Frank Kirchner：智能行走作业机器人的市场应用前景

　　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。

　　德国人工智能研究中心机器人创新中心主任Frank Kirchner在论坛上发表了题为“智能行走作业机器人的市场应用前景”的演讲。

　　我要讲的主要是应该如何认识机器人和人工智能，其实这是一个事物的两面：人工智能是计算机科学的核心，计算机科学也和工程机械电子学有关系，同时人工智能也基于心理学和认知科学等等，所以是这种学科的核心，也和神经科学有紧密的关系。电子学、神经科学和计算机学之间连接的点就是人工智能。

　　如何解决现有的这些问题？上个世纪图灵曾经写过一篇文章，其中谈到了人工智能，在此基础上要想让机器人在环境当中学习，并且不断演进，变得越来越智能，面临的主要是四大挑战：我们需要打造非常复杂的系统，增加更多的自由度和传感器，这样机器人才能和复杂的环境进行互动，需要以这种方式抓住一个东西。

　　结构的复杂性也就意味着算法会更加复杂，算法复杂也就意味着管理起来更加复杂，因为要保证能够正常运转，也要知道一个真实世界当中的自由度是非常多的。算法复杂本身又会带来学习过程非常复杂，我们也发现很多机器人的运动，无论是平行运动还是其它类型的运动都是非常复杂的，要想控制这种非常复杂的运动链是非常复杂的，比如用深度学习和增强学习。最后需要思考的是整个架构，因为需要将软件、硬件整合到一个大的框架当中完成任务，使得这个东西能够长期使用，不只是在实验室当中使用一段时间，我们讲的就是能够用几个月甚至几年的机器人。

　　当然，这些东西还会产生新的问题，所以实际上是不断的循环，也会发现总会有新的问题出现。我们希望机器人能够在人的环境当中正常使用，那么机器人就需要像人一样学习。未来我们对机器人是如何进行编程的呢？最重要的就是需要让机器人像人一样学习，把机器人打造成为我们的伙伴，希望这些伙伴能够读懂我的意图，比如能够看出我的同事今天情绪不好，作出这样的判断才能用不同的方式和其他人交流。我们希望机器人能够读懂我们的基本意图，之前也有讲者讲到过这方面的内容。

　　这是来自Boston Dynamic的视频，仍然没有什么太多的认知功能，但在做一些非常简单的任务，就是在森林当中自然地行走，追踪一些足迹。这种机器人也是在自然当中学习，这个层面当中其实它已经有了一定的智能，可以用软件对它进行控制。我们花了二十多年设计智能执行器，也花了更多工程的力量把它打包成一个小包，这些可以用在各种形状的机器人当中，比如行走的机器人、爬行的机器人，也要看一看更高级的东西，比如感知的元器件，借鉴了一些其他同事的想法，就是重建人体的皮肤，这样就能够让机器人有感知和触觉。

　　这是行走机器人的结构，我们也在重建机器人的脚，要想打造人形的脚里面包含很多东西，包括一些3D打印的技术。过去几年当中省了很多时间，因为过去要有一个想法变成现实是非常困难的，有了3D打印很快可以将想法变成现实，并且省了很多成本。这里我们要把足部做得非常灵活，可能要设定很多压力点，这个脚本身也是足够智能的，搭载了强大的计算单元，能够收集到很多的信息，我们可以用它来做很多的事情，探索人体到底是如何反应的。

　　我们可以通过非常简单的想法，将这种技术拓展到整个其它的位置。这种方式甚至可以解决一些非常复杂的问题，传统的计算方式可能有些做得并不是特别好。复杂的结构导致了更为复杂的算法，可以看到这些小型机器人对周围的环境完全不了解，但仍然可以穿过这些地方，我们给它们赋予这样的运动智能，所以可以穿越很多的障碍，和周围的环境很好地互动。当然，我们也可以用导航的技术在环境当中移动，甚至绘制这个地区的地图，之后把自己置身在地图当中进行自我导航，记录自己的行走路径。

　　这种行走的机器人通过不断触摸周围的环境记录信息，这里也包含了很多触感信息，提升了记录信息的准确性，也需要带有非常强的导航能力。

　　学习是非常重要的部分，因为我们的机器人正在变得越来越复杂，传统的计算科学方式已经无法解决新的东西了，所以我们需要这个机器人进一步学习，通过这种多层的学习方式，表现也是不错的。这两条线是深度网络，现在加入了第三维，实际上能够将前两维的学习进一步深入，解决一些以前在二维当中解决不了的问题。

　　通过学习，这些机器人会变得更加有用，需要考虑我们什么时候使用机器学习什么时候不用，机器学习无法把垃圾信息转化为有用信息，如果这些信息本身就是低质的，输入信息的话是不可能转化成为有用的东西。很多时候我们要用统计学的方法过滤信息，比如在医疗领域要首先对数据进行过滤，通过统计的方法清理这些数据，之后再输入这些数据，否则就会产生一些错误的结论。

　　值得一提的是水下领域，我们的实验室当中在做水下甚至可以居住的环境，可以看到这是我们设计的原型，里面也有很多的传感器和硬件，使其能够在水下非常自由地航行，但这只是一个模拟的视频，我们是把它用在3，000-4，000米的水下深度，可以模拟一下人在里面会有什么情况。水下的居民会住在水下很长一段时间，但也需要电和能源，必须能够在水下自动充电，使用导航的技术进行移动。这是真实机器人获取的数据，追踪的是水下的输油管道，这个系统已经运转了一段时间，现在已经实现了一定程度的自主运营。当然，不仅是找到和追踪石油管道，还能够做些其它的事情，比如观察水下管道的结构，很多信息可以传输给水上的操作人员，同时可以避免很多事故。

　　这些智能功能都是存储在系统当中，通过无线的方式传输信息，由于系统有一定的自主性，能够自动地在完成任务以后回到所谓的车库里面，并且完成通讯的任务，将信息发回到控制台。这是机器人真正执行任务的视频，也是在不莱梅非常大的水下区域测试这个系统。过去的几年当中我们也听到中国急救人员需要更好的智能设备完成任务，比如行走机器人甚至可以在水下进行搜寻，也可以应用于油气领域。

　　这个机器人适用于几大环境，比如岩石环境，视频当中是我们和美国同事一起做的测试，是在尤他州沙漠走了6周，然后在不莱梅控制这个机器人。再就是实体智能机器人未来将会给我们的生产带来巨大的变化，今后我们将有混合的团队，也就是人机协作的团队，人和机器人混合在一起，生产iPhone、汽车和飞机。可以看到一些应用实例，我们把它称作“物理阿凡达”，因为机器人不是完全独立的，而是由和人之间的协作实现。

　　在实现人机团队之前还有很多研究需要做，比如在操控领域需要做很多的研究，这里想做的就是左上角，人和机器人之间实现完全的接触。目前在传统的工业场合，人和机器人之间是没有接触的，分开的好处就是机器人可以很重，也可以举起非常重的物体，但今天的机器人不能和人实现好的协作，要么就是安全的，但在功能上有缺失，要么就是强壮的，但可能导致安全性的问题。

　　这个机器人是对外力有反应的，同时又可以保持参考的轨迹，所以这是实验室的一个实验，但可以让我们看到和人能够合作的机器人，不可以伤害人。现在我们又往前走了一步，比如和大众汽车公司合作，使用的是库卡的机器臂，现在也可以做一些在实验室当中用机器人做的事情，就是实现未来的人机协作。这里是生产一个变速箱，人和机器可以通过手势协作，也可以进入机器人所在的空间，机器人会根据感应避免伤害人。

　　之前有人提到过一点，我们使用EEG信号控制机器人，可能会看机器人的潜力，也就是可以从一系列的信号当中读出其所需要的信息，也可以准备好，如果移动右手是一种模式，移动左手是另外一种模式，我们会对这些信号进行分析，使得我们有可能在这个人实际的行动之前的100-150微秒，得以知道这个人要做什么事情，当人真正去做这件事情甚至只是想举手的时候机器人已经把手举起来了，我们有很多算法的设计以便做到这一点。

　　人和机器在未来是怎么协作的呢？这是《Nature》杂志已经发表的论文，如果人意识到某件事情是错误的，我们会使用错误的方式不断改进机器人，这也是非常有意思的发展方向，你要和一个机器人伴侣生活的话，机器人伴侣如果非常愚蠢，你要一直教它，告诉它这样做，如果花很长时间教它的话你可能就厌倦了，所以有了这样一种机制，认知的角度对人类来说并不复杂，其实是在潜意识层次发生，如果在潜意识的层面训练机器人的话人们就会更欢迎了。

　　这也是一个应用的例子，就是关于康复。这个视频当中我们使用了机器人帮助这位女士，她正在从中风当中康复，要让她学会利用机器臂，我们通过机器臂对她进行帮助，只是通过了10分钟的训练，这位老年妇女就能够移动她的手了，否则的话她的手是不能移动的。这是一个非常有前景的发展方案，可以使用这些机器人辅助康复，结合BCI-脑控技术以及生物技术等等。

　　现在我们正在和各种各样的企业以及研究机构合作，过去几年当中我们和中国企业的整合取得了很大的成功，比如和中国铁路开展合作，有些学生也从中国来到德国学习人工智能，所以我们已经实现了非常好的互动与交流。我们有意展开更多在搜救机器人方面的合作，现在已经和北京开发区建立了合作关系，也和人工智能研究中心进行合作，这些合作都是非常有前景的，希望把这些合作进一步推进，因为我们相信中国市场是在快速发展的，今天也看到了这些机器人的展出，感谢主办方邀请到了这么多的企业参加，也是让我大开眼界，看到了中国这方面的技术发展到了什么程度。