》一文将“刚需求”定义为:目标市场够大,理论和实际上都有需求,可替代性弱甚至无。从需求实质来讲,这一问题就是在问:AR是否能解决在工业领域足够多的业务痛点,切实达到降本增效目的。
从产业环节来看,辅助生产和指导培训是工业AR的两大代表性场景。生产和装配方面,工业设备复杂度高,工序流程多,物料变化快。一方面,要实时准确了解生产状况和数据信息更迭难度较大;另一方面,因为生产或维修操作步骤多,重复遗漏都可能会造成安全隐患。通过AR技术对产线进行扫描获取数据,直观的呈现形式一方面能加速管理人员了解生产进程、更新库存物料信息;另一方面能清晰指示和记录操作步骤,降低复杂流程出错概率。在国内工业AR厂商ALVA Systems的纺织机械交付场景中,交付效率提升100%,新订单增加300%。
在指导培训方面,处理大中型设备的技术难度较高,专家无法及时到现场服务、远程沟通又难以复原复杂现场,一直是延缓项目进度的原因之一。前端业务人员通过AR应用将现场情况实时传阅回专家处,通过语音、图像、视频、空间标记完成检修。在疫情蔓延之时,AR远程指导的巨大优势就显现出来。同时,AR能够让前端人员获得现场体验,解决工业培训受限于设备数量及场地问题,节省企业的培训投入。在亮风台的部分可视化培训中,交互性和沉浸式体验使培训效率提升30%,同时使新手出错率降低至50%。
从应用范围来看,钢铁、能源、石化、重工机械等均具有生产维修复杂、指导培训难度大的特征,而汽车、家电等行业除上述问题,还需面对指导个体消费者的难点。AR能从上述维度减缓甚至击破痛点,在此意义上,AR的确和运营管理、生产控制、研发设计、协同集成等工业软件及硬件一样,是智能制造时代的刚需。
三维注册、虚实融合、人机交互、显示输出是AR的底层技术,核心问题是精准理解几何意义的影像数据。首先,通过摄像头和传感器从真实世界里采集数据,传入处理器对数据进行分析重构;而后,通过AR头显或智能移动设备感知语音、手势、体感等信息,实时更新用户在真实环境中的空间位置变化,得出虚拟和现实场景相对位置,进行坐标系对齐,实现两个场景的融合计算;最终合成影像呈现给用户,并实现人机交互自然。从技术角度来看,AR 应用能够发挥价值的大小与其识别能力息息相关,对此,工业 AR 应用解决方案供应商 ALVA Systems 总结出了 AR 识别技术的“金字塔”(如图所示)。
最底层为图像识别技术,即扫描图片或二维码这类具有二维特征的图像,即可展示该图片对应的内容信息;第二代为自然识别,即平面识别,无需通过扫描固定内容触发,能够识别自然环境中的平面,从而能够将虚拟内容投放在真实物理环境中的任一平面;而第三代则突破了二维限制,支持识别三维不规则物体,并能够360°实时追踪查看,由此开辟了更广阔的应用场景,ALVA 正是全球范围内为数不多攻克这一技术的AR供应商;到了第四代,则在第三代的基础上增加区域位置信息,从而实现大型厂区这类广阔空间的AR 应用。目前,ALVA 已经能够完整提供1-4代的工业级AiR应用解决方案。基于前文所述,AR技术在工业上的应用难点之一,在于工业设备及场景相比于消费、教育等领域复杂程度更高,工业制造维修等环节中,设备信息及物料实施变化,对认知、建模、追踪能力的要求也更强。再来,工业生产制造中,延时带来的损失比其他场景的应用更大,因此AR实时同步和交互自然的能力就更为重要。总言之,对精度、稳定、可靠的要求以及基于此的算力都远胜于其他场景。并且工业领域的AR需要深入具体行业,了解业务逻辑、需求和痛点,才能形成智能化解决方案。这个角度而言,服务于工业AR的垂直厂商所具备的核心能力迁移到其他行业及应用场景,在技术上顺理成章甚至是“降维打击”。
提及工业AR,很难绕开PTC收购Vuforia。作为一家在IoT和制造业有深厚积累的技术平台和解决方案提供者,PTC一直有着清晰的“数字改造世界”战略,对未来AR集成愿景强烈。2015年,PTC以6500万美元从高通手中收购Vuforia,此后开足马力在AR领域布局:推出业界首款基于模型识别的AI增强型AR Vuforia Engine 8.3;投资沉浸式3D技术和空间捕获解决方案提供商Matterport,打造可视化工厂;收购荷兰专业AR公司TWNKLS,开发定制AR应用和体验。PAC Radar认为,PTC是第一家整合AR功能(Vuforia)和IoT功能(ThingWorx® IIoT平台)的供应商。
除了PTC Vuforia,国外各大公司也在创造制定AR标准。设备内应用工具包括苹果的ARKit和谷歌的ARcore,应用于自身操作系统,华为也推出了AR Engine。第三方开发工具中使用最广的为Unity,Meta的Spark AR和Snap的Lens Studio只能在厂商自己的应用中创建内容。云化设备的工具中,微软Mixed Reality和Wikitude是Vuforia的重要竞品。国内工业AR厂商比较有代表性的包括ALVA Systems 和亮风台(HiAR)。ALVA Systems 于2011年成立,致力于整个工业制造全流程提供产品与解决方案,最终助力工业数字化转型。ALVA 核心技术为异构计算技术HC+脉冲神经网络SNN+AR底层算法,相形而言,ALVA空间识别和移动网络环境下的模型识别略优于后者。目前ALVA已在工业领域建立了完整生态系统与销售渠道,与AWS、Intel、Siemens、Rockwell Automation 等全球工业领域顶级服务商建立了深度合作,同时在石油石化、通信运营商、风电、汽车、装备制造、流程工业、水务、数据中心、医疗器械等行业树立了标杆客户。亮风台系软硬一体的服务商,产品在工业领域直销有标杆案例,如格力营销后场景,施耐德的客服系统,上汽通用的汽车AR说明书。2021年,钢铁行业的宝武钢铁、电力行业的正泰集团都相继引入亮风台AR技术与应用,前者革新了设备运维工作方式,后者通过AR指导培训新手员工。
| | | |
国外 | PTC | AR工具软件+解决方案 | |
Upskill | AR软硬件设备+解决方案 | – Google Glass Enterprise Edition 2– iOS & Android Mobile Devices |
Reflekt | | |
国内 | ALVA Systems | AR工具软件+解决方案 | – Rainbow:基于AR技术的新一代企业实时远程指导平台– Editor:工业级AR内容专属的可视化智能协作平台– Expert Guider:高精度AR影像示教系统– LNN Analytics Tool:工业设备智能运维一体化管理系统 |
亮风台 | AR软硬件设备+解决方案 | – HiLeiaAR实时通讯与协作产品 – HiAR H200/100:AR眼镜、头盔 – HiAR CloudAR云服务 |
0Glass | AR软硬件设备 | |
| 亮亮视野 | AR软硬件设备+解决方案 | |
再回到整个AR产业链上,除却硬件上游的光学设备、主控芯片、显示、传感器,中游的模组和整机制造,下游设备和软件的结合在行业中较为普遍的现象。AR设备包括双目式(Hololens,Magic Leap,Nreaal Light)、单目式(Google Glass,Solo)、插入式、隐形眼镜式(Mojo Vision)、静态全息显示屏、车载AR(HUD)。
根据华为发布的《AR洞察与应用实践白皮书》,当前的专用AR头显售价高、笨重、续航端,2020年全球出货量不到11.5万台,总收入1.66亿美元,并且其中81%的头显出货量是面向企业。尽管头显设备能解放双手,但根据ALVA Systems的访谈,目前在工业领域里,对头显的市场需求还没有达到大规模应用的程度。据PTC统计,大约只有24%的工业项目会使用眼镜来解决问题,62%的工业项目仍会选择智能手机,55%的项目会使用iPad,因此AR头显的确在随整个行业趋势正向增长,但由于目前为非必要设备,增长未及预期。
显然,在工业4.0时代,AR重新定义了生产方式。在生产、制造、维修、服务、培训、指导等工业案例中,都提升了生产效率,减少浪费,并提高了合规和安全性,因而企业可以有效地优化产品、流程、人员,完成数字化转型。然而目前AR在工业领域面临的挑战也十分明显:一方面,工业设备复杂、操作要求严格,AR设备需符合长续航能力、充分视野、超低时延等要求;另一方面,相对于其他行业,工业对于高质量的数据管理要求更高。因而在整个AR向前发展的过程中,第一,5G+,AR端边云全面结合。为维持设备的续航能力,必须部分算力将转移到云平台。全局地图数据、全局用户信息适合云部署,精确辅助定位定姿、局部地图数据、特定3D场景渲染适合边缘计算。因此5G和边缘计算在整个AR范畴的进化中至关重要。5G能提供确定的低时延、高精度的定位以及移动性,这也成为了国内工业AR外道超车的机会。第二,工业数字生态奠基AR发展。目前AR在工业中受到限制也不止与底层技术有关,数据管理系统也成为较大的限制。高精确度和实施采集的数据将是支持AR的基础,因此整个工业底层软件,包括Scada、Mes对数据采集也成为支撑AR的生态。而在国内,底层软件的大规模布局也还需假以时日。