Alberto Rodriguez：我们离自动灵巧机器人有多远？

　　新浪科技讯 8月20日消息，2018世界机器人大会拟于8月15日至19日在北京亦创国际会展中心举行。大会以“共创智慧新动能 共享开放新时代”为主题，由“论坛”、“博览会”、“大赛”、“地面无人系统展示活动”四大版块构成。 本届大赛汇聚了来自美国、俄罗斯、德国、日本、以色列等全球近20个国家和地区的1万余支赛队和数百名顶尖专家，共计超过5万多名参赛选手同台竞技。

　　美国麻省理工学院机械工程系副教授Alberto Rodriguez发表了题为“我们离自动灵巧机器人有多远”的主题演讲。

　　以下是演讲全文：

　　谈到机器人真正像人一样操纵距离我们还有多远，我无法给大家具体的数字和具体的描述，最后我们肯定能够达到这个目标。我来自麻省理工学院的机械工程系，我们有一个MCube实验室，主要是研究机械领域和操纵，研究的是规划、控制、感应，如何让机器人按照一定顺序移动，最后是学习。

　　机器人灵活的操控到底是什么？人的角度是一方面，另一方面要看机器人现实的情况。过去几十年机器人的操控是非常精准地把一个物体从一个地方转移到另外一个地方，工业机器人基本上就是把东西拣起来放到另外一个地方，也就是物体和机械臂之间的互动，做起来非常精准。人手明显可以做更多的事情，机器人距离人手还很远。操控其实是安排这个世界、安排周围物体的艺术，是用手或者用其它部位操控，比如用胳膊和手来操控外套，把它穿上或者脱下来。按照研究的角度来看，我们也不知道这个东西到底怎么解释，穿上这个外套过程当中发生了什么事情，身体发生了什么变化。按照研究的角度也可以理解机器人到底能做什么，我们必须要把这些不断简化，比如切洋葱或者切胡萝卜，这些也是不容易的，因为要控制力度。

　　更简单的是参数化操纵，也就是和周围环境之间的互动受控程度很高，比如开门或者关门，因为要用门闩来控制，所以动作就非常简单了，周围的环境已经受控了，这就叫做参数化的操控，自动化机器人在这个层面能够做一些事情。下面的就是抓取，抓取这个动作是机器人行业过去一年研究的重点领域。首先是要接触这个物体，然后把它抓起来，挪到其它的地方，或者是做些其它的事情。这个级别也是大多数研究和应用处在的水平，也就是进行抓取。真正的操控要复杂得多，每往上走一个级别都是这样。我们这种做学术的人把操控当做非常抽象的问题，实际生活当中有很多应用。我们需要机器人组装手机，包括垃圾回收，可以挑一些不同材料的东西，我们需要机器人来做这种事情。

　　这是2010年墨西哥湾漏油事件，那个时候技术并没有那么先进，当时机器人也是试图控制漏油，需要快速反应，因为人是无法到达这个地方的。最近我们都在谈老龄化的问题，并且在家里的时间更长，需要机器人帮助我们来做一些简单的事情，比如把我们叫醒等等。所有的这些任务都需要机器人去完成，包括抓取等等。

　　现在操控的技术都有哪些？有些相对比较成熟了，有些我们想要实现。比如物体的拣取，这些东西材料不同、形状不同，可以让机器人去拣什么东西，机器人就会进去把这些东西搅拌一下，仓储也可以使用这样的技术。再就是物品的处理，不仅仅是拣东西，我们希望机器人能够处理一些物体。比如把这个东西拿起来，可能想把它放到某个特定的位置，这也是工作自动化的一部分。人手可以很容易地做到这些事情，如果是机械手的话首先要把这个东西夹起来，放到特定的位置就很困难了。最后就是物体的使用，不仅仅是用手抓起物体然后放下，同时还要做装配和工装，接触力度要更加精确，而且要根据不同产品调整接触力度。

　　物品拣取也是现在我们所处的发展阶段，传统仓库和物流当中都有使用，有些仓库非常之大，人工也会非常费劲，机器人是很好的取代人工的方式。亚马逊的一些大型仓库当中需要由机器人拣取物品，就是从盒子当中把物品拣取出来，但现在仍然是有些人在做其中的一些工作。亚马逊组织过好几次物品拣取的挑战赛，就是想推动拣取物品技术的发展，以及在很多不同的物品情况下识别物品的能力。

　　这是机器人挑战赛，包括环境的障碍，密集杂乱的物品和多变的物体，有的东西是堆放在一起的，所以必须能够分清哪些物品是需要拣取的，有的物品是硬的，有的物品是软的，有的物品是又硬又软的。我的团队也参加了三次机器人挑战赛，开发出的技术是可以做到折中操纵的。这种挑战就是抓取和选择，机器人需要自动理解哪些是需要去取的，有些可能有特别的尺寸和要求，如果这个物品非常大，可能需要不同的工具进行抓取，所以这些都整合到了机器智能当中。机器人需要能够感知哪些物品是需要抓取的，根据之前确定的图像拣取，真实的物体和选择的图片是的。

　　我们可以看到这里要抓取的东西很多，剪子、刀片和电池等等，机器人看到一系列图片的时候，最新的系统无论是数还是行业当中，看一看这些公司最新的发展，它们都在使用深度学习或者深度神经网络，可以识别在什么情况下什么东西是可以拣取的。在这种情况下它意识到应该拣取这个小东西，之前它负责看过，但在拣取的时候需要一个加长的手才能抓取起来，学会识别哪些是容易拣取的，哪些是不容易拣取的。下面有摄像头，可以对它之前的图像进行对比，比如现在抓的打蛋器和普通的勺子分清，这种问题是由深度学习解决的，也就是实际的图片和之前预存的图片进行对比，可以创造出这样的系统，并在实际环境当中得到应用。

　　这是一个示范，可以认识各种物体，从一个盒子运到另外一个盒子，这是去年机器人挑战赛我们的表现。我想强调的重点是，这项技术已经有了，至少在研究层面上已经有了，北京、上海、深圳、香港、台湾和美国，现在有100多个公司在开发非常好的、类似的解决方案，这些方案在仓库当中已经得到了充分的利用，这项技术在实际仓库当中已经得到了应用。再往上走一层的话，不仅仅是拣取物品，之后还要进行装配和工装，也就是物品的处理。这就不属于现在的范畴了，而是属于不久的将来的范畴，因为我们还需要有些问题得到解决。这是一个纸卷，可以把它抓起来，但出于某种原因它应该是垂直的，这样才能做装配，或者要放到另外一个工作台上面，最后就变成了垂直的，也是我们所谓的机器人灵活度。

　　要想解决这些问题，机器人必须知道摩擦接触的动力学，不要让物体掉到地上，也需要像上面这张图一样，拿起东西以后需要从横向变成纵向，也需要有一个提前自动的策略规划。发现了这样的任务，需要把这些机械学原理进行抽象，可以看到环境当中的推进器，也有加爪的手指和摩擦锥、运动锥和重力等等，这些都是建模当中所需的要素。这些物体必须要有智能的运动，这样的话抓取才会不断地对物体进行重新配置。左边是一开始的抓取，右边是通过一系列的思考对抓取的改变。

　　抓住物体以后，要把它放到另一个位置，或者是改变它的位置，机器人必须要设计这种顺序，然后改变它的方向，一次动作就可以了，不需要做两次。把这些结合在一起的时候就可以做到把物体从横向变成纵向，首先是在地下滚动，再把它变成纵向，基本的技术都在，去做实施规划的技术也都有了。可以看到物品的处理技术，现在很多的公司都在做拣取，再过五年重点将在物品的配套和进料方面，也就是需要对这些物料进行准确的配置。

　　再往下发展就是传统的安装和装配的工作，可以由机器人自动去做，包括抓手和非常准确的几何尺寸，但在非结构化的环境当中，左边是一套工具箱，需要一些螺丝钉和小的轴承，以便能够实现物品的处理或者操控，我们现在也在努力地在技术上取得突破，传感非常重要，能够感受到声音和质量，现在我们需要开发一些技术，这些技术可以实时规划和操控，但现在还没有，五年内也不会实现。

　　感谢支持我们的公司，包括ABB和NSF，特别感谢美国工程师协会对我的信任让我来做这样的演讲。