Aplicación de la Inteligencia Artificial en la Robótica de Minas de Carbón Resumen Con el rápido desarrollo de la tecnología de inteligencia artificial, su aplicación en las minas de carbón se ha vuelto cada vez más extensa. En el proceso de producción de minas de carbón, la urgencia de la demanda de reemplazo de robots ha acelerado la aplicación industrial de robots de minas de carbón y la aplicación de tecnología de inteligencia artificial en robots de minas de carbón. Se analiza y explora la aplicación de la tecnología de inteligencia artificial en robots de minas de carbón, se introducen los principales contenidos de investigación de la tecnología de inteligencia artificial y su aplicación en la industria, se analiza la situación actual de la aplicación de la inteligencia artificial en la producción de minas de carbón, el concepto de Se elabora la aplicación efectiva de la tecnología de inteligencia artificial a los robots de las minas de carbón y se analiza la perspectiva del desarrollo de la inteligencia artificial en los robots de las minas de carbón. Palabras clave inteligencia artificial, robot de mina de carbón, percepción inteligente, toma de decisiones inteligente, monitoreo inteligente, robot de remoción de material0 IntroducciónEl proceso de producción y operación subterránea de la mina de carbón tiene los problemas de muchas personas que bajan por el pozo, alto riesgo de desastre, alta tasa de accidentes, entorno operativo hostil y contaminación ambiental grave [1]. Frente a las operaciones subterráneas de alto riesgo, los robots de minas de carbón se convierten en una de las formas importantes de lograr el objetivo de una producción de minas de carbón subterránea segura y eficiente. Los robots de minas de carbón pueden ayudar o reemplazar a las personas para completar algunas operaciones mineras peligrosas y lograr una producción segura y eficiente en las minas de carbón. Para lograr que "nadie esté a salvo", los robots son la tendencia para reemplazar a los mineros en las operaciones subterráneas. Con la estrategia de "Hecho en China 2025", "Industria alemana 4.0" e "Internet industrial estadounidense", comunicación 5G, Internet de las cosas, big data, computación en la nube e inteligencia artificial La madurez gradual de tecnologías como la comunicación 5G, Internet de Las cosas, los grandes datos, la computación en la nube y la inteligencia artificial han promovido en gran medida la transformación y mejora de la industria manufacturera tradicional de China [2]. Como ciencia y tecnología emergentes, la inteligencia artificial puede hacer que la tecnología informática sea más precisa, rápida y conveniente para completar cálculos científicos complejos que el cerebro humano es incapaz de realizar, y lograr el reemplazo parcial, la extensión y la mejora del cerebro humano, creando así máquinas inteligentes que pueden realizar operaciones complejas y peligrosas en lugar de humanos [3]. La producción futura de minas de carbón se desarrollará hacia la no tripulada, autónoma, inteligente y eficiente, en la que la tecnología de inteligencia artificial desempeñará un papel insustituible y se aplicarán diversas tecnologías de inteligencia artificial a los robots de las minas de carbón [4]. Aunque la aplicación actual de la inteligencia artificial en el campo de las minas de carbón industriales aún se encuentra en un período de torpeza, sin embargo, con la aplicación cada vez más generalizada de la tecnología de inteligencia artificial en el campo de las minas de carbón, la construcción de minas de operación no tripulada es inevitable [5] . 1 Los problemas urgentes en la industria del carbónLa industria del carbón de China ha experimentado más de 40 años de desarrollo, y la extracción de recursos minerales de carbón gradualmente tiende a ser inteligente, pero todavía hay algunos cuellos de botella que deben resolverse. 1.1 La tecnología y el equipo deben actualizarseAunque la minería y el transporte de carbón en China han pasado por las etapas de digitalización, automatización e informatización, el nivel técnico general y el equipo de producción aún son más bajos que los de los países desarrollados [6]. En 2019, la antigua Administración Estatal de Minas de Carbón Safety Supervision propuso acelerar la industrialización y la aplicación de robots de minas de carbón para excavación, extracción de carbón, transporte, control de seguridad, apoyo y rescate. El robot de la mina de carbón actual ya no solo completa operaciones repetitivas simples, puede sentir el entorno circundante y brindar retroalimentación en tiempo real al mundo exterior, pero aún no tiene capacidades de pensamiento, identificación, razonamiento, juicio y toma de decisiones independientes. , y todavía necesita la participación humana para completar algunas tareas de trabajo complejas. 1.2 Peligros graves para la seguridadLa industria del carbón es una industria de alto riesgo, y existen varios peligros en cada paso de la producción, el agua, el fuego, el gas, el polvo de carbón, las formaciones geológicas y otros desastres son frecuentes, y el complejo entorno subterráneo desconocido amenaza seriamente la seguridad de la vida de operadores subterráneos. Aunque la tecnología de monitoreo inteligente y alerta temprana de las minas de carbón basada en Internet de las cosas, big data y la computación en la nube ha reducido en gran medida la ocurrencia de accidentes y ha garantizado la producción segura de las minas de carbón, aún existen muchos problemas. La escasa precisión y sensibilidad de los sensores conducen a resultados incompletos.y recopilación inoportuna de información precursora; los sistemas de monitoreo son independientes entre sí y tienen una sola función, y la profundidad de integración y aplicación de la plataforma en la nube no es lo suficientemente profunda; la seguridad de la base de datos del sistema de monitoreo es débil; el equipo de monitoreo carece de aprendizaje profundo y de capacidad de autoadaptación [7]. 1.3 Contaminación ambiental graveLas minas de carbón producen polvo de carbón durante el proceso de extracción y también producen gases nocivos como el monóxido de carbono y el dióxido de carbono para contaminar la atmósfera [8]. Al mismo tiempo, el efluente de producción de la minería del carbón contiene una gran cantidad de metales pesados y sustancias ácidas, que pueden filtrarse fácilmente en el suelo o ingresar al agua subterránea para contaminar la geología y las fuentes de agua. Los proyectos de minería de carbón invadirán una gran cantidad de vegetación y tierras agrícolas, y la tierra es propensa a colapsar después de la minería, lo que lleva a la destrucción de la capa superficial [9]. 2 El principal contenido de investigación de la inteligencia artificial2.1 Reconocimiento de patronesEl reconocimiento de patrones en la tecnología de inteligencia artificial utiliza las potentes funciones de recopilación, análisis y procesamiento de datos de la tecnología informática avanzada para simular la percepción humana y el reconocimiento del entorno externo mediante la configuración de los programas correspondientes por adelantado. Los robots inteligentes que incorporan el reconocimiento de patrones pueden simular mejor las habilidades sensoriales humanas, reconocer personajes, sonidos, imágenes, escenas y su información fusionada con alta precisión, y percibir y modelar con precisión el entorno circundante a través de la adquisición de información de múltiples fuentes [10]. La visión artificial en la tecnología de inteligencia artificial, como una de las modalidades de percepción ambiental más importantes, simula las capacidades visuales humanas para mejorar la comprensión del robot del entorno del fondo del pozo, los procesos operativos y los fenómenos de retroalimentación. Los robots inteligentes que incorporan visión artificial son, en primer lugar, capaces de adaptarse bien al entorno operativo del fondo del pozo y colaborar bien con otros dispositivos artificiales; en segundo lugar, capaz de capturar más información sobre el paisaje externo y comprender y profundizar en el contenido de las imágenes a través de técnicas de visión estereoscópica, inspección visual y análisis dinámico de imágenes; y tercero, capaz de juzgar los fenómenos de retroalimentación subterráneos del proceso operativo y retroalimentar información sobre el estado del robot al sistema de control de movimiento [11]. 2.2 Sistema expertoLos sistemas expertos son tecnologías que modelan el conocimiento y la experiencia de expertos humanos y se utilizan para resolver problemas como decisiones, procesos y fallas del sistema. A través de técnicas de inteligencia artificial, se crean sistemas de conocimiento para sistemas de fondo de pozo que simulan humanos para resolver problemas prácticos encontrados durante las operaciones. Los expertos humanos pueden predecir fallas del sistema, determinar los puntos de falla y generar soluciones de solución de problemas basadas en el estado actual del sistema, como pantallas y sonidos del equipo, parámetros de datos operativos y el estado del producto, al resolver problemas del mundo real. Por lo tanto, los sistemas expertos se utilizan comúnmente para la predicción de fallas, el diagnóstico y la resolución de problemas. Además, en la industria manufacturera, los sistemas expertos también se utilizan para decisiones de planificación de producción, optimización de procesos de producción, coordinación de producción y optimización de parámetros de equipos. 2.3 Aprendizaje automáticoEl aprendizaje automático en tecnologías de inteligencia artificial imita las capacidades de aprendizaje humano a través de marcos modelo y algoritmos para extraer automáticamente leyes intrínsecas a través de datos de entrenamiento, información ambiental y retroalimentación para mejorar el rendimiento del sistema y mejorar la adaptación y robustez ambiental. Los robots que incorporan el aprendizaje automático tienen capacidades de extracción de leyes y resumen de conocimientos similares a las humanas para identificar información efectiva de la gran cantidad de recursos de información recopilados y aprender a mejorar su propia inteligencia. La tecnología de aprendizaje automático puede resolver de manera efectiva una serie de problemas en situaciones inesperadas y reducir en gran medida los costos de mano de obra y producción [12]. 2.4 Inteligencia Artificial DistribuidaEl sistema de inteligencia artificial distribuida coordina la programación y el control de sistemas corporales multiinteligentes heterogéneos mediante la combinación científica y racional de inteligencia artificial y tecnología informática, a fin de mejorar el rendimiento del sistema de inteligencia artificial, mejorar la capacidad de ejecución de tareas y aumentar la eficiencia de el trabajo cooperativo de cada sistema independiente en el robot inteligente. Cuando el robot inteligente se encuentra con algunas situaciones inesperadas, aún puede garantizar que cada subsistema realice un trabajo normal. El actual sistema de inteligencia artificial distribuida aún se encuentra en la etapa inicial de investigación y desarrollo, y la dificultad técnica radica en cómo coordinar las reglas de operación de los diferentes sistemas [13]. 3 Estado de aplicación deinteligencia artificial en robots de minas de carbón3.1 Aplicación de inteligencia artificial en el control de movimiento de robots de minas de carbónPara garantizar que los robots de las minas de carbón puedan operar correctamente en entornos subterráneos complejos, los investigadores han aplicado tecnologías de inteligencia artificial, como sistemas expertos y redes neuronales artificiales, a métodos de control de movimiento de robots, algoritmos y operaciones colaborativas. Al simular el nivel de pensamiento y conocimiento de expertos humanos, los robots de minas de carbón pueden resolver algunos problemas no lineales multidimensionales complejos, reducir la cantidad de operaciones para el análisis de sistemas dinámicos, la configuración de parámetros y el procesamiento de datos, y mejorar la eficiencia y precisión del control. Los investigadores de Wang Nian et al [14] diseñaron un robot minero inteligente basado en ucos integrados y utilizaron la red GSM para realizar el control remoto del dispositivo; Los investigadores de Zhang Chuancai et al [15] utilizaron la red neuronal BP para establecer un método de medición para determinar el ángulo de giro del robot en función de la velocidad del motor y el tiempo de ejecución, que puede proporcionar parámetros de ángulo para la planificación de la ruta del robot; El personal de investigadores de Wang Xuesong et al [16] se aproximó a los parámetros cinéticos inciertos basados en la red neuronal mejorada de Elman y envió comandos de control para el servosistema del robot de la mina de carbón usando un controlador neurodifuso; Los investigadores de Song Xin et al [17] aplicaron redes neuronales en el campo del control de robots para llevar a cabo acciones como el control de acoplamiento de múltiples articulaciones del brazo robótico, la planificación de la trayectoria final y el control de válvulas hidráulicas.  3.2 Aplicación de la Inteligencia Artificial en la Percepción Inteligente y Predicción de Peligros del Robot de Minas de CarbónLos robots de inspección minera realizan una percepción integral de la información del entorno subterráneo al llevar varios sensores, monitoreo en tiempo real de fallas de instrumentos y equipos, seguridad del personal e información sobre desastres como gas, polvo de carbón, agua e incendios, y emisión oportuna de alerta temprana a reducir la ocurrencia de accidentes en minas de carbón. Para varias dificultades técnicas, como la identificación inexacta y el monitoreo inoportuno en entornos subterráneos complejos, los investigadores utilizan tecnologías de aprendizaje profundo, reconocimiento de patrones y sistemas expertos para mejorar aún más la identificación precisa del robot y el monitoreo en tiempo real de los peligros emergentes subterráneos. Los investigadores de Lu Wanjie et al [18] utilizaron algoritmos de aprendizaje profundo basados en redes neuronales convolucionales para modelar y entrenar equipos de minas de carbón de modo que el robot de inspección subterránea pudiera identificar con precisión el tipo de equipo de la mina de carbón; Los investigadores de Zhang Fan et al [19] propusieron un método de reconstrucción de imágenes de minería basado en redes neuronales residuales para los efectos perturbadores del ruido subterráneo en el entorno operativo visualizado, que mejoró efectivamente la claridad de las imágenes de monitoreo y Nie Zhen et al [20] utilizaron un algoritmo genético basado en la red neuronal de BP para construir un sistema de detección inteligente del entorno de gas del túnel y obtener datos en tiempo real de la distribución de la concentración de gas en diferentes secciones del túnel en el camino de los robots de inspección de minas de carbón; Pan Yue et al [21] utilizaron la red neuronal de BP para establecer un modelo de diagnóstico de fallas de los ventiladores y establecer un mapeo entre los tipos de fallas de los ventiladores y las bandas de frecuencia de vibración del rotor del ventilador, realizando así el diagnóstico de fallas de los ventiladores. relación, y luego lograr el diagnóstico de fallas del ventilador; Los investigadores de Yan Junjie et al [22] se basaron en una red neuronal artificial para establecer un modelo de diagnóstico para fallas en los engranajes de la maquinaria de la mina de carbón, utilizando la señal de entrada para entrenar el modelo de red neuronal, clasificar la señal de salida y luego determinar la falla del engranaje. 3.3 Aplicación de inteligencia artificial en navegación de posicionamiento autónomo y construcción de mapas para robots de minas de carbónLograr el posicionamiento y la navegación autónomos en entornos complejos de minas de carbón no estructurados requiere considerar tanto la incapacidad de la tecnología GPS para aplicarse directamente en el fondo del pozo como la necesidad de superar la interferencia de factores externos como el polvo, la temperatura, la humedad, el ruido y el flujo de aire, que coloca más alto demandas de tecnología de navegación y posicionamiento autónomo y preciso para robots en entornos restringidos y cerrados en el fondo del pozo. La construcción de mapas, la navegación de posicionamiento, la planificación de rutas y la evasión de obstáculos en tiempo real de los robots de minas de carbón basados en tecnología de inteligencia artificial se han convertido en puntos calientes para la investigación aplicada. Bai Yun [23] propuso una red neuronal difusa de estructura variable y la aplicó al proceso de detección del entorno de los robots de rescate subterráneos de serpientes, fusionando datos de sensores de múltiples fuentes para lograr el reconocimiento de obstáculos y el modelado del entorno de los robots serpiente en entornos hostiles; Los investigadores de Fu Hua et al [24] utilizaron un modelo de red neuronal artificial para modelar y describir dinámicamente el espacio de trabajo del sistema inteligente de monitoreo de minas de carbón, utilizando un modelo de red neuronal para la planificación de rutas de evitación de obstáculos de robots; Los investigadores de Zhang Yaofeng et al [25] utilizaron la compensación basada en la red de Elman paraerror de medición del sensor del robot subterráneo, que mejoró en gran medida la precisión del alcance ultrasónico y la detección de obstáculos; Los investigadores de Zhai Guodong et al [26] resumieron la tecnología de visión binocular en el robot de rescate de minas de carbón para obtener información de la escena del accidente y lograr la evitación autónoma de obstáculos y la planificación de rutas, incluida la clasificación y el reconocimiento de patrones, la medición visual y la reconstrucción 3D, la medición y localización combinadas y la visualización. servocontrol; Los investigadores de Ma Hongwei et al [27] construyeron un sistema de visión artificial basado en cámaras de profundidad y propusieron un método de navegación basado en visión de profundidad, en el que el robot está equipado con una cámara de profundidad RGB-D para la adquisición de datos para lograr la creación de mapas y la navegación autónoma. . 4 Investigación sobre robots inteligentes para minas de carbónExisten varios tipos de tecnologías de inteligencia artificial, y los principales contenidos de investigación aplicados al campo de los robots de minas de carbón incluyen la percepción inteligente de fusión multimodal, el aprendizaje del conocimiento y la toma de decisiones inteligente, y la operación cooperativa de control inteligente. A través de la percepción, el aprendizaje, la toma de decisiones y el control colaborativo, se realiza el desarrollo inteligente de robots para minas de carbón. 4.1 Percepción inteligente de fusión multimodalEl robot de la mina de carbón está equipado con varios sensores a prueba de explosiones, de alta precisión y alta confiabilidad para construir un sistema de percepción inteligente con fusión multimodal de visión, oído, olfato, tacto, etc., para completar el reconocimiento y análisis inteligente, sonido anormal reconocimiento, monitoreo de temperatura anormal, detección de humo, detección de concentración de gases nocivos, evitación autónoma de obstáculos, agarre autónomo y otras operaciones. (1) Investigación sobre tecnologías de detección visual y reconocimiento de visión artificial en escenarios de aplicación de minas de carbón. A través del procesamiento y comprensión de imágenes, el robot es capaz, en primer lugar, de identificar y monitorear equipos de medidores digitales, pantallas LCD, indicadores, válvulas, etc.; en segundo lugar, detectar el goteo de líquido de la tubería, el funcionamiento de la cinta y el agrietamiento; en tercer lugar, llevar a cabo la intrusión de personal, personal de servicio, detección de vestimenta de personal; en cuarto lugar, identifique y rastree objetos extraños como ganga, varillas de anclaje, troncos de carretera, tuberías de hierro, etc. que aparecen en la cinta. (2) Investigación sobre tecnologías como la audición de robots, es decir, detección y reconocimiento de sonido en escenarios de aplicación de minas de carbón. Usando sensor de captación de sonido de alta sensibilidad, procesador de señal digital DSP de alta velocidad, combinado con tecnología de procesamiento de reducción de ruido dinámico adaptativo, extracción de características de audio y tecnología de reconocimiento de algoritmo de modelo de detección para identificar sonido anormal en la mina. (3) Investigación sobre tecnología de reconocimiento inteligente para olfato robótico, es decir, detección de gas en escenarios de aplicación de minas de carbón. Detección precisa de metano, sulfuro de hidrógeno, monóxido de carbono, oxígeno y otros gases en el ambiente y si el humo excede el límite, detección oportuna de fugas de gas y alerta temprana de incendios. (4) Investigación sobre tecnología háptica para robots en escenarios de aplicación de minas de carbón. Recopile la temperatura de objetos como motores, bombas, cojinetes, rodillos, cintas, etc. con contacto o sin contacto y analice los datos; A través de equipos de detección de fuerza, monitoreo en tiempo real de la fuerza de contacto, fuerza de agarre, fuerza operativa, tensión interna y detección de fuerza y control de seguridad. 4.2 Aprendizaje del conocimiento y toma de decisiones inteligenteEn vista de los problemas actuales de protocolos de sistemas de robots de minas de carbón incompatibles y la falta de intercambio e integración de información, integraremos profundamente los robots de minas de carbón con tecnología de la información de nueva generación, construiremos un sistema generalizado, estándar y flexible para el aprendizaje mutuo y el intercambio de conocimientos sobre el carbón. robots mineros y rompa los cuellos de botella técnicos de la comprensión de la escena del robot de la mina de carbón, la detección de seguridad, el posicionamiento preciso, la percepción autónoma y la navegación eficiente. Realice servicios en línea basados en la nube para tecnologías comunes de robots de minas de carbón para resolver las limitaciones de los robots individuales y mejorar la toma de decisiones inteligente de los robots de minas de carbón. (1) Establecer un marco de aprendizaje y generalización que integre al individuo y al todo. A nivel individual, un solo robot integra información de detección, toma de decisiones, control, colaboración e interacción humano-robot durante la operación, y realiza capacitación incremental en línea en tiempo real a través de un marco de aprendizaje de inteligencia artificial representado por redes neuronales para dinámicamente ajuste el estado operativo del robot y logre un control y una toma de decisiones óptimos durante todo el ciclo. A nivel general, los multi-robots cargan y distribuyen su conocimiento aprendido entre ellos a través de la nueva generación de tecnología de la información, de modo que cuando un robot se enfrenta a una nueva tarea operativa, puede familiarizarse rápidamente con las características operativas con los resultados del conocimiento. de otros robots, reduce el tiempo de reaprendizaje,y mejorar la flexibilidad y adaptabilidad de las tareas del sistema en general. (2) Establecer un modo de operación en el que se integren el cuerpo del robot y la nube. Avance en el modelo tradicional de I + D e integración de robots, y realice una nueva ruta de I + D e integración de robots que integre el cuerpo ligero del robot local con la capacidad de procesamiento de datos de alto rendimiento en la nube con la ayuda de "5G + computación en la nube". Los algoritmos que requieren una gran potencia informática, como la percepción del entorno inteligente, el reconocimiento de patrones, la construcción de mapas y la navegación autónoma, se trasladan a la nube, y el robot local carga los datos de los sensores y actuadores integrados en la nube en tiempo real. y optimiza el cálculo de la percepción, el modelado y la ejecución a través del poderoso procesamiento de datos y el poder de cómputo de la nube. El resultado se envía al robot local en tiempo real, lo que reduce la carga computacional del robot local y transfiere más recursos de hardware al sensor y al lado de la ejecución para lograr un diseño de robot operativo liviano, optimizado y de alto rendimiento.   4.3 Control inteligente de la operación cooperativaLa integración de tecnologías SLAM de aprendizaje profundo y láser/visual en robots de minas de carbón, combinadas con un sistema de detección inteligente de fusión multimodal, realiza las funciones de movimiento autónomo, posicionamiento preciso, ajuste de posición, planificación de operación inteligente, operación autónoma y detección inteligente de desastres de robots de minas de carbón en un entorno minero complejo, y realiza un control colaborativo inteligente de los procesos de operación de detección, excavación y soporte. (1) Integración de la tecnología de redes neuronales en el control y la planificación de operaciones colaborativas de múltiples robots de minas de carbón. Autoorganización, autoagrupamiento y autocoordinación de robots móviles en minas para lograr la integración de equipos heterogéneos. A través de tecnologías inteligentes de descomposición de tareas, asignación de tareas y equilibrio de carga, se forma un enjambre de robots en entornos complejos en las minas, y tecnologías como la navegación autónoma en el espacio subterráneo, la detección del estado de múltiples sensores, la planificación inteligente de operaciones y la colaboración de múltiples robots. El control se aplica para realizar operaciones de colaboración eficientes entre múltiples robots en la excavación, perforación, extracción, transporte y soporte del área de trabajo. (2) Extender el modo de interacción humana con un solo robot a la interacción humana con múltiples grupos de robots, y realizar la intervención y colaboración de operadores en grupos de robots. Durante la operación de los robots de las minas de carbón, cada robot heterogéneo con diferentes funciones forma un complejo enjambre colaborativo de múltiples robots. Al mismo tiempo, el enjambre colaborativo de múltiples robots debe poder colaborar con el operador en profundidad. A través de la tecnología de inteligencia artificial, podemos superar el modo simple de "visualización de ejecución de comandos" de la tecnología de interacción humano-robot existente e integrar la intervención humana en el ciclo de control para realizar un nuevo modo de interacción humano-robot con "humano en el circuito". ", y realizar el "grupo de sistema subterráneo no tripulado + grupo de sistema subterráneo no tripulado + grupo de sistema subterráneo no tripulado". modo de operación "grupo de sistema no tripulado subterráneo + operador subterráneo", para mejorar la eficiencia operativa, la flexibilidad de tareas y la robustez del sistema general. Para lograr el objetivo de la mina de carbón inteligente, llevaremos a cabo investigaciones sobre "robot de mina de carbón +", "robot de mina de carbón + 5G" para lograr una detección e interconexión integrales, intercambio de información de dominio completo e interacción hombre-robot multicanal. ; "robot de mina de carbón + computación en la nube" Robot de mina de carbón + computación en la nube" se da cuenta de la compatibilidad de la ontología robótica liviana y de bajo costo y la capacidad de computación de aprendizaje de alto rendimiento; "robot de mina de carbón + big data" se da cuenta de la predicción dinámica, integración de información y proporciona una base de datos para el aprendizaje evolutivo de los robots; "robot de mina de carbón + IA "Robot de mina + IA" realiza una percepción autónoma inteligente, análisis y toma de decisiones óptimos, y evolución del aprendizaje del conocimiento, formando así un sistema inteligente completo de percepción tridimensional, aprendizaje autónomo y control cooperativo en la mina. 5 Perspectivas futurasLa inteligencia artificial se ha aplicado ampliamente en el campo de la robótica de minas de carbón y se han logrado más resultados de investigación. Sin embargo, como tecnología de frontera emergente, la inteligencia artificial todavía tiene limitaciones. (1) La tecnología de IA actual está orientada principalmente a una sola tarea, y aún no se ha realizado un marco general de IA que pueda enfrentar múltiples tareas. Por ejemplo, los modelos entrenados para el reconocimiento de imágenes no pueden utilizarse para la detección y el reconocimiento de sonidos; el marco del algoritmo para reconocer un objeto de destino específico no se puede extender al reconocimiento de objetos de destino arbitrarios, y el conjunto de datos debe construirse y volver a entrenarse cuando aparece un nuevo objetivo de clasificación. Esta función limita la aplicaciónde IA en escenarios de tareas complejas. (2) Los algoritmos de inteligencia artificial deben depender de una gran cantidad de datos, y las operaciones como la recopilación, el procesamiento, la calibración y la alineación de datos deben realizarse manualmente, lo que es menos eficiente. Cómo utilizar una menor cantidad de datos para lograr un mayor rendimiento se ha convertido en uno de los puntos críticos de investigación actuales de los métodos de inteligencia artificial. (3) Hay muchos tipos de robots para minas de carbón, y existe una gran cantidad de dispositivos sensores, dispositivos impulsores y dispositivos actuadores. Los formatos de datos de cada dispositivo son diversos y es difícil formar una interfaz de datos unificada, lo que hace que los datos entre cada sistema sean independientes entre sí. Los datos incompatibles dificultan que el sistema de IA coordine los robots en cada parte del proceso de producción de la mina de carbón y obtenga suficientes datos para formar un plan unificado de ciclo cerrado para todo el proceso de producción. (4) El entorno en el que operan los robots de las minas de carbón es extremadamente peligroso, por lo que los sistemas de IA actuales por sí solos no pueden garantizar un alto nivel de seguridad y estabilidad. Cómo integrar el sistema de IA con la intervención manual del operador e integrar la intervención humana en todo el ciclo de operación del sistema de IA se convierte en uno de los elementos clave que se abordarán en el próximo paso. En el futuro, los sistemas de IA aplicados a los robots de las minas de carbón se desarrollarán hacia la generalización, los gastos generales bajos, la unificación y la colaboración hombre-máquina, con el surgimiento de un marco general de algoritmos de IA para múltiples tareas que aprende y evoluciona continuamente en línea utilizando pequeñas cantidades de datos. y métodos de capacitación de bajo costo, capaces de integrar datos clave de todos los aspectos de la producción de minas de carbón para computación y programación integradas, y capaces de colaborar entre sí y con humanos para lograr Es capaz de colaborar con humanos para lograr eficiencia, seguridad y producción autónoma de minas de carbón. 6. ConclusiónCon el desarrollo de la tecnología de inteligencia artificial, la industria minera del carbón verá un cambio importante. Con la construcción de modelos eficientes, la computación paralela y las capacidades de planificación de la IA, la inteligencia y la automatización de los robots de las minas de carbón alcanzarán un nuevo nivel, satisfaciendo verdaderamente los requisitos no tripulados y seguros de la producción de las minas de carbón. Al mismo tiempo, la inteligencia artificial permitirá un aumento significativo en la eficiencia de producción de las minas de carbón y promoverá el desarrollo seguro, saludable y sostenible de la industria de las minas de carbón.