Alberto Rodriguez：我們離自動靈巧機器人有多遠？
新浪科技訊 8月20日消息，2018世界機器人大會擬於8月15日至19日在北京亦創國際會展中心舉行。大會以「共創智慧新動能 共享開放新時代」為主題，由「論壇」、「博覽會」、「大賽」、「地面無人系統展示活動」四大版塊構成。 本屆大賽匯聚了來自美國、俄羅斯、德國、日本、以色列等全球近20個國家和地區的1萬餘支賽隊和數百名頂尖專家，共計超過5萬多名參賽選手同台競技。
美國麻省理工學院機械工程系副教授Alberto Rodriguez
發表了題為
「我們離自動靈巧機器人有多遠」的
主題演講
。以下是演講全文：
談到機器人真正像人一樣操縱距離我們還有多遠，我無法給大家具體的數字和具體的描述，最後我們肯定能夠達到這個目標。我來自麻省理工學院的機械工程系，我們有一個MCube實驗室，主要是研究機械領域和操縱，研究的是規劃、控制、感應，如何讓機器人按照一定順序移動，最後是學習。
機器人靈活的操控到底是什麼？人的角度是一方面，另一方面要看機器人現實的情況。過去幾十年機器人的操控是非常精準地把一個物體從一個地方轉移到另外一個地方，工業機器人基本上就是把東西揀起來放到另外一個地方，也就是物體和機械臂之間的互動，做起來非常精準。人手明顯可以做更多的事情，機器人距離人手還很遠。操控其實是安排這個世界、安排周圍物體的藝術，是用手或者用其它部位操控，比如用胳膊和手來操控外套，把它穿上或者脫下來。按照研究的角度來看，我們也不知道這個東西到底怎麼解釋，穿上這個外套過程當中發生了什麼事情，身體發生了什麼變化。按照研究的角度也可以理解機器人到底能做什麼，我們必須要把這些不斷簡化，比如切洋蔥或者切胡蘿蔔，這些也是不容易的，因為要控制力度。
更簡單的是參數化操縱，也就是和周圍環境之間的互動受控程度很高，比如開門或者關門，因為要用門閂來控制，所以動作就非常簡單了，周圍的環境已經受控了，這就叫做參數化的操控，自動化機器人在這個層面能夠做一些事情。下面的就是抓取，抓取這個動作是機器人行業過去一年研究的重點領域。首先是要接觸這個物體，然後把它抓起來，挪到其它的地方，或者是做些其它的事情。這個級別也是大多數研究和應用處在的水平，也就是進行抓取。真正的操控要複雜得多，每往上走一個級別都是這樣。我們這種做學術的人把操控當做非常抽象的問題，實際生活當中有很多應用。我們需要機器人組裝手機，包括垃圾回收，可以挑一些不同材料的東西，我們需要機器人來做這種事情。
這是2010年墨西哥灣漏油事件，那個時候技術並沒有那麼先進，當時機器人也是試圖控制漏油，需要快速反應，因為人是無法到達這個地方的。最近我們都在談老齡化的問題，並且在家裡的時間更長，需要機器人幫助我們來做一些簡單的事情，比如把我們叫醒等等。所有的這些任務都需要機器人去完成，包括抓取等等。
現在操控的技術都有哪些？有些相對比較成熟了，有些我們想要實現。比如物體的揀取，這些東西材料不同、形狀不同，可以讓機器人去揀什麼東西，機器人就會進去把這些東西攪拌一下，倉儲也可以使用這樣的技術。再就是物品的處理，不僅僅是揀東西，我們希望機器人能夠處理一些物體。比如把這個東西拿起來，可能想把它放到某個特定的位置，這也是工作自動化的一部分。人手可以很容易地做到這些事情，如果是機械手的話首先要把這個東西夾起來，放到特定的位置就很困難了。最後就是物體的使用，不僅僅是用手抓起物體然後放下，同時還要做裝配和工裝，接觸力度要更加精確，而且要根據不同產品調整接觸力度。
物品揀取也是現在我們所處的發展階段，傳統倉庫和物流當中都有使用，有些倉庫非常之大，人工也會非常費勁，機器人是很好的取代人工的方式。亞馬遜的一些大型倉庫當中需要由機器人揀取物品，就是從盒子當中把物品揀取出來，但現在仍然是有些人在做其中的一些工作。亞馬遜組織過好幾次物品揀取的挑戰賽，就是想推動揀取物品技術的發展，以及在很多不同的物品情況下識別物品的能力。
這是機器人挑戰賽，包括環境的障礙，密集雜亂的物品和多變的物體，有的東西是堆放在一起的，所以必須能夠分清哪些物品是需要揀取的，有的物品是硬的，有的物品是軟的，有的物品是又硬又軟的。我的團隊也參加了三次機器人挑戰賽，開發出的技術是可以做到折中操縱的。這種挑戰就是抓取和選擇，機器人需要自動理解哪些是需要去取的，有些可能有特別的尺寸和要求，如果這個物品非常大，可能需要不同的工具進行抓取，所以這些都整合到了機器智能當中。機器人需要能夠感知哪些物品是需要抓取的，根據之前確定的圖像揀取，真實的物體和選擇的圖片是的。
我們可以看到這裡要抓取的東西很多，剪子、刀片和電池等等，機器人看到一系列圖片的時候，最新的系統無論是數還是行業當中，看一看這些公司最新的發展，它們都在使用深度學習或者深度神經網路，可以識別在什麼情況下什麼東西是可以揀取的。在這種情況下它意識到應該揀取這個小東西，之前它負責看過，但在揀取的時候需要一個加長的手才能抓取起來，學會識別哪些是容易揀取的，哪些是不容易揀取的。下面有攝像頭，可以對它之前的圖像進行對比，比如現在抓的打蛋器和普通的勺子分清，這種問題是由深度學習解決的，也就是實際的圖片和之前預存的圖片進行對比，可以創造出這樣的系統，並在實際環境當中得到應用。
這是一個示範，可以認識各種物體，從一個盒子運到另外一個盒子，這是去年機器人挑戰賽我們的表現。我想強調的重點是，這項技術已經有了，至少在研究層面上已經有了，北京、上海、深圳、香港、台灣和美國，現在有100多個公司在開發非常好的、類似的解決方案，這些方案在倉庫當中已經得到了充分的利用，這項技術在實際倉庫當中已經得到了應用。再往上走一層的話，不僅僅是揀取物品，之後還要進行裝配和工裝，也就是物品的處理。這就不屬於現在的範疇了，而是屬於不久的將來的範疇，因為我們還需要有些問題得到解決。這是一個紙卷，可以把它抓起來，但出於某種原因它應該是垂直的，這樣才能做裝配，或者要放到另外一個工作台上面，最後就變成了垂直的，也是我們所謂的機器人靈活度。
要想解決這些問題，機器人必須知道摩擦接觸的動力學，不要讓物體掉到地上，也需要像上面這張圖一樣，拿起東西以後需要從橫向變成縱向，也需要有一個提前自動的策略規劃。發現了這樣的任務，需要把這些機械學原理進行抽象，可以看到環境當中的推進器，也有加爪的手指和摩擦錐、運動錐和重力等等，這些都是建模當中所需的要素。這些物體必須要有智能的運動，這樣的話抓取才會不斷地對物體進行重新配置。左邊是一開始的抓取，右邊是通過一系列的思考對抓取的改變。
抓住物體以後，要把它放到另一個位置，或者是改變它的位置，機器人必須要設計這種順序，然後改變它的方向，一次動作就可以了，不需要做兩次。把這些結合在一起的時候就可以做到把物體從橫向變成縱向，首先是在地下滾動，再把它變成縱向，基本的技術都在，去做實施規劃的技術也都有了。可以看到物品的處理技術，現在很多的公司都在做揀取，再過五年重點將在物品的配套和進料方面，也就是需要對這些物料進行準確的配置。
再往下發展就是傳統的安裝和裝配的工作，可以由機器人自動去做，包括抓手和非常準確的幾何尺寸，但在非結構化的環境當中，左邊是一套工具箱，需要一些螺絲釘和小的軸承，以便能夠實現物品的處理或者操控，我們現在也在努力地在技術上取得突破，感測非常重要，能夠感受到聲音和質量，現在我們需要開發一些技術，這些技術可以實時規劃和操控，但現在還沒有，五年內也不會實現。
感謝支持我們的公司，包括ABB和NSF，特別感謝美國工程師協會對我的信任讓我來做這樣的演講。
TAG:新浪科技 |