机器人制造的这一突破能否重塑战争？

快速阅读: 《防御一》消息，一种新的人工智能驱动增材制造（AAM）方法，通过传感器集成设计和多层次AI，有望大幅提升工厂机器人的灵活性和自主性，实现从设计到生产的全自动化。这不仅能提高美国的制造业竞争力，还有助于军工生产，但面临中国在关键组件和材料方面的主导地位等挑战。

一种新的工厂机器人训练方法可能彻底改变军队制造无人机及其他武器的方式，使大规模生产能够靠近前线进行。这展示了制造业下一阶段可能的发展方向，这是中美竞争的关键议题之一，美国的国家安全战略称之为“关键挑战”。这篇发表于《国际极端制造杂志》一月刊的论文提出了人工智能驱动增材制造（AAM）的一种变革性愿景。

现有的工厂机器人只能执行固定数量的刚性动作，难以适应新任务要求，需要高度专业化的生产环境。它们无法察觉自己是否对齐错误或者是否出现错误。这个新系统由加州州立大学北岭分校、新加坡国立大学、NASA喷气推进实验室和威斯康星大学麦迪逊分校的研究人员组成的国际团队研发，利用高技能工程师对机器人进行更广泛的人类式动作训练，使其能够感知并（在基本层面上）理解自身操作。结合3D打印技术，该框架开启了电子设备全链条制造的可能性，例如正在重塑乌克兰战场的小型无人机。这触及了美中全面权力竞争的核心问题：如何增强美国的制造能力。

相关文章提到美国与中国AI竞赛中的“全员上阵”时刻：五角大楼前数字主管；机器人现实检查：有人驾驶战机在未来数年内仍至关重要，美国空军将军表示。在唐纳德·特朗普总统将制造业回流作为其总统任期核心重点之前，拜登政府采取了一系列不同政策举措，目标相同——包括使用较小且渐进的关税，并辅以拨款和其他激励措施。五角大楼已启动多项倡议，将微电子等产品的生产回流，指出中国在这些领域的主导地位构成战略风险。《芯片与科学法案》2022年拨款超过520亿美元用于国内半导体制造，反映了两党共识，即工业能力是军事和经济实力的基础。没有安全的国内获取关键技术的途径，美国在未来的冲突中将面临行动延迟、武器系统受损以及威慑能力下降的风险。但美国缺乏满足这些目标所需的熟练工人。像国家标准与技术研究院（NIST）这样的机构以及行业领袖预测，即使有政府投资，培养这样一支劳动力队伍也需要至少七年时间。商务部长霍华德·卢特尼克本月表示，机器人和自动化可以在美国引领的制造业复兴中发挥关键作用。几家美国机器人公司正在推动制定一项促进制造自动化的国家战略。

然而，当前工厂机器人的状态落后于希望快速过渡到工厂自动化的期望。波士顿咨询集团2019年的一份报告指出了显而易见的问题：制造机器人缺乏人类工人的适应性和灵巧性，而机器人缺乏解决实际问题的能力。自2019年以来，这一情况几乎没有变化，正如特斯拉开发的Optimus机器人引发的争议和尴尬的公开演示所揭示的那样。关于Optimus是否真正自主或只是复杂的人类控制木偶的问题，指向了更大范围的不确定性，即如何真正制造出具有人性化的机器人。

商务部长霍华德·卢特尼克本月表示，机器人和自动化可以在美国引领的制造业复兴中发挥关键作用。几家美国机器人公司正在推动制定一项促进制造自动化的国家战略。这就是为什么这篇新论文如此重要。传统制造方法，即使是机器人，“也需要大量经过良好培训的工程师，”加州州立大学北岭分校的合著者李冰冰说。即使是最先进的3D打印机通常也需要人工步骤来进行设计输入、工艺选择或后处理。

这篇论文的AAM愿景包括端到端的自主性：从计算机辅助设计模型准备和布局到调度、工艺优化和后处理加工——所有这些都由一群协作的机器人或无人机管理。这种集成对于在外太空制造尤为重要，这也是NASA感兴趣和支持的原因。李说他还在与军方承包商和国防部的作战测试与评估办公室联系，如果最终批准通过，一个国防相关项目可能在今年5月开始。

AAM严重依赖作者所谓的“传感器集成设计”：使用多种可见光、热和其他现象的传感器，在软件“大脑”中创造一种感知能力。这个大脑，使明天的工厂机器人区别于今天的机器人，将有四层：模型底部的“知识层”收集来自传感器、模拟和过去操作的数据。“生成解决方案层”使用大型语言模型和知识图谱等AI工具来建模决策过程。“操作层”在硬件、软件和机器人系统上实施决策；而“认知层”赋予机器自主权，使其能够推理、行动甚至反思。

“在这个[认知]层中，AI代理作为高级控制器，评估操作层中的技能池，根据当前状态选择适当的任务执行技能，”作者写道。“这些代理负责规划和执行最佳行动，通过持续的反思和学习进行终身学习，从而提升其专业知识。”这种学习过程类似于人类与大型语言模型互动的方式。起初结果是通用且容易出错的，但随着时间推移，训练者与机器之间的关系会产生一种可以跨多个机器人复制的人类智能。

“我们希望将人为操作减少到零或接近零，因为整个过程本身，我们想要实现自动化，”李说。某些制造过程可以实现自动化的程度将很大程度上取决于所生产的物品的复杂性以及AI系统学习适应新、意外事件的速度。李说，人类专家在这个过程中仍将发挥关键作用，但更像是监督者而非操作员。与其让人类去做超出机器人能力范围的手动任务，不如帮助机器人发展、改进和验证应对意外情况的方法。

理想情况下，AI会变得足够智能，能够通过作者所谓“生成设计工具”，包括扩散模型、三维重建和神经辐射场，实际考虑如何改进人类设计。NeRFs从图像中推断深度和体积，以自动化方式从简单草图或照片设计并创建3D对象。“这些进展为3D内容制作开辟了道路，可能让我们更接近‘所想即所得’的实现，”作者写道。“通过探索广阔的设计空间，这些工具生成创新解决方案，传统方法可能会忽略这些问题。”

在军事背景下，这意味着战场上的一名士兵可以扫描损坏的部件，AI增强系统可以重新设计并打印替换部件，而无需过多监督——这种能力可以大大减少前线的人力和后勤需求。国防部，包括DARPA，日益重视在争议物流环境下安全、可扩展且按需的制造。使用多传感器闭环制造的AAM方法向分层智能提供数据，不仅为更智能的生产绘制了路线图，也为具备韧性和适应性的制造能力绘制了路线图，这可能重新定义工业前沿。

但在基地之外，该框架展示了将制造业带回美国的方向。这对中美更广泛的竞争具有重要意义，中国不仅利用其工业能力实现经济主导，还用于大量武器储备的生产。2023年10月，时任国防部采购与维持副部长比尔·拉普兰特指出这一挑战：“今天，美国正处于一场技术和经济竞赛中，以保持制造业优势，特别是在涉及关键国防系统时，如卫星、先进弹药和通信技术。”

但这一进展也突显了阻碍更加自动化工厂未来发展的其他严重挑战，尤其是中国在机器人所需的传感器和致动器等关键组件市场占据主导地位。此外，中国拥有更多在机器人运行的工厂中打印和建造产品所需的材料，包括武器。机器人将助力美国制造更多产品。但它们不会自行建造。

(以上内容均由Ai生成)