0
| 本文作者： 温晓桦 | 2016-08-13 13:45 | 专题：CCF-GAIR | 全球人工智能与机器人峰会 |
美国麻省理工学院（MIT）一直是机器人科技研究的先驱，这个实验室曾研究出猎豹、Atlas等轰动世界的军事机器人。那么，随着DeepMind AlphaGo、Atlas等前沿人工智能技术的发展，机器人领域的研究会出现哪些新的趋势呢？在CCF-GAIR全球人工智能与机器人峰会机器人专场上，MIT机器人实验室主任、IEEE、AAAI Fellow、美国国家工程院院士Daniela Rus就此作了报告演说，讲述世界机器人领域十二大前沿技术趋势：
也许大家觉得这张图未来主义，但事实上我们一定程度上已经实现了，机器人可以应用于送包裹、清理环境、货物整理、自动驾驶、生活辅助等等场景。此外，我们也已经看到一些公司，他们已经发明了两种单臂协作的机器人，并应用于生产。
这些例子告诉我们的是，机器人确实已经从科幻转为当前的科学现实。我们能够让机器人更加有能力，更加的有智能。
值得一提的是，机器人领域也存在类似于“摩尔定律”这样的颠覆性规律。包括制造工具、设计工具等领域，互联网性能的颠覆速度每隔6年就会发生变化。同样，工厂机器人的数量也是每隔5年就会翻一番。目前，我们暂时已经验证了这一事实，而我相信未来这个颠覆的频率会更高。
未来这个世界，每个人都有可能拥有机器人，机器人就像是在路上跑的汽车一样常见，我把它称之为“泛在机器人”的世界。
这些机器人将能够与人类协作完成许多任务。当然，现在我们还没有到达这样的阶段，因为还有很多技术问题需要解决。比如机器人如何跟人互动，如何自我推理解决问题……以及，我们如何快速、低成本地制造新的机器人？
接下来，我跟大家分享一些技术的趋势，这些都能够帮助我们解决上述的问题。
之前的机器人都是钢体的，但这样的结构并不能很好地适应各种环境。软体是指把机器人的结构制造成柔软灵活的，像人体结构一样。一般来说，软体机器人的身体结构利用软硅胶制造的，增强其适应性，能够适应不同的未知环境。
基于肌肉运作的原理，我们发现这样的构造让机器人更加敏捷，能过更快速地完成某些特定任务。除了软硅胶，我们还可以用水或是空气去驱动软体的结构。比如这个（放大版）机器人，它外形像一条蛇，而表面这些泡泡可以通过放大和缩小的动作来驱动机器人的活动。
我们可以看到，把机器人放到管道当中时，它就可以自动去检测周围的环境，塑料型的适应性是钢体机器人不可比拟的。
同理，我们也可以去创造机器鱼。如图所示，它像实际的鱼一样可以活动，能够90度的转弯，可以快速地躲开捕猎者。全靠其软体尾部，机器鱼能够在水中上下游动。
我们已经看到了软性机体的重要性，一本新的期刊《软体机器人》期刊已经出来两年了。通过这本期刊我们知道，软体机器人在机器人学科当中的重要性排名最高，也就是说大家对软体机器人的关注度是最高的。
除了软体机器人，另外一个改善和提高机器人的技术是：灵活的抓取、搬运操作。
钢体的机器人只能够看清楚物体的大小，瞄准每一个指头放在哪里才能抓取物体，但人不是这么操作的。我们要拿一个东西时，伸手、抓取以非常连续的动作完成，不需要思考大小还是运用哪个手指。正因为要对手指头的位置的精准要求，让机器人抓起行为有了很大的局限性，它们没有办法应对不规则的物体。
而软性搬放就应运而生。因为不需要仔细地看这个物体放在哪个位置，也不会受到形状的控制。比如，它可以抓取鸡蛋、纸条。正因为这个机器人有非常柔性的结构，它可以自由地应对各种不确定因素。
我们还可以通过嵌入一些简单的传感器，来让机器人拥有辨别实际物体的能力。当然，这其中还不能百分百做到，某些场景中的识别正确率偏低。横向或者是使用两个指头拿成功率会高些，因为横向抓取积累了更多的数据，知道怎么抓；而两点抓取的信息就比较少了。
就算有软体结构，有的时候机器人也会失败。为什么呢？如果机器人抓不住，它可以告诉人出现什么问题，但它不能。
通过观察可以发现，机器人在执行一个任务时，人类一点点干预也会完全改变它的计划。如何提高人机协同互动性呢？如果机器人能过简单说一句“帮帮我，我卡住了”，这也能解决问题，但目前它还办不到。除此之外，如果机器人还可以自省，根据自己的数据计算出新的决策行动，从而避免这个故障。
因此我们希望赋予机器人这个能力。我们开发了一个程序规划系统，机器人可以通过这个规划系统思考自己的行动过程——卡住时可以想一想“为什么卡住，怎么样可以摆脱这个障碍”，或者把这个想法和人类沟通——“请把桌子搬起来”。
所以想象一下，机器人必须要有沟通能力，非常清晰明确地与外界沟通。否则，它只能说“帮帮我”的话，人类过来还得检查看一看它到底有什么问题，这样效率就很低了。
我们知道，机器人也需要学习。但是，我们人类从出生起每天可以接受大量的数据，从而进行学习，而对于机器人来说，数据储存就容易内存不足。一辆自动驾驶汽车一个小时就有1TB的数据，很难分析。所以，我们需要把抽象度提高，使得收集的数据能够达到较高阶的程度，降低储存压力和计算量。
举个例子，左边是一个GPS的数据流，如果对于这个GPS的数据流我们能够建立起有意义的结构，就能过从中归纳出一些能提取的信息，然后做高阶的推理。比如自动驾驶到了某一个位置，就知道要执行什么任务。
从数据流当中提取数据，进行抽象处理，并归纳出有意义的信息——这是接下来要分享的核心级技术——通过一个算法，在大数据当中分析一些小的数据集，这些小型数据集能够反映出整个数据运算结果。
同样一个例子：我们利用Coresete的方法，通过对视频的分析得出数据集数，然后把不同的色彩进行集中，从中可以用分析出更多更复杂的视频。电影画面里面16500帧，我们只需要用1152个Coresete数据点就可以展开分析。
只有一个机器人时，能够完成的任务有限，我们需要许多个机器人组成一个自动化系统。所以，第五个趋势就是多机器人系统。
当几个机器人组合到一起时，每个机器人都有各自负责的工作。当然了，假如现在在建一座小木屋，其中会有一个机器人负责搬零件，而另外的机器人会负责其他的工作。所以，我们可以看到这四个机器人在协作。
机器人必须要能够互相的交流、协调，才能够知道要在什么时候配合同伴执行任务。这是个挑战。它们需要了解自己的任务，又要知道整个集体任务的情况。
按需制造
我们的目标是，让一个机器人可以通过3D打印机直接打印出来，但是这不是一般的外壳打印，在3D打印机当中要有驱动机制，我们可以看到里面的电子结构。这里其实是一个非常复杂的机制。
AIR 046 | MIT机器人实验室主任：机器人的12项前沿技术趋势（下）
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
