當前，各行業的企業都正轉向無人機服務，希望借無人機取得戰略優勢，維修業也不例外，而且正在將無人機、機器人、數據等結合在一起，增強無人機的“行為能力”。

目前，一些大型工業企業都在轉向機器人檢修服務，嘗試在現有基礎設施的基礎上結合無人機、機器人和人工智能（AI）等自動地完成數據采集和數據分析。

10月13日，霍尼韋爾推出了一款商用無人機（UAV）巡檢服務，稱為InView服務包，InView服務包是利用先進的英特爾“獵鷹”8+無人機系統以及霍尼韋爾在航空航天和各工業領域中積累的專業技術，為橋梁鐵路等公共設施建設、能源、基礎設施以及石油和天然氣行業提供服務，幫助各行業客戶加強對關鍵設備或設施的檢查，降低長期處于危險環境作業的風險，保障人員的工作安全。霍尼韋爾InView服務包的整體方案（包括無人機、飛行應用程序和可定制的門戶網站）可幫助客戶針對例行檢查或危機響應等不同情況定制標準化航路并提供數據分析。例如，霍尼韋爾InView巡檢服務可以幫助供電部門的客戶創建針對輸配電系統的例行檢查，在室內或在室外隨時對生成的數據進行存儲、檢索和訪問。

波音公司的子公司Insitu Pacific也于2014年開始試驗使用“掃描鷹”無人機對昆士蘭天然氣公司（QGC）基礎設施進行檢測，并在2016年5月宣布繼續承包該項服務。Insitu Pacific公司還為殼牌公司的子公司QGC提供全方位服務，Insitu Pacific公司擁有自己的平臺，通過飛行無人機進行檢查、分析數據并提供可操作的信息，同時與澳大利亞民航安全局（CASA）共同合作創造安全的飛行環境。

今年5月，Insitu Pacific宣布成立Inexa Solutions公司，新公司借鑒了澳大利亞的經驗將提供數據、數據分析和可操作的情報。Inexa Solutions表示，將繼續與QGC合作，此前他們通過地面檢查和載人飛機每天只能檢測6口井，而現在每天的檢測數量超過100口。此外，該公司還透露不僅與QGC合作，還會與CASA合作，使操作更安全。目前，該公司已經建立了一個使用態勢感知系統的無人機空域原型，包括與電信公司Telstra合作使用網絡連接起來的遠程站，創建數據流以及創建空域的網絡共同操作來自低空飛行的無人機和載人飛機的圖片。該公司可以為無人機遠程操作人員提供網絡，使其能夠在空域內安全操作。同時，該公司也在為“掃描鷹”尋找其他的機會，此前美國海岸警衛隊(USCG)于2017年3月發布了關于在國家安全快艇上操作的無人機的提案請求（RFP）草案，預計于2018年4月至6月簽訂最終合同。

洛克希德•馬丁公司也正在致力于管路基礎設施檢修市場。空客公司表示，隨著無人機的不斷普及，該領域的年規模有望增長至億美元以上。今年5月,空客公司在美國達拉斯舉行的AUVSI Xponential展會上宣布新成立的商用無人機公司Airbus Aerial的美國基地正式投入運營，初始業務將集中在開發新的成像服務方面，為保險業、農業、油氣行業、公共事業、及地方政府等提供無人機、衛星、高空飛機和其他來源的信息分析和可行動的數據。

6月13日，GE與計算領域的Nvidia公司在德國柏林宣布，成立一家專門提供先進檢測服務的公司——Avitas系統公司。

Avitas系統公司將使用預見性數據分析、機器人和人工智能，為油氣、運輸和能源行業提供先進檢測服務。Avitas系統公司將與GE合作開發用設施檢測的地基和空中自主和半自主機器人，并基于GE的Predix工業互聯網平臺分析檢測數據，自動識別缺陷給出最優的檢測和維修計劃建議等，可使客戶的檢測成本降低25%。客戶通過一個具備7×24小時告警功能的檢測平臺能夠實時訪問檢測數據。目前，GE公司已經開始將其測試用于煉油廠、工廠、鐵路和其他工業設施檢測的自主無人機和機器人“爬蟲”。Avitas系統公司指出，一家中等規模的煉油廠每年的常規人工檢查支出為400百萬美元，而Avitas系統公司通過自動化檢測僅需要300萬美元，并且還可以基于數據收集優化檢測資源。

同時，Avitas系統公司正在利用Nvidia的DGX計算機系統實現AI算法，并應用于設計檢查路徑，處理收集到的圖片，以及自動檢測腐蝕、熱/冷點或微裂縫等缺陷的數據并進行分析。今年5月發布的DGX Station 是專門用于辦公室環境的方案。Nvidia公司發現了該系統在運輸車輛方面的潛力，并與Avitas系統公司分享了原型機，預計不久后Avitas系統公司將全面鋪開生產。Nvidia的DGX-1超級計算工作站正在被集中用于解碼和培訓深度學習算法，如用于圖像分類的卷積神經網絡和用于標注圖片的對抗性神經網絡等。此外，Avitas 系統公司還計劃將Nvdia的簡潔版DGX 工作站與機器人相連接，進而在監測點就地自動識別缺陷。

Avitas 系統公司表示其長期目標是將機器人與AI算法相融合，進而增強機器人的“行為能力”，而且還要將AI從數據中心推向實地現場。在現場環境中使用 DGX 是非常重要的，因為有時需要檢測的工業場所是遠離人們生活區，所以要求檢測的設施往往沒有強大的網絡基礎設施，并且從野外無人機和機器人上返回的數據量通常太大，無法反饋到數據中心進行深度學習處理。AI解決方案可以實時處理檢測數據，Avitas系統公司在 AI解決方案中保存深度學習模型，以適應新的用途。該公司表示，該計劃將會擴展 Avitas Systems 的 AI的能力。

Avitas系統公司指出，AI未來將在眾多不同地方得到應用。首先，采用AI能夠為無人機開發出“最優飛行路線”，便于收集關鍵點處的圖像及視頻數據。其次，AI能夠創建資產的3D模型，如傳輸塔、管道乃至煉油廠，并將這些3D模型“切分成層”，確保無人機與機器人發現其中諸如裂縫或者腐蝕等異常現象，從而自動執行缺陷檢測工作。再次，通過GE的各種感官專家（油氣管道泄漏識別、管道地理定位等）培訓出的AI算法可以自動檢測出設施缺陷。檢查后的信息最終進入中央數據庫，并與過去一段時間的檢修數據相對比，進而評估出風險等級或者基于此風險制定出下一步的檢修計劃。因此，運用這種方法，不僅更具安全性，而且采集到的數據具有可重復性。無人機路徑的可重復性能夠為深度學習提供發揮空間。同時，還能夠創建自動化飛行路徑，且在未來6個月內重復使用該路徑并對數據進行并行分析。