2026 年人工智能与机器学习在智能制造路线图
人工智能
2026-05-05 v1 机器学习
摘要
人工智能（AI）和机器学习（ML）的演进正在重塑智能制造，通过在工业价值链中提供新的效率、适应性和自主性能力。然而，AI 和 ML 在工业环境中的部署仍面临关键挑战，包括工业大数据的复杂性、有效的数据管理、与异构感知和控制系统的集成，以及对高风险工业环境中可信赖、可解释和可靠操作的需求。本路线图提供了关于 AI 和 ML 在智能制造中基础、应用和新兴方向的全面视角。其结构分为三个部分：第一部分概述构成 AI 在智能制造演进框架的基础要素和趋势；第二部分聚焦于 AI 已正在推动进展的关键领域，包括工业大数据分析、先进感知与控制、自主系统、增材制造与激光制造、数字孪生、机器人、供应链与物流优化以及可持续制造；第三部分探讨正在开启新 frontiers 的非传统 ML 方法，如物理引导 AI、生成式 AI、语义 AI、先进数字孪生、可解释 AI、RAMS、数据中心测量、LLM 和面向高度互连和复杂制造系统的基础模型。通过识别这些领域中的机遇与剩余障碍，本路线图概述了方法、集成策略和工业采用的必要进展。我们希望本路线图将为研究人员、工程师和实践者提供指南，以加速创新、协调学术和工业优先事项，确保 AI 驱动的智能制造为制造生态系统的未来交付可靠、可持续且可扩展的影响。
引用
@article{arxiv.2605.00839,
title = {2026 Roadmap on Artificial Intelligence and Machine Learning for Smart Manufacturing},
author = {Jay Lee and Hanqi Su and Marco Macchi and Adalberto Polenghi and Wei Wu and Zhiheng Zhao and George Q. Huang and Kiva Allgood and Devendra Jain and Benedikt Gieger and Vibhor Pandhare and Soumyabrata Bhattacharjee and Ram Mohril and Lingbao Kong and Qiyuan Wang and Xinlan Tang and Sungjong Kim and Chan Hee Park and Byeng D. Youn and Guo Dong Goh and Xi Huang and Wai Yee Yeong and Yung C Shin and He Zhang and Zitong Wang and Fei Tao and Jagjit Singh Srai and Satyandra K. Gupta and Byung Gun Joung and Albin John and John W. Sutherland and Sang Won Lee and Olga Fink and Vinay Sharma and Faez Ahmed and Wei Chen and Mark Fuge and Arild Waaler and Martin G. Skjæveland and Dimitris Kyritsis and Wei Chen and VispiNevile Karkaria and Yi-Ping Chen and Ying-Kuan Tsai and Joseph Cohen and Xun Huan and Jing Lin and Liangwei Zhang and Gregory W. Vogl and Aaron W. Cornelius and Xiaodong Jia and Dai-Yan Ji and Takanobu Minami and Ruoxin Wang},
journal= {arXiv preprint arXiv:2605.00839},
year = {2026}
}
备注
This paper has been accepted for publication in the Journal Machine Learning: Engineering