在真实硬件上进行物理调试
88当机器人的行为不同于其模型预言时,有人必须实际检查线线,机制以及感应器的布置——一种当前AI系统没有自己手就能完成的技能.
格子越深,表示该主题在这项指标上越高。
低高
大多数机器人工程师都专门研究系统的一个层面——机械设计,嵌入式控制,感知,或软件架构——并在CAD或代码中度过时间,通过反复测试运行机器人,并调试联合漂移或相机误读架子的原因. 工作很少是戏剧性的;大多数是耐心的,在真正的硬件上重复的测试.
没有 大多数工作机器人工程师拥有机械,电气或计算机工程学学位,而不是专门的机器人学学位,因为独立的机器人或杂技程序仍然比核心学科更新,更不常见. 一个很强的亲身操作项目背景——一个竞赛团队,一个研究实验室,一个个人建筑——和文凭上的少校一样重要.
AI涉及决策——认识对象,规划路线,选择行动——并且可以完全在计算机内部运行. 机器人就是在物理世界中执行这个决定: 精确地移动一个马达,不压压,保持平衡。 机器人通常都需要两者,但机器人工程师的独特专长是物理半身,由于AI模型没有预测的原因而失败的部分.
其部分,是的——感知,运动规划甚至一些机械设计探索越来越自动化或由AI工具加速. 抵制自动化的是物理调试:找出一个真正的机器人为何行为不同于其模型,以及当判断呼叫错误时可能伤害某人的机器的责任. AI正在更换工具,尚未取消工作.
它因国家和部门而异。 美国的中位数约为每年105,000美元-110,000美元;在德国,一名中职工程师通常挣得55,000欧元-75,000美元;在日本和韩国,尽管这些国家在工业机器人制造中占据主导地位,但按美元计算的工资却较低。 人造机器人创业企业的高级角色的薪酬大大高于这些中位数。
从数量来看,汽车和电子制造业仍然是最大的雇主,利用武器进行焊接、油漆和组装。 20世纪20年代,仓库和物流自动化、外科机器人、农业以及快速增长的人体机器人部门正在雇佣最积极的人员,此外还有2000年代以来使用类似工程的炸弹处置机器人等防御应用。
机器人工程坐落在AI对话中一个不寻常的地方:它同时是AI变换速度最快的领域之一,因为训练有素的感知和控制模型现在做一些从未管理过的事情,也是最不受完全自动化保护的领域之一,因为有人仍然需要实际调试一台可以捏手指或跑进人体内的机器.
以下各节将已经从迄今为止抵制自动化的事物中转移出来的事物——一个模型或机器人现在能够从中完成的具体任务推理,而不是从‘机器人工程师'听起来是否像AI防职称.
感知,运动规划甚至一些机械设计探索越来越多地由AI工具产生或加速. 抵制自动化的是实际调试真正的硬件、跨机械、电气和软件层的集成判断,没有一个单一的模型能够完全见识到一台可能伤害某人的机器,并承担法律责任。
按任务计分,而非头衔。越低越安全。
AI难以取代的职业 →当机器人的行为不同于其模型预言时,有人必须实际检查线线,机制以及感应器的布置——一种当前AI系统没有自己手就能完成的技能.
管理者、法院或受害方不能要求一个模型对物理机器伤害他人负责——安全审查上的人的签名仍然带有载荷。
协调机械、电气、固件和软件的制约,这些制约都限制了其他制约,需要权衡权衡任何单一学科的模型是否完全抓住。
发明一个真正的新机制来完成某项任务 没有任何机器人尝试过 仍然取决于由物理直觉构建的创造性工程判断 而不是训练
部署在受控工厂细胞外的机器人会遇到尘埃、障碍和边缘情况,没有完全预计到数据集,必须有人能够说明现场真正新的故障。
深层学习模型越来越多地处理过去需要艰苦的手编码特征工程的视觉和传感器集成任务.
学习型和优化型规划人员现在在特征清晰的环境下产生高效路径并自动把握,过去这项任务需要小心的人工调试.
软件可以提出结构或机制变体,并针对已申明的制约因素进行排序,速度远快于工程师手动移动,与在其他工程领域已经常见的基因设计工具相呼应.
AI编码助理加速起草标准控制环,驱动码和集成锅炉板,尽管由此产生的代码仍然需要人来测试硬件.
强化和模仿学习越来越多地取代用于操纵和运动的手调控制循环,将工程工作转向管理培训数据和评价学到的行为,而不是写每条规则。
一波资金充裕的创业者们正在赌注在通用的步行上, 抓住人造机器人而不是另一个特定任务的手臂, 改变机器人工程师被要求设计的东西,
没有安全栅栏的合作机器人需要限制力量、遵守机制和新的感知标准,将安全工程从周边问题转移到每个运动问题。
由于更多的机器人行为来自学习模型而不是手写代码,部分工作转向收集、标签和评估这些模型所学习的数据的质量。
使用加固或仿真学习而不是手编码控制器来训练操纵和运动政策,随着学问行为蔓延到超越感知的控制,这种专业化发展得很快.
设计机器人信号意向和与未受过训练的人安全共享空间,结合心理学,工业设计和控制工程,随着机器人离开栅栏关闭的细胞.
远程管理大型部署的仓库,送货机或农业机器人机队,解决例外和边壳自动系统升级而非编程单个机器.
根据ISO 10218和ISO/TS 15066等安全标准认证机器人,随着机器人越来越直接地与人并肩工作,而不是在栅栏后面工作,这种专业化迅速发展。
三个可逆透镜:增强、替代切片、新缝隙。教学标记,非预测。
保留岗位;AI 加速草稿、分诊或调研,判断与责任仍在人。
狭窄任务堆可能先压缩,相邻手艺反而增长。
在需信任 AI 输出的受监管场景,可能出现监督、集成与领域质检角色。
未来十年对机器人工程师的需求可能保持强劲,其驱动力不是任何单一的AI突破,而是趋势的真正趋同:仓库和物流自动化,美国和欧洲制造业的复苏,日本、韩国和德国的老化劳动力,以及来自资金雄厚的初创企业和主要技术公司的大型投机性人造机器人。
诚实的解读是,AI正在压缩过去占初级工程师大量时间的感知和规划工作,同时不取消工作中心的物理调试和安全问责——这意味着工作正向整合,判断和培训数据质量转变,即使实地原始人头统计不断增长.
不限同一领域,六项评分最接近的职业。
使用临床、试验和卫生系统数据生成可靠的证据,以实现更安全的护理、研究和运营决策。
抗AI 68 🔐通过发现、防范和响应数字攻击,保护系统、数据与人员的安全。
抗AI 63 🌬️设计、建造和改进风能、太阳能、存储和电网系统,将可再生资源转化为可靠的电力。
抗AI 72 🌿领导战略、衡量和报告,帮助组织减少环境和社会危害,同时履行业务义务。
抗AI 66 🧬将基因组科学与非指导性、富有同情心的咨询相结合,帮助人们了解遗传状况、测试选择和结果。
抗AI 72 🔌每台计算机,手机和武器内部的设计和编织晶体管,使用精确到只有地球上少数工厂能运行的机器.
抗AI 60写作,测试和维护了管理现代生活的代码——也是最早观看AI将自己的日常工作自动化的职业之一.
抗AI 35 🤖设计并测试了机器智能背后的算法,在一个领域,现在竞相将自己研究过程中越来越大的份额自动化.
抗AI 50 🛰️设计、分析并认证离地而行的飞机、火箭与航天器,在不容猜测的安全裕度下工作。
抗AI 74 🌉把河流、岩石与重力变成桥梁、道路与清洁饮水的职业——自伊姆霍特普起,文明安静的承重行当。
抗AI 72 🔌每台计算机,手机和武器内部的设计和编织晶体管,使用精确到只有地球上少数工厂能运行的机器.
抗AI 60 🔐通过发现、防范和响应数字攻击,保护系统、数据与人员的安全。
抗AI 63 📦构建用于训练、部署、监控和治理生产环境中机器学习模型的系统。
抗AI 54 🌬️设计、建造和改进风能、太阳能、存储和电网系统,将可再生资源转化为可靠的电力。
抗AI 72