1樓：
一般就是從機器視覺開始。也就是讓裝置能夠判斷距離、方向、顏色等資訊。以及識別文字。
主流是使用乙個叫Halcon的軟體，程式語言用C#
2樓：麗台科技
人工智慧已經走進我們生活的方方面面，隨著工業4.0的到來，智慧型製造也注入轉型公升級新活力。工業機械人其實可以作為人工智慧的重要分支來看待，人工智慧是研究、開發用於模擬、延伸和擴充套件人的智慧型的理論、方法、技術及應用系統的一門新的技術科學，而工業機械人則是一種典型的機電一體化數位化裝備，技術附加值高。
人工智慧和機器學習會對下一代工業機械人產生重大影響。建議可以從計算機視覺和深度學習方面入手，可前往NVIDIA DLI深度學習學院去參考下一些入門的培訓課程，深度學習學院提供有關 AI、加速計算和加速資料科學的實踐培訓，通過在雲端完全配置的 GPU 伺服器上訓練和部署神經網路，親自實踐完成應用專案開發，掌握深度學習應用開發的策略、方法、資源和端到端流程。
www.nvidia.cn/dli
3樓：PlayBoy
我也是從事自動化，個人感覺自動化和人工智慧其實還是跨度蠻大的。
如果要往那邊靠攏的話可以自己慢慢去提公升以下幾個方向1.掌握一門物件導向的高階語言，Python可能目前是在該領域使用比較多的。
2.提公升數學水平
3.接觸一些深度學習和機械人學習的知識和目前的開源庫可以先從機器學習和深度學習入手，分類識別，配合機械臂執行。
4樓：超人工智慧之父
本工業機械人本來就是人工智慧吧，還要怎麼轉啊？那本來就是屬於人工智慧的，你是不是說那些弱人工智慧啊，計算機網際網路之類的，愛那些太多了，工業機械人啊，就是真正的強人工智慧啊。
5樓：Prinsting
可以考慮對視覺系統的深入研究學習。
視覺系統是工業機械人應用與人工智慧應用的交集之一。康耐視、基恩士是傳統的機器視覺頭部廠家，目前均在布局機器學習與視覺識別、檢測相關應用，而且目前都有第一代產品推出。
舉例說明：傳統工業視覺系統做分揀時大多採用模板匹配相關演算法，這樣導致對於不同規格尺寸物體其匹配成功率低建立模板繁瑣。視覺+機器學習系統經過多模板訓練，其對環境的適應性強，可以成功匹配比如蘋果梨子這樣的不規則物體，但目前來說對標的物體的識別精度還一般。
所以可以考慮將視覺系統的影象處理、特徵識別先深入學習下，花幾百塊買乙個黑白的工業相機，自己搭乙個小台子用他們的sdk做一些demo；其次對工業機械人+相機的手眼標定做一些學習；之後對資料統計方法（線性回歸和多項式回歸這些）做學習，用python做一些實踐。
人工智慧機械人未來將會如何發展？
楚孤鴻 人工智慧現在還是只能在影象識別，導航，語音識別等具有明確任務和確定性演算法的領域得到了長足發展，遠超越人類能力。但是人類連自身的大腦運作機理尚未弄清楚，現在也沒有能夠造出真正具備自我學習與演進的真正的智慧型的基礎。通向真正的智慧型還需要很長很長的路要走。但是回顧人類發展的歷程，大尺度上人類作...
人工智慧（機械人）會取代人類嗎？
西屋生活 美劇西部世界由HBO電視網播出。講述的是機械人接待員的覺醒和反抗的故事。最早具備和人類交流的機械人，在1939年由西屋研製。1939 Westinghouse makes an impression at the New York World s Fair with its Hall of...
參加全球人工智慧與機械人峰會（CCF GAIR）是一種怎樣的體驗？
羅羅要吃雞 去年有機會去參加了在深圳舉辦的GAIR大會，會場很火爆，很多個會場人都爆滿，很多人沒有座位都是站在後面聽嘉賓演講。因為大家平時都是要工作，能接觸到的比較新的技術的機會要麼是公司內部，要麼是網上看到的資料，要接觸到一些新的觀點的機會其實並不多。來參加這個會議，主要是用2 3天的時間，能夠看...