張 辰,范 永,李貽斌,楊 彤
(1. 山東大學(xué)控制科學(xué)與工程學(xué)院,山東省濟南市,250061;2.山東交通學(xué)院軌道交通學(xué)院,山東省濟南市,250357;3. 山東中科先進技術(shù)研究院有限公司,山東省濟南市,250000)
煤礦井下生產(chǎn)作業(yè)過程存在下井人員多、災(zāi)害風(fēng)險高、事故率高、作業(yè)環(huán)境惡劣、環(huán)境污染嚴(yán)重等問題[1]。面對高危的井下作業(yè),煤礦機器人成為實現(xiàn)煤礦井下安全、高效生產(chǎn)目標(biāo)的重要途徑之一。煤礦機器人可以協(xié)助或替代人完成一些危險的采礦作業(yè)勞動,實現(xiàn)煤礦的安全高效生產(chǎn)。為了實現(xiàn)“無人則安”,機器人代替礦工進行井下作業(yè)是大勢所趨。
隨著“中國制造2025”“德國工業(yè)4.0”“美國工業(yè)互聯(lián)網(wǎng)”等戰(zhàn)略的提出,5G通信、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算和人工智能等技術(shù)的逐漸成熟,極大地推動了我國傳統(tǒng)制造業(yè)的轉(zhuǎn)型升級[2]。作為一種新興的科學(xué)技術(shù),人工智能能夠使計算機技術(shù)更加精準(zhǔn)、快速、便捷地完成人類大腦無力承擔(dān)的復(fù)雜科學(xué)計算,實現(xiàn)對人腦的部分代替、延伸和加強,進而創(chuàng)造出能代替人類完成復(fù)雜危險作業(yè)的智能機器[3]。
未來的煤礦生產(chǎn)將向無人化、自主化、智能化、高效化發(fā)展,其中人工智能技術(shù)將起到無可替代的作用,多樣化的人工智能技術(shù)將會應(yīng)用到煤礦機器人中[4]。雖然當(dāng)前人工智能在工業(yè)煤礦領(lǐng)域的應(yīng)用還處于摸索期,然而隨著人工智能技術(shù)在煤礦領(lǐng)域中越來越廣泛的應(yīng)用,建設(shè)無人化作業(yè)礦井勢在必行[5]。
我國煤炭行業(yè)經(jīng)歷了40多年的發(fā)展歷程,煤炭礦產(chǎn)資源的開采逐漸趨于智能化,但當(dāng)前依舊存在一些瓶頸問題亟待解決。
我國煤炭的開采、運輸雖已經(jīng)歷了數(shù)字化、自動化、信息化等階段,但整體技術(shù)水平與生產(chǎn)設(shè)備依然低于發(fā)達國家[6]。2019年,原國家煤礦安全監(jiān)察局提出了加快掘進、采煤、運輸、安控、支護和救援等煤礦機器人的產(chǎn)業(yè)化應(yīng)用。當(dāng)前的煤礦機器人已不再是僅僅完成簡單的重復(fù)性操作,它可以感知周圍環(huán)境并實時反饋外界的信息,但其還不具備獨立的思維、識別、推理、判斷與決策能力,仍需要人為參與來完成一些復(fù)雜的工作任務(wù)。
煤炭行業(yè)屬于高危行業(yè),生產(chǎn)中的每個環(huán)節(jié)都存在著各種危險,水、火、瓦斯、煤塵、地質(zhì)構(gòu)造等災(zāi)害頻發(fā),未知的復(fù)雜地下環(huán)境嚴(yán)重威脅井下作業(yè)人員的生命安全。基于物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等的煤礦智能監(jiān)測與預(yù)警技術(shù)雖在很大程度上降低了事故的發(fā)生率,保障了煤礦的安全生產(chǎn),但仍然存在諸多問題。傳感器的精度和靈敏度較差導(dǎo)致前兆信息采集不全面、不及時;監(jiān)測系統(tǒng)相互獨立、功能單一,云端平臺集成應(yīng)用融合深度不夠;監(jiān)測系統(tǒng)數(shù)據(jù)庫安全性較弱;監(jiān)測設(shè)備缺少深度學(xué)習(xí)以及自適應(yīng)能力[7]。
煤礦在開采過程中會產(chǎn)生煤塵,也會產(chǎn)生一氧化碳、二氧化碳等有害氣體污染大氣環(huán)境[8]。同時,煤礦開采產(chǎn)生的生產(chǎn)污水中含有大量重金屬、酸性物質(zhì)等,易滲入土壤或進入地下水污染地質(zhì)及水源。煤礦開采工程會侵占大量植被及農(nóng)業(yè)耕地,開采后土地易出現(xiàn)坍塌現(xiàn)象導(dǎo)致地表層破壞[9]。
人工智能技術(shù)中的模式識別借助先進計算機技術(shù)強大的數(shù)據(jù)采集、分析和處理功能,通過提前設(shè)置相應(yīng)的程序來模擬人類對于外界環(huán)境的感知及識別功能。融入模式識別的智能機器人可以更好地模擬人類的感官能力,對字符、聲音、圖像、場景及其融合信息進行高準(zhǔn)確度的識別,通過多源信息的獲取對周圍環(huán)境進行精確的感知與建模[10]。
人工智能技術(shù)中的機器視覺作為最重要的環(huán)境感知方式之一,模擬人類的視覺能力,提高機器人對于井下環(huán)境、作業(yè)過程和反饋現(xiàn)象的理解能力。融入機器視覺的智能機器人一是能夠很好地適應(yīng)井下作業(yè)環(huán)境,與其他人造設(shè)備進行良好的協(xié)作;二是能夠捕捉到更多的外界景觀信息,通過立體視覺、視覺檢驗以及動態(tài)圖像分析技術(shù),對圖像的內(nèi)容進行深入的理解與挖掘;三是能夠判斷作業(yè)進程的地底反饋現(xiàn)象,將機器人的狀態(tài)信息反饋給運動控制系統(tǒng)[11]。
專家系統(tǒng)是將人類專家的知識和經(jīng)驗進行建模,用于解決系統(tǒng)決策、工藝、故障等問題的技術(shù)。通過人工智能技術(shù),為井下系統(tǒng)建立知識系統(tǒng),模擬人類解決作業(yè)過程中遇到的實際問題。人類專家在解決實際問題時,可以根據(jù)當(dāng)前系統(tǒng)的狀態(tài),例如設(shè)備顯示與聲音、運行數(shù)據(jù)參數(shù)、產(chǎn)品的狀態(tài),對系統(tǒng)故障進行預(yù)測,判斷故障點并生成故障排除方案。因此,專家系統(tǒng)常用于故障預(yù)測、診斷和故障排除。此外,在制造業(yè)領(lǐng)域,專家系統(tǒng)也用于生產(chǎn)方案決策、生產(chǎn)工藝優(yōu)化、生產(chǎn)協(xié)調(diào)以及設(shè)備參數(shù)優(yōu)化。
人工智能技術(shù)中的機器學(xué)習(xí)通過模型框架和算法來模擬人類的學(xué)習(xí)能力,通過訓(xùn)練數(shù)據(jù)、環(huán)境信息和反饋,自動提取內(nèi)在規(guī)律,以提高系統(tǒng)的性能,提高環(huán)境適應(yīng)性和魯棒性。融入機器學(xué)習(xí)的機器人具備類人的規(guī)律提取、知識總結(jié)能力,從收集到的大量信息資源中找出有效信息,并加以學(xué)習(xí)來提升自身的智能化水平。機器學(xué)習(xí)技術(shù)能夠有效解決突發(fā)狀況下的系列難題,很大程度上降低人力成本與生產(chǎn)成本[12]。
分布式人工智能系統(tǒng)通過科學(xué)合理地結(jié)合人工智能與計算機技術(shù),將異構(gòu)的多智能體系統(tǒng)進行協(xié)調(diào)調(diào)度和控制,從而增強人工智能系統(tǒng)的性能,提升任務(wù)執(zhí)行能力,提高智能機器人中的各個獨立系統(tǒng)的協(xié)同工作效率。當(dāng)智能機器人遇到一些突發(fā)情況時,依舊可以保障各個分系統(tǒng)進行正常工作。當(dāng)前分布式人工智能系統(tǒng)還處于研發(fā)起步階段,技術(shù)難點在于如何協(xié)調(diào)好不同系統(tǒng)的運行規(guī)則[13]。
為了確保煤礦機器人能夠在復(fù)雜的井下環(huán)境中正常運行,研究學(xué)者將專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)應(yīng)用于機器人運動控制方式、算法及協(xié)同作業(yè)等方面。煤礦機器人通過模擬人類專家思維及知識水平,可以解決一些復(fù)雜多維的非線性問題,降低動力學(xué)系統(tǒng)分析、參數(shù)設(shè)置及數(shù)據(jù)處理的運算量,提高控制效率及準(zhǔn)確性。
王念等[14]研究人員基于嵌入式ucos設(shè)計了一款智能礦井機器人,并利用GSM網(wǎng)絡(luò)實現(xiàn)對設(shè)備的遠程控制;張傳才等[15]研究人員采用BP神經(jīng)網(wǎng)絡(luò)建立了一種根據(jù)電機速度、運行時間確定機器人轉(zhuǎn)角的測量方法,可以提供角度參數(shù)用于機器人的路徑規(guī)劃;王雪松等[16]研究人員基于改進的Elman神經(jīng)網(wǎng)絡(luò)逼近動力學(xué)不確定參數(shù),利用神經(jīng)-模糊控制器為煤礦機器人伺服系統(tǒng)發(fā)送控制指令;宋鑫等[17]研究人員將神經(jīng)網(wǎng)絡(luò)應(yīng)用于機器人控制領(lǐng)域,完成機械臂多關(guān)節(jié)耦合控制、末端軌跡規(guī)劃、液壓閥控制等動作。
礦用巡檢機器人通過搭載各類傳感器實現(xiàn)全方位感知井下環(huán)境信息,實時監(jiān)控儀器設(shè)備故障、人員安全及瓦斯、煤塵、水、火等災(zāi)害信息,并及時發(fā)出預(yù)警,減少煤礦事故的發(fā)生。針對井下復(fù)雜環(huán)境中的識別不準(zhǔn)確、監(jiān)測不及時等多個技術(shù)難題,研究人員使用深度學(xué)習(xí)、模式識別、專家系統(tǒng)等技術(shù),進一步提升機器人對井下突發(fā)險情的精確識別與實時監(jiān)控。
盧萬杰等[18]研究人員使用基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法,對煤礦設(shè)備進行建模和訓(xùn)練,使井下巡檢機器人能夠準(zhǔn)確識別煤礦設(shè)備的類型;張帆等[19]研究人員針對井下噪聲對可視化作業(yè)環(huán)境的擾動影響,提出基于殘差神經(jīng)網(wǎng)絡(luò)的礦井圖像重構(gòu)方法,有效提高監(jiān)控圖像的清晰度及實時性能;聶珍等[20]研究人員采用基于BP神經(jīng)網(wǎng)絡(luò)的遺傳算法搭建巷道氣體環(huán)境智能檢測系統(tǒng),實時獲取煤礦巡檢機器人路徑中不同巷道截面上氣體濃度分布數(shù)據(jù);潘越等[21]研究人員使用BP神經(jīng)網(wǎng)絡(luò)對風(fēng)機故障建立診斷模型,建立風(fēng)機故障類型與風(fēng)機轉(zhuǎn)子振動頻率段之間的映射關(guān)系,進而實現(xiàn)風(fēng)機故障診斷;閆君杰等[22]研究人員基于人工神經(jīng)網(wǎng)絡(luò)對煤礦機械齒輪故障建立診斷模型,使用輸入信號訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型,對輸出信號進行分類,進而判斷齒輪故障。
實現(xiàn)復(fù)雜非結(jié)構(gòu)化煤礦環(huán)境中的自主定位導(dǎo)航既要考慮GPS技術(shù)無法直接應(yīng)用于井下的問題,又要克服粉塵、溫度、濕度、噪音、氣流等外界因素的干擾,這對井下受限封閉環(huán)境中的機器人自主精準(zhǔn)定位導(dǎo)航技術(shù)提出了更高的要求?;谌斯ぶ悄芗夹g(shù)進行煤礦機器人地圖構(gòu)建、定位導(dǎo)航、路徑規(guī)劃、實時避障成為應(yīng)用研究熱點。
白云[23]提出變結(jié)構(gòu)模糊神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于蛇形井下救援機器人的環(huán)境感知過程中,將多源傳感器數(shù)據(jù)進行融合,實現(xiàn)蛇形機器人在惡劣環(huán)境下的障礙物識別與環(huán)境建模;付華等[24]研究人員使用人工神經(jīng)網(wǎng)絡(luò)模型,將智能化煤礦監(jiān)測系統(tǒng)的工作空間進行建模和動態(tài)描述,利用神經(jīng)網(wǎng)絡(luò)模型對機器人進行避障路徑規(guī)劃;張耀鋒等[25]研究人員采用基于Elman網(wǎng)絡(luò)對井下機器人超聲波傳感器測量誤差進行補償,大大提高了超聲測距的精度和障礙物探測的能力;翟國棟等[26]研究人員總結(jié)了雙目視覺技術(shù)在煤礦救援機器人中獲取事故現(xiàn)場信息和實現(xiàn)自主避障及路徑規(guī)劃的研究,包括模式分類與識別、視覺測量和三維重建、組合測量與定位、視覺伺服控制等方面;馬宏偉等[27]研究人員構(gòu)建了基于深度相機的機器視覺系統(tǒng),提出了一種基于深度視覺的導(dǎo)航方法,機器人搭載RGB-D深度相機進行數(shù)據(jù)采集,實現(xiàn)地圖創(chuàng)建與自主導(dǎo)航。
人工智能技術(shù)種類繁多,應(yīng)用于煤礦機器人領(lǐng)域主要研究內(nèi)容包括多模態(tài)融合智能感知、知識學(xué)習(xí)與智能決策、智能控制協(xié)同作業(yè)等。通過感知、學(xué)習(xí)、決策、協(xié)同控制,實現(xiàn)煤礦機器人智能化發(fā)展。
煤礦機器人通過搭載各類防爆、高精度、高可靠性傳感器,構(gòu)建視覺、聽覺、嗅覺、觸覺等多模態(tài)融合的智能感知系統(tǒng),完成智能識別分析、異常聲音識別、溫度異常監(jiān)測、煙霧檢測、有害氣體濃度檢測、自主避障、自主抓持等作業(yè)。
(1) 研究煤礦應(yīng)用場景下機器視覺識別、視覺檢測等技術(shù)。通過圖像處理與理解,機器人一是能夠識別和監(jiān)控設(shè)備數(shù)字表、液晶屏、指示燈、閥門等;二是能夠檢測管路液體滴漏、膠帶跑偏開裂;三是能夠進行人員入侵、人員在崗、人員穿戴著裝檢測;四是能夠?qū)δz帶上出現(xiàn)的矸石、錨桿、道木、鐵管等異物進行識別與跟蹤。
(2) 研究煤礦應(yīng)用場景下機器人聽覺即聲音檢測與識別等技術(shù)。利用高靈敏度拾音傳感器、高速DSP數(shù)字信號處理器,結(jié)合適應(yīng)動態(tài)降噪處理技術(shù)、音頻特征提取與檢測模型算法識別技術(shù),識別礦井內(nèi)異常聲音。
(3) 研究煤礦應(yīng)用場景下機器人嗅覺即氣體檢測智能識別技術(shù)。準(zhǔn)確檢測環(huán)境中的甲烷、硫化氫、一氧化碳、氧氣等多種氣體濃度和煙霧是否超限,及時發(fā)現(xiàn)氣體泄漏和預(yù)警著火。
(4) 研究煤礦應(yīng)用場景下機器人觸覺技術(shù)。通過接觸或非接觸的方式采集電機、水泵、軸承、托輥、膠帶等物體溫度,并進行數(shù)據(jù)分析;通過力感設(shè)備,對接觸力、抓持力、作業(yè)力、內(nèi)應(yīng)力進行實時監(jiān)控,實現(xiàn)力的感知與安全控制。
針對目前煤礦機器人系統(tǒng)協(xié)議不兼容、缺乏信息共享與融合等問題,將煤礦機器人與新一代信息技術(shù)深度融合,構(gòu)建煤礦機器人相互學(xué)習(xí)和知識共享的泛化、標(biāo)準(zhǔn)、彈性系統(tǒng),突破煤礦機器人場景理解、安全探測、精確定位、自主感知及高效導(dǎo)航等技術(shù)瓶頸。實現(xiàn)煤礦機器人共性技術(shù)的云端在線服務(wù),解決個體機器人的局限性,提高煤礦機器人的智能決策水平。
(1) 建立個體與整體相融合的學(xué)習(xí)與泛化框架。在個體層面,單臺機器人在作業(yè)過程中,將傳感、決策、控制、協(xié)作以及人機交互信息進行整合,通過以神經(jīng)網(wǎng)絡(luò)為代表的人工智能學(xué)習(xí)框架進行增量、實時、在線訓(xùn)練,對機器人的作業(yè)狀態(tài)進行動態(tài)調(diào)整,實現(xiàn)全周期的最優(yōu)化控制與決策。在整體層面,多機器人之間通過新一代信息技術(shù),將自身學(xué)習(xí)的知識進行上傳和分發(fā),當(dāng)某機器人面對全新作業(yè)任務(wù)時,可以借助其它機器人的知識結(jié)果,快速熟悉作業(yè)特性,減少重新學(xué)習(xí)時間,提升整體系統(tǒng)的任務(wù)彈性和適應(yīng)能力。
(2) 建立機器人本體與云端相融合的作業(yè)模式。突破傳統(tǒng)機器人研發(fā)與集成模式,借助“5G+云計算”,實現(xiàn)本地輕量化機器人本體與云端高性能數(shù)據(jù)處理能力相融合的新型機器人研發(fā)集成路線。將智能環(huán)境感知、模式識別、地圖構(gòu)建、自主導(dǎo)航等需要強大計算能力的算法部分移入云端,本地機器人將機載傳感器、執(zhí)行器數(shù)據(jù)實時上傳云端,通過云端強大的數(shù)據(jù)處理和計算能力,對感知、建模、執(zhí)行等各個環(huán)節(jié)進行優(yōu)化計算;計算結(jié)果實時下發(fā)本地機器人,減少了本地機器人的計算負(fù)擔(dān),將更多的硬件資源向傳感器和執(zhí)行端轉(zhuǎn)移,實現(xiàn)輕量化、精簡化、高效能的作業(yè)機器人設(shè)計。
將深度學(xué)習(xí)、激光/視覺SLAM技術(shù)融入到煤礦機器人,再結(jié)合多模態(tài)融合的智能感知系統(tǒng),實現(xiàn)煤礦機器人在礦井復(fù)雜環(huán)境下自主移動、精確定位、位姿調(diào)整、智能作業(yè)規(guī)劃、自主作業(yè)以及災(zāi)害智能感知等功能,實現(xiàn)探測、掘進、支護作業(yè)過程智能協(xié)同控制。
(1) 將神經(jīng)網(wǎng)絡(luò)技術(shù)融入到多臺煤礦機器人協(xié)同作業(yè)控制和規(guī)劃中。礦井移動機器人自組織、自組網(wǎng)、自協(xié)調(diào),實現(xiàn)異構(gòu)設(shè)備整合。通過智能任務(wù)分解、任務(wù)分配、負(fù)載均衡技術(shù),組建礦井復(fù)雜環(huán)境下的機器人群,應(yīng)用井下空間自主導(dǎo)航、多傳感器狀態(tài)感知、智能作業(yè)規(guī)劃、多機協(xié)同控制等技術(shù),實現(xiàn)工作面掘進、鉆探、采掘、運輸、支護等多機器人間高效協(xié)同作業(yè)。
(2) 將人與單臺機器人交互的模式擴展到人與多機器人群的交互,實現(xiàn)操作人員對機器人群的干預(yù)和協(xié)作。煤礦機器人作業(yè)過程中,各個不同功能的異構(gòu)機器人形成復(fù)雜的多機器人協(xié)作群。同時,多機器人協(xié)作群需要能與操作人員進行深度的協(xié)作。通過AI技術(shù),突破現(xiàn)有人機交互技術(shù)的簡單的“指令-執(zhí)行-顯示”模式,將人的干預(yù)融入控制循環(huán)中,實現(xiàn)“人在環(huán)內(nèi)”的融合人機交互新模式,實現(xiàn)“井下無人系統(tǒng)群+井上操作員”的作業(yè)模式,提升整體系統(tǒng)的作業(yè)效能、任務(wù)彈性和魯棒性。
面向智慧煤礦目標(biāo),開展“煤礦機器人+”研究,“煤礦機器人+5G”實現(xiàn)全面感知互聯(lián)、全域信息共享和多通道人機交互;“煤礦機器人+云計算”實現(xiàn)輕量低成本機器人本體和高效能學(xué)習(xí)計算能力的兼容;“煤礦機器人+大數(shù)據(jù)”實現(xiàn)動態(tài)預(yù)測、信息共融,為機器人進化學(xué)習(xí)提供數(shù)據(jù)基礎(chǔ);“煤礦機器人+AI”實現(xiàn)智能自主感知、最優(yōu)分析決策和知識學(xué)習(xí)進化,從而形成礦山立體感知、自主學(xué)習(xí)、協(xié)同控制的完整智能系統(tǒng)。
人工智能在煤礦機器人領(lǐng)域得到了廣泛的應(yīng)用,并取得了較多的研究成果。但是人工智能作為新興的前沿技術(shù),仍存在局限性。
(1) 目前的人工智能技術(shù)主要面向單一任務(wù),尚未實現(xiàn)能夠面對多種任務(wù)的通用型人工智能框架。例如針對圖像識別訓(xùn)練的模型不能使用于聲音檢測和識別;識別某特定目標(biāo)物的算法框架,也無法擴展到任意目標(biāo)物的識別,在出現(xiàn)新的分類目標(biāo)時,需要構(gòu)建數(shù)據(jù)集并重新進行訓(xùn)練。該特點限制了人工智能在復(fù)雜任務(wù)場景下的應(yīng)用。
(2) 人工智能算法需要依賴于大量的數(shù)據(jù),而數(shù)據(jù)的采集、加工、標(biāo)定和校準(zhǔn)等操作需要人工完成,效率較低,如何使用更少量的數(shù)據(jù),實現(xiàn)更高的性能,成為當(dāng)前人工智能方法的研究熱點之一。
(3) 煤礦機器人種類眾多,存在大量的感知設(shè)備,驅(qū)動設(shè)備和執(zhí)行設(shè)備。各設(shè)備的數(shù)據(jù)格式多樣,難以形成統(tǒng)一的數(shù)據(jù)接口,使得各個系統(tǒng)之間的數(shù)據(jù)相互獨立。不兼容數(shù)據(jù)導(dǎo)致人工智能系統(tǒng)難以將煤礦生產(chǎn)各環(huán)節(jié)的機器人進行統(tǒng)籌協(xié)調(diào),也難以獲取所需的足夠數(shù)據(jù),無法針對整個生產(chǎn)流程形成閉環(huán)式的統(tǒng)一規(guī)劃。
(4) 煤礦機器人所處的環(huán)境極度危險,因此僅依靠目前的人工智能系統(tǒng)無法保證高度的安全性和穩(wěn)定性。如何將人工智能系統(tǒng)與操作人員的人工干預(yù)相融合,并將人的干預(yù)融入整個人工智能系統(tǒng)的運行回環(huán)之中,成為下一步需要解決的重點內(nèi)容之一。
未來,應(yīng)用于煤礦機器人的人工智能系統(tǒng)將會朝著通用化、低開銷、統(tǒng)一化和人機協(xié)作方向發(fā)展,出現(xiàn)面向多種任務(wù)的通用型人工智能算法框架,使用少量的數(shù)據(jù)和低成本的訓(xùn)練方法不斷地在線學(xué)習(xí)和進化,能夠結(jié)合煤礦生產(chǎn)各環(huán)節(jié)的關(guān)鍵數(shù)據(jù)進行統(tǒng)籌計算和調(diào)度,并能夠和人類相互協(xié)同,實現(xiàn)高效、安全、自主的煤礦生產(chǎn)。
隨著人工智能技術(shù)的發(fā)展,煤礦行業(yè)將會迎來大變革。借助人工智能高效的模型構(gòu)建、并行計算和統(tǒng)籌規(guī)劃能力,煤礦機器人的智能化、自動化水平將會邁上新的臺階,真正實現(xiàn)煤礦生產(chǎn)的無人化和安全性要求。同時,人工智能將會使煤礦生產(chǎn)效率大幅提高,推動煤礦行業(yè)安全、健康和可持續(xù)發(fā)展。