近日，由Jay Lee等54位作者聯合撰寫的《2026年智能製造人工智能與機器學習路線圖》在arXiv上發佈。該路線圖全面審視了人工智能（AI）和機器學習（ML）在智能製造領域的現狀與未來，旨在為研究人員、工程師和實踐者提供指導，加速創新並推動工業應用。
路線圖分為三個主要部分。第一部分概述了塑造智能製造中AI演進的基礎和趨勢。第二部分聚焦AI已取得進展的關鍵主題，包括工業大數據分析、先進傳感與感知、自主系統、增材製造和激光製造、數字孿生、機器人技術、供應鏈與物流優化以及可持續製造。這些領域展示了AI如何提高效率、適應性和自主性。
第三部分探索了非傳統ML方法，這些方法正在開闢新前沿，例如物理信息AI、生成式AI、語義AI、先進數字孿生、可解釋AI、可靠性可用性可維護性和安全性（RAMS）、數據為中心的計量學、大語言模型（LLM）以及面向高度互聯複雜製造系統的基礎模型。
儘管AI/ML潛力巨大，但在工業部署中仍面臨關鍵挑戰，包括工業大數據的複雜性、有效的數據管理、與異構傳感和控制系統的集成，以及對可信、可解釋和可靠操作的需求。路線圖識別了各領域的機遇和障礙，概述了方法、集成策略和工業採用方面所需的進展。
作者希望該路線圖能推動學術與工業優先事項的協調，確保AI驅動的智能製造為未來的製造生態系統帶來可靠、可持續和可擴展的影響。該論文已被《機器學習：工程》期刊接受發表。