大咖說｜VR？AR？對于康明斯來說可不僅僅是游戲技術(shù)

日期：2020-08-04 來源：康明斯中國作者：佚名

通過大咖說的首期開講，我們充分感受到了各位康友濃厚的學(xué)習(xí)熱情。本期大咖說干貨滿滿，讓我們繼續(xù)學(xué)習(xí)起來！

VR、AR這兩個最近在生活中頻繁出現(xiàn)的熱門詞匯，讓人更多聯(lián)想到的是游戲、購物等場景。但是當(dāng)這些內(nèi)容碰到康明斯，將會擦出怎樣的火花呢？本期大咖說，讓我們有請康明斯大數(shù)據(jù)部門分析總監(jiān)——數(shù)字百曉生為大家詳細(xì)介紹！

1、目前VR/AR技術(shù)的應(yīng)用并不陌生，這些先進的技術(shù)在制造業(yè)中有哪些具體應(yīng)用？
VR和AR分別是虛擬現(xiàn)實(Virtual Reality, VR)和增強現(xiàn)實(Augmented Reality, AR)。虛擬現(xiàn)實是一項復(fù)雜的仿真工程，旨在建立一種人工環(huán)境，使人們可以在這個虛擬環(huán)境中以一種真實的視角進行相關(guān)工作。

而增強現(xiàn)實是在用戶看到的真實場景的基礎(chǔ)上，疊加由計算機生成的虛擬景象。通過計算機系統(tǒng)提供的信息增加對現(xiàn)實世界感知，并將計算機生成的虛擬物體、場景或系統(tǒng)提示信息疊加到真實場景中，實現(xiàn)了對現(xiàn)實場景的增加。真實環(huán)境和虛擬物體同時疊加到同一個畫面和空間，實現(xiàn)了更加便捷、自然的人機交互。

從Gartner公司2017發(fā)布的技術(shù)成熟度曲線可以看出，虛擬現(xiàn)實在當(dāng)時已經(jīng)處于技術(shù)復(fù)蘇期，而且2—5年就可以成熟。現(xiàn)在我們在很多轟趴館可以玩上虛擬現(xiàn)實游戲反證了Gartner公司在2017年的斷定是十分準(zhǔn)確的。

通過對比可以看出增強現(xiàn)實在2017年和2018年都處于幻滅期，需要5—10年才能成熟。在2019年的技術(shù)成熟曲線中由于更多新技術(shù)的產(chǎn)生，增強現(xiàn)實在上面都失去了展示的位置，但可以猜測它正從幻滅期走向復(fù)蘇期，就像虛擬現(xiàn)實一樣很快我們就能在市面上看到成熟的產(chǎn)品出現(xiàn)。

圖1 Gartner公司2017年技術(shù)成熟度曲線信息來源Gartner公司

Gartner 公司2018年技術(shù)成熟度曲線信息來源Gartner公司

2、對于VR/AR技術(shù)，康明斯有什么樣的規(guī)劃呢？
如果將虛擬現(xiàn)實和增強現(xiàn)實技術(shù)，結(jié)合到康明斯數(shù)字化解決方案中，會出現(xiàn)怎么樣的效應(yīng)呢? 這里的應(yīng)用空間十分的廣闊：可以涉及到產(chǎn)品設(shè)計，設(shè)備的匹配，以及服務(wù)領(lǐng)域。這里我們以服務(wù)領(lǐng)域為例來展示一下未來我們的應(yīng)用場景。

當(dāng)車輛遇到故障時，診斷系統(tǒng)會通過車聯(lián)網(wǎng)系統(tǒng)將故障信息傳輸?shù)娇得魉箶?shù)字化車聯(lián)網(wǎng)云平臺，平臺會基于知識圖譜系統(tǒng)進行故障模式的搜索和分析，根據(jù)知識庫內(nèi)以往的數(shù)據(jù)、經(jīng)驗及失效模式的關(guān)系網(wǎng)絡(luò)，生成推薦的解決方案，并將質(zhì)量問題原因、解決方案和現(xiàn)場操作指導(dǎo)推送給終端增強現(xiàn)實設(shè)備。

當(dāng)工程師到達(dá)現(xiàn)場后，利用增強現(xiàn)實設(shè)備對車輛進行掃描匹配，將會自動高亮出現(xiàn)實場景與3D模型疊加后的故障零件所在的位置，以及知識圖譜預(yù)先推送來的已標(biāo)注好問題原因和解決方案的操作指導(dǎo)手冊。

虛擬現(xiàn)實和增強現(xiàn)實的應(yīng)用場景

現(xiàn)場維修人員基于已推送的故障原因和解決方案在現(xiàn)場進行初步檢查，而且工程師可以進一步通過AR設(shè)備進行交互，語音輸入維修工作進展并保存到數(shù)字文檔中，進一步去排查問題原因。AR設(shè)備通過自然語言處理技術(shù)，將工程師的音頻轉(zhuǎn)化為機器語言，在知識圖譜系統(tǒng)中搜索解決方案并與遠(yuǎn)程技術(shù)專家連線。通過AR設(shè)備呈現(xiàn)出的圖像及解決方案，遠(yuǎn)程傳輸給技術(shù)專家，雙方共同協(xié)作進行問題探討與現(xiàn)場操作。

待問題解決后，新的解決方案會自動備份到知識圖譜知識庫中，維修人員今后都可以查找維修工作的歷史數(shù)據(jù)并獲得更加精準(zhǔn)的維修推薦方案。而遠(yuǎn)程專家也可以通過VR設(shè)備，還原本次維修的現(xiàn)場情況，從不同的角度去改進3D模型的設(shè)計細(xì)節(jié)和性能指標(biāo)，在線進行虛擬造型、虛擬仿真、虛擬裝配和虛擬試驗等工作時，為今后的新產(chǎn)品開發(fā)做出指導(dǎo)。

通過舉例可以看出當(dāng)增強現(xiàn)實和虛擬現(xiàn)實設(shè)備結(jié)合到康明斯車聯(lián)網(wǎng)數(shù)字化解決方案時，可以產(chǎn)生一系列的連鎖反應(yīng)，極大程度的改進了我們當(dāng)前業(yè)務(wù)模式中的數(shù)字信息流，進而優(yōu)化整個運營流程體系，降低成本，給企業(yè)帶來更大的收益。

3、上面提到的知識圖譜是什么？麻煩介紹一下
知識圖譜（Knowledge Graphs）在Gartner公司2018和2019年的技術(shù)成熟度曲線中都能看到，然而目前在學(xué)術(shù)界還沒有統(tǒng)一的定義。2012年谷歌公司提出了這個概念，是一個提供智能搜索服務(wù)的大型知識庫，也是對語義知識的一種形式化描述框架。

舉一個具體的例子：在我們公司存在大量的信息，以一個服務(wù)工單為例，它提供了一個服務(wù)事件中的完整信息。某位服務(wù)人員在某輛車上解決了什么問題，可能涉及到某個零件的更換，產(chǎn)生的費用情況。在這個事件內(nèi)這些信息是有一些聯(lián)系的，但在公司層面，還有大量的信息和這些信息有關(guān)聯(lián)，例如服務(wù)人員是在哪個分支機構(gòu)中，他當(dāng)前的技能如何，維修車輛在歷史上發(fā)生過什么故障，失效零件的供應(yīng)商以及生產(chǎn)時間，本次故障在其他車上是否也有發(fā)生等。

以上信息雖然都存在于公司內(nèi)，但都是沒有連接在一起的。如圖4左圖所示，要想把信息轉(zhuǎn)變成知識，就需要把這些散落在公司各個區(qū)域的信息依據(jù)不同的關(guān)系連接在一起。就像圖4右圖展示的那樣。知識圖譜（Knowledge Graphs）就是從技術(shù)上提供一種解決方法從而幫助我們把信息都聯(lián)系起來。知識圖譜不僅可以有效幫助我們整理好歷史信息，形成高價值的知識庫，同時還可以保證關(guān)鍵知識提取的便利性。在未來使用中，以任何一個信息點切入，都可以進入到一個完整的知識體系中，從而可以得到更多有價值的知識點。