機器人與人工智能合體：實現想象中的機器人_風聞
返朴-返朴官方账号-关注返朴（ID：fanpu2019）,阅读更多！05-23 09:15
人們想象中的機器人是那種在科幻片中出現的，能幫助人類做各種事情，甚至還有情感的機器人。而今天實際的機器人活躍於各種生產生活場景，以機械臂或其他的形態出現，它們用於處理各種專業情況。比如許多家庭已經使用了掃地機器人，即使人們並不會認為這就是真正的“機器人”。為了能讓機器人真正的智能化，人工智能技術正在與機器人技術相結合。當然，挑戰依舊重重。
撰文 | 趙珊、林澤玲
最近幾年，隨着人工智能、物聯網、無人駕駛、智能交通等新技術的興起，機器人也逐漸開始以各種形式進入人們的日常生活，各種家用機器人、服務機器人層出不窮。家用掃地機器人因為價格適中而最先走進千家萬户。家用掃地機器人具有一定的智能，可以自動在房間內完成吸塵、拖地等清理工作。2022年冬奧會上媒體餐廳由機器人完成的全智能炒菜送菜服務就大出了一次風頭。情感機器人是近年出現的新類型，以算法技術賦予機器人以“人類的情感”，使之具有表達、識別和理解喜樂哀怒，模仿、延伸和擴展人的情感的能力，可以陪伴兒童和老人。著名的比如索尼公司的Aibo機器狗，還有軟銀集團的Pepper機器人。
現代機器人是一個由各種高科技子系統集成的複雜系統，一般包含處理器（Processor）、傳感器（Sensor）、控制器（Controller）、執行器（Actuator），以及一般裝在機器臂（Arm）末端的各種功能套件（Effector）等幾個部分。機器人系統複雜，具有跨學科的技術特性，主要包括軟件和硬件兩大部分，基本囊括機械、電子、控制、製造加工等技術工程大類。最近機器人技術又延伸到了人工智能領域，變得能更自然地和人類交流，移動更靈活，功能越來越多樣化，甚至與生物科技、神經科學等新領域相結合。
在過去的10年裏，機器人領域有5項技術入選《麻省理工科技評論》“全球十大突破性技術”。
Rethink Robotics研發的Baxter藍領機器人（the Blue-Collar Robot），學術上也稱為協作機器人，具有安全廉價、極易編程和互動的特點，可以在製造業流水線上和人協同完成任務，是人類的好幫手。它的出現也意味着傳統工業機器人技術發展的多個瓶頸被打破。
為保證工作人員安全，早期的協作機器人沒有內在的動力來源，一般的動力是由人類工作者提供的。其功能是以與工作人員合作的方式，通過重定向或轉向有效載荷來允許計算機控制運動。進化後的協作機器人則提供了有限的動力，而且添加了多個傳感器來監控機器人和合作人員的狀態，以保證人員的安全。雖然現階段離實現具有優秀的通用性、人機友好、價格適中等目標還有非常多的挑戰，但是協作機器人力圖將人與機器人早期的服務關係變為夥伴關係，開啓了機器人研究新的一頁。這些研究也從一開始單純的應用功能疊加，逐漸演化到追求工作關係和結構的改變。人和機器人的團隊合作，相比人或者機器人單獨工作，能大幅提高工作效率。
以Baxter為例，協作機器人技術的標誌是柔性機械臂，具有攝像頭、聲吶、力反饋、碰撞檢測等多種傳感器，使人和機器人互動變得更安全。通過操作人員“手把手”的示範教學，降低了任務編程的門檻，使機器人可以更快、更容易地適應新任務，非常適合中小企業小批量生產和不斷縮短的產品生產週期。它們的體積也較小，通常可以放在工作台旁邊，幫助從業人員完成高度重複性的工作，如採摘、放置、包裝、膠合、焊接等。最後，和傳統工業機器人相比，協作機器人的價格也更低廉。
協作機器人代表了機器人技術的最新發展趨勢，代表了人和機器人之間關係的進化，由工具變成真正的助手。協作機器人市場最近幾年也被極度看好。據國際機器人聯合會（IFR）的數據顯示，2016年全球工業機器人銷量為29.4萬台，全球工業機器人保有量為182.8萬台。伯克萊資本預測，全球協作機器人市場將從2015的1.16億美元增長到2025年的115億美元，主要會被應用在物品挑揀、包裝、流水線上的零部件組裝、材料整備、操作其他機器等，預計會在中小規模的製造業、醫藥、電子零部件等領域大規模應用。
協作機器人的市場正處於高速爆發期，10年內市場規模會遠遠超過上面的估計。這是因為協作機器人不光可以用在工業領域，更大的增長動力還來自非工業領域，或者説商業領域，即使具備實用價值的消費級機械臂短期內還不太現實。在不久的將來，非工業領域的銷量就會獲得巨大增長。
物流倉儲和醫療是目前研究和產品化比較多的兩個領域。在倉儲物流領域中的揀貨環節，目前主要有兩種方案。一個是“貨到人”，以亞馬遜的Kiva機器人、英國Ocado的智能倉庫技術為代表；另一個是使用移動機器人加上機械臂來代替工人完成固定貨架的分揀，這也是亞馬遜的機器人分揀挑戰大賽（Amazon Picking Challenge）的主要內容，已經有團隊使用了FANUC的LRMate200系列輕型機器人搭配3D視覺系統來做貨架分揀。電商和智能物流倉儲都是非常有潛力的市場。再一個是醫療康復機器人、義肢機器人，由於協作機器人比較安全，加上機械臂可以模仿人類手臂的靈活特性，它非常適合用在這些場合。此外，諸如機器人做菜、做導遊、做餐飲服務員等，都是很有潛力的應用方向，為我們提供了更多讓機器人走入普通人生活的可能性。
但協作機器人技術發展的過程中也遇到了問題——不同硬件需要獨立編程，研發耗時耗力導致造價偏高。工業機器人主要被應用於製造和生產，在流水線上各司其職，在特定工位可以準確完成任務。依照這種模式的機器人研發，必須為不同機器人開發獨立的硬件，搭配相對的控制軟件以給出具體和精確的指令，才能完成特定的任務。舉個例子，一個末端具有多關節的多自由度的仿人手機器人拿起一個杯子，和一個末端只有兩根“手指”的鉗子機械臂拿起同一個杯子的具體的實現方式，肯定是非常不同的。
如果能讓不同的機器人共享各自學到的技能，可以極大地減少重複的開發工作，快速推動機器人的應用進程。機器人之間知識分享的新技術就是為了解決這個問題而取得的重大技術突破之一，其能使不同的技巧或技能更快地在機器人之間普及。
自從機器人間技能共享的技術提出以來，這個技術就一直是機器人技術的熱點，產生了很多延伸技術，和人工智能等領域也有很多新的融合發展。2016年，謝爾蓋·萊文（Sergey Levine）被《麻省理工科技評論》評為“35歲以下科技創新35人”之一，他辭去大學教職後加入谷歌繼續研究，並在同年發表論文“通過大規模數據收集和深度學習，掌握機器人的手眼協調技能”（Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection）。
謝爾蓋·萊文發現，通過在很長一段時間內運用6個機器手各自練習抓取不同的物品，並共享抓取過程中控制手眼協調的神經網絡的各個參數，最大限度地增大訓練數據庫的規模，提升了訓練和調試神經網絡的效率。這項延伸技術的亮點是深度學習的人工智能和機器人硬件控制的結合，這會是未來一段時間內機器人技術領域非常有潛力的熱點技術。
2017年5月，麻省理工學院計算機科學和人工智能實驗室的朱莉·沙阿（Julie Shah）教授發佈了CLEARN技術。這個新技術結合了傳統的機器人示範教學和運動規劃編程技術，通過給機器人提供如何抓取一系列典型物體的基礎數據信息，然後只通過一次示範教學，就能讓機器人自動學習到抓取一系列不同物品的技能。更重要的是，這些技能還能自動轉化為其他機器人的技能，其他機器人並不要求和原來的機器人有着同樣的移動方式和機械結構。
要使用CLEARN技術，用户首先要向機器人提供有關如何抓取具有不同約束條件的各種物體的信息知識庫。例如，輪胎和方向盤具有相似的形狀，但要將它們連接到汽車上，機器人必須以不同的方式配置它的機械臂和末端的工具套件才可以更好地移動它們。然後，操作員使用3D接口向機器人進行完成特定任務的演示，該演示包含一系列被稱為“關鍵幀”的相關時刻。通過將這些關鍵幀與知識庫中的不同情況進行匹配，機器人可以自動提供運動路線計劃，以供操作人員視需求進行編輯。通過這個技術，Optimus雙機械臂軍用拆彈機器人成功將學到的技能，包括開門、移動物品等，教會給另一個6英尺（約合1.8m）高、400磅（約合181.4kg）重的人形機器人Atlas。
CLEARN技術有效地解決了傳統機器人示範教學效率較低、耗時長，需要獨立開發編程的問題，使人能更方便快捷地教會機器人新的技能。可以想象，當這類能讓機器人更快速地學到新技能的技術被應用於上文提到的協作機器人時，機器人的功能必將快速增加，迅速適應更多的任務，被應用到更多的領域。
現在市面上佔重要地位的協作機器人都沒有人的外形，更像機器臂，主要目的是減輕人工作的負擔，在嚴苛的環境條件下能進行重複工作。以人類自身為原型參照的仿人全身機器人是機器人研究中的尖端領域，也是機器人技術及人工智能的重大目標。可以用腳行走的聰敏機器人（Agile Robots）代表了機器人移動技術的重大突破，使得機器人終於擺脱了地形環境的限制，可以去到人能去到的地方。
這一技術的領導者是波士頓動力（Boston Dynamics）。波士頓動力研發出的雙足和四足機器人具有出色的平衡性和靈巧性，可以在崎嶇不平的複雜地面行走，可以去到世界上大部分輪式機器人去不了地方。要實現行走這一目標，機器人的每一步都需要動態平衡，需要對瞬間的不穩定性有極強的適應能力。這包括需要快速調整腳的着地點，計算出突然轉向需要施加多大的力，更重要的是還要在極短的時間內向足部實施非常大而又精準的力，控制好機器人的整體姿態，在控制理論、系統集成和工程實現等多個維度都需要極高的“黑科技”。
波士頓動力研究的最新版本Atlas，可以用於户外和建築物內部，是專門為移動應用設計的。它採用電源供電和液壓驅動，使用身體和腿部的傳感器來平衡頭部的激光雷達和立體聲傳感器，以避免障礙物，評估地形，幫助導航和操作物體。在2021年波士頓動力發佈的最新視頻裏，Atlas比過去更加小巧靈活，身高1.75m，體重減到82kg。Atlas展示了驚人的“跑酷”能力，可以在狹窄的平衡木上快跑，在障礙物上跳躍，並且還能從高處翻跟斗。能有這些出色的表現得益於波士頓動力世界領先的控制理論、系統設計和工程能力。Atlas和其他公司的機器人一個重要的區別在於使用了液壓系統進行動作控制，這樣可以保證瞬時更大的控制動力輸出和更精確的力傳遞。Atlas機器人還得益於“仿生”的整體集成結構（Integrated Structure）設計概念。仿生機器人，就像真人一樣，不僅有像骨骼和關節一樣的支撐結構和油缸，也有像血管和神經一樣的油路和電路。
最引人注目的是，除了靈巧性，Atlas比在2016年最初發布時，更像一個“人”了。在過去的演示中，它基本上是盲目的—需要環境固定，它才能做出成功的動作。但現在的視頻裏，它確實更多地依靠自己的感知來導航，根據它所看到的情景調整自己的動作。這意味着它比以前更少依賴預先設置的編程，而工程師不必為機器人可能遇到的所有情況都預先編程跳躍動作。
以前機器人普及的另一問題在於其靈活性很低。雖然機器人在受控環境中表現出色，但在不受控制的環境中就不行了。例如，機器人能輕鬆地在工廠和倉庫中執行人類無法輕易做到的操作，比如準確切割器材到毫分級尺寸，但不能在沒有受過大量訓練之前像人類那樣簡單地打開一扇門。但正如Atlas所展示的一樣，機器人靈活性在人工智能的輔助下取得巨大進步。機器人科學家用來提高機器人靈活性的關鍵技術之一正是強化學習。強化學習讓機器人隨着時間的推移學習使用不同的技術處理物體並選擇最好的技術。然後，機器人可用於在任何條件下執行所有可能的任務，並提高其靈活性。
提高機器人技術的靈活性後，機器人的用途將更為廣泛，在與軍事、廢物處理、物流和交付、運輸等相關的任務中都發揮重要的作用。相信用不了多久，科幻電影中的機器人將從大銀幕走向現實生活。
學術點評
智能機器人，重構未來生產力
撰文丨許華哲（清華大學交叉信息研究院助理教授）
無論是一個人形機器人拿着托盤把一杯咖啡禮貌地遞給你，又或者是一個鋼鐵巨獸眼裏閃着光芒企圖毀滅人類，對於機器人，人類總是有着無窮的想象。“機器人”是一個古老而又新穎的詞語：早在1921年，捷克劇作家便把劇本里流水線上的機械人類叫作“機器人”（Robot）；早在1941年，“機器人學”（Robotics）這個詞就在科幻作家阿西莫夫發表的小説《環舞》（Runaround）中被首次提及。從科幻走向科學，機器人學走過了漫長的發展歷程。如今，科學家逐漸讓這些“鐵傢伙”用“手臂”操作物體、像狗一樣“跑步”，甚至像人一樣“雙足行走”。在2022年這個人工智能逐漸成熟的時間段，機器人學研究和相關產業也開始煥發新的生機。
人工智能，尤其是其中的深度學習技術，對很多人來説已經不是什麼新鮮事：手機裏的人臉支付、自拍裏的濾鏡、網絡廣告的推薦系統都依賴深度學習，即從數據中學習模式，甚至生成數據。從人工智能科學家的研究視角來看，如今已經有了攝像頭作為“眼睛”，語音處理技術作為“嘴巴”，那麼下一步很自然地就是如何把智能的“手”和“腳”裝上去。對於機器人學的研究者來説，如何給那些已經能完成跑跳控制的電子機械裝置裝上“大腦”，也成為最近的工作熱點。
因此，人工智能和機器人的融合成為必然的趨勢：人工智能機器人不僅可以像傳統機器人一樣完成指定的動作，同時結合了感知和環境中的變化，通過模型進行泛化，從而達到通用目的。這樣的“強強聯合”，孕育着最富有未來感的想象空間：機器人在非結構化的空間—人類真實生活的空間，可以只依賴傳感器信息，完成一系列複雜的任務。例如你能想象在過春節的時候，一桌子年夜飯全是由一個機器人為你製作的嗎？
當然，現在的人工智能機器人離我們想象中的那些有着相當智慧水平的硅基生物仍然有不小的距離。縱使如此，人類對更智能、更強大的機器人的追求從來沒有停下來。2019年，“靈巧機器人”（Robot Dexterity）入選《麻省理工科技評論》“全球十大突破性技術”，相關論文中提及當年轟動一時的機器人研究——“機器人靈巧手Dactyl”項目。OpenAI公司的研究員們利用深度強化學習，讓機器手在大量隨機化的模擬器仿真數據中自主學習擰魔方的策略，並將該策略應用在真實的機械靈巧手上。該項目之所以影響力大，一是因為“強化學習”讓機器人在沒有明確人類指令的情況下學會了如何完成任務，這是更高級智能的一個指標；二是因為實現了從仿真環境到真實機器手的遷移，讓我們看到了從完善仿真、改善算法，到現實部署這樣一個清晰可行的路徑。
無獨有偶，來自蘇黎世聯邦理工學院和英特爾公司的機器人專家們，以類似的方式，讓機械狗通過深度強化學習在仿真環境裏進行了大量的訓練。訓練所獲取的策略，最終用在了ANYmal機械狗上，從而使機械狗可以在多樣、複雜，甚至從未遇到過的地面上行走。而此前，這一問題往往需要機器人科學家和工程師們針對不同地形進行大量人工的優化和整合。能夠獲得此次舉世矚目的結果，主要原因是在仿真環境中人工智能機器人早已見過多種多樣更復雜、更崎嶇的路面，所以應用到現實時便可以得心應手。
機器人與人工智能的結合，當然遠遠不止上述兩例。谷歌的科學家讓機器人（TossingBot）通過高速移動手臂完成物體的拋擲；加州大學聖地亞哥分校的研究者嘗試讓機器人（DexMV）可以從視頻中學習人手的動作；斯坦福大學和麻省理工學院的研究者（即筆者所在的團隊）試圖讓機器人（RoboCraft）可以操作柔性物體，甚至包餃子。如今的人工智能算法幫助機器人完成了一個又一個之前只有人類才能完成的多步驟、非規則的任務，機器人再也不單單是流水線上只會做單一指定動作的機械臂了，這不僅模糊了人工智能和機器人的邊界，同時進一步解放了生產力，將人類從高危、重複的勞動中解脱出來。
當然，為了創造出有足夠智能的機器人，目前仍然存在着十足的挑戰。在算法層面，以深度學習為基礎的一系列技術，都需要依靠神經網絡的擬合能力，而稍有神經網絡經驗的研究者和創造者都曾經歷過神經網絡的“不靠譜”：神經網絡極難達到100%的精確度。在智能解鎖等應用場景中，如果神經網絡“犯錯”，可能只是造成了用户無法解鎖手機，需要多次嘗試的情況，但在機器人應用中，卻極有可能威脅到人們的生命財產安全。與此同時，如何讓機器人應對沒見過的極端個例也是非常困難的，因為如果機器人在訓練數據集或模擬器裏沒有經歷過此類場景，在真實的世界裏往往就會做出錯誤的判斷。在硬件層面，高精度、大載荷的機器人往往是昂貴的、脆弱的，如何有效降低機器人硬件成本並使其走入千家萬户，也是廣大機器人研究者和創業者面臨的重要課題。
另外，伴隨着人工智能機器人的發展，機器人倫理學也逐步進入人們的視野。早在阿西莫夫的科幻小説中就提出了“機器人三定律”：“第一，機器人不得傷害人類，或者不得置人類於危難中；第二，機器人必須服從人類命令，除非與第一定律矛盾；第三，機器人可以在不與第一、第二定律衝突的情況下維護自身存在。”我們可以感知到，人們對於機器人總是有着各種各樣的擔心。雖然現在離機器人的“覺醒”時刻尚遠，但人們仍然應該思考許多倫理問題。例如，當機器人和人類對話時，是否會因為一些固有印象而使用錯誤的人稱代詞？大量的機器人是否會搶佔一部分人類的工作崗位？每一次技術的爆發，都會伴隨着相應的社會問題、倫理問題，這也是我們在技術與人類生活融合的道路上必須要思考和解決的。
我們可以獲得什麼樣的技術？我們可以創造出怎樣的機器人？擁有了這些機器人後人類的生活有怎樣的變化？人類正在靠着自己的好奇心探索着未知的疆界，並一步一步地追尋着想象中的未來。在中國，我們已經見到家裏的掃地機器人、餐館裏的服務機器人、遍地開花的自動駕駛（也可以看作交通輪式機器人）、工廠裏的通用機械臂，在可以預期的未來裏，這些機器人將會配備上更聰明的“大腦”、更合適的“身體”，完成更困難的任務。在人類的研究和合理約束下，機器人將會讓人們的生活更加輕鬆愜意！
本文經授權摘自《科技之巔：全球突破性技術創新與未來趨勢》（人民郵電出版社，2023年1月）
特 別 提 示
1. 進入『返樸』微信公眾號底部菜單“精品專欄“，可查閲不同主題系列科普文章。
2. 『返樸』提供按月檢索文章功能。關注公眾號，回覆四位數組成的年份+月份，如“1903”，可獲取2019年3月的文章索引，以此類推。
版權説明：歡迎個人轉發，任何形式的媒體或機構未經授權，不得轉載和摘編。轉載授權請在「返樸」微信公眾號內聯繫後台。