專訪IROS 17大會主席張宏：機器人已到突破的拐點 | IROS 2017

IROS, 全稱為IEEE/RSJ International Conference on Intelligent Robots and Systems，即智能機器人與系統國際學術會議，是機器人領域全球規模最大、最具影響力的學術會議之一。IROS創辦於1988年，每年舉辦一屆，今年正值第30屆。IROS 2017於9月24日至28日在加拿大溫哥華舉辦，來自全球各地近3000名機器人領域的專家和學者參加了本次會議。

大會期間，雷鋒網有幸對IROS 2017的大會主席、加拿大阿爾伯塔大學張宏教授進行了採訪。張宏教授為雷鋒網介紹了IROS 30年來的發展歷程。同時張宏教授認為，在需求的推動下，近幾年機器人技術迅猛發展，拐點已經到來，將加速走入我們的日常生活。IROS一如既往地為機器人領域各界人士提供交流、合作和共享的國際化平台，推動人工智慧與機器人的結合和發展。

張宏教授1982年在美國東北大學電子工程系以傑出成績獲得學士學位，1986年獲得美國普渡大學電子及計算機工程系博士學位。現任阿爾伯塔大學計算機系終身教授，廣東工業大學傑出人才特聘教授（兼職），是加拿大工程院院士和IEEE Fellow。張宏教授曾在多個國際學術組織中擔任重要職務，例如IEEE Trans. on Systems, Man, and Cybernetics副主編及國際期刊Int. J. of Humanoid Robotics編委會成員；組織過多次國際學術會議，並多次擔任大會主席。迄今為止，張教授已在國際頂級期刊及重要會議上發表了200餘篇文章，涉及機器人操作、多智能系統、視覺檢測和視覺導航等方面。目前的研究領域包括機器人學、計算機視覺、圖像處理以及智能系統等。

（圖為IROS "17大會主席，加拿大阿爾伯塔大學張宏教授主持大會）

雷鋒網：今年5月我們有同事剛剛去參加過ICRA。ICRA和IROS是機器人方面最重要的兩個會議，它們在定位上有什麼不一樣？

張宏：兩個會的側重點稍微有些不一樣。ICRA的關鍵字是Robotics & Automation，即機器人和自動化，而自動化技術和系統並不一定涉及機器人；IROS的關鍵字是Intelligent Robots，即智能機器人。換而言之，ICRA關注的範疇更廣，而IROS則更關注機器人和系統的智能。

隨著機器人概念走熱，全世界研究機器人學的圈子已經很大並且越來越大， 一個會並不能滿足學術界和產業界的所有需求。IROS和ICRA的組織者均來自同一個協會（IEEE機器人及自動化協會），會議組織和協調方面也很注意，兩個會差不多錯開半年（ICRA一般在4、5月，IROS一般在9、10月），為機器人專家和學者提供更多交流和共享成果的機會。

雷鋒網：今年 IROS 的主題是「Friendly People, Friendly Robots」，這個主題也體現了您講的智能化的特色吧？這個主題是如何定下來的？大會當中如何體現這個主題？

張宏：我時常開玩笑說，加拿大給別人的印象是很友好的(「Friendly」)，而今年我們在加拿大舉辦這個盛會，所以我們會強調「友好」。實際上，現在機器人已經發展到了一個拐點，過去幾年機器人研究突飛猛進，機器人理念已經融入到我們生活當中了，已經不是僅停留在工廠里，比如說，清潔機器人，陪護機器人，自動駕駛等。我們說無人駕駛的車，其實也是廣義的機器人。

這些新技術，若想能夠被人們接受和推廣，必須以一個友好的狀態呈現在我們面前。實際上，我們現在的研究工作更多地關注機器人的基本共性技術，旨在使得這些機器人能夠在人類的生活和生產空間里和人共存、與人協作（國內「人機共融」的概念），比如說組裝線，既有機器人也有人，機器人如果不友好就很難被人接受。在家庭里更是這樣，如果把家庭服務機器人做得像一個有侵犯性的機器，那誰也不能接受，更不想使用。

近年來比較熱門的研究方向和友好機器人是密切相關的，例如軟體機器人。我們看工廠里的工業機器人都是硬邦邦、冷冰冰的，可是如果機器人能像人一樣友好你就不會怕它，不會感覺機器又硬又冷。我們講的人機交互，是一個人和機器人互動的世界，不要把人和機器人對立起來，而是說人和機器人合作一起來解決生活和生產中的難題。而且是人（「People」)需要起主導作用，在前，機器人(「Robots」)起附屬作用，在後。 我們把「Friendly People，Friendly Robots 」作為大會主題，含義很廣，最終是想讓我們的研究工作有一個良好的出發點和目標。

雷鋒網：說到IROS的定位方面，您本身是做SLAM的，屬於CV（Computer Vision，計算機視覺）的範疇，今年大會也邀請了李飛飛教授做大會報告，而在Guide2Research的排名中，IROS是CV領域排名第四的學術會議，IROS是不是對CV特別重視？

張宏：我覺得計算機視覺的發展是需求驅動的結果。計算機視覺在10年前就開始成熟了，對於機器人來說顯然也是非常實用且迫切的技術。我們人感知我們的世界很大程度上是依賴於我們的視覺，要發展智能機器人也有同樣的考慮。視覺和機器人結合是一個非常自然的想法，也就是怎樣通過對視覺信息的分析對環境進行感知、判斷並做出決策。

十幾年前條件不成熟，很多技術都想做但做起來很麻煩。首先是演算法上，比如最簡單的邊緣檢測，十年前基本要自己寫程序，現在則有很多開源軟體包，大大簡化編程的過程，大家都可以用；其次在計算量方面，十年前有些技術演算法道理簡單，但計算速度比較慢，而機器人的一個控制循環可能需要在幾毫秒到十幾毫秒之內做出決策，對計算實時性要求高。現在這些障礙一個個被克服了，所以才使得計算機視覺在機器人上的應用廣泛普及。

有一個很有意思的現象，我三十年前做機器人研究的時候並沒有研究過視覺，只是從十幾年前開始進入到計算機視覺領域。而且我周圍有大量這樣的人，他們慢慢發現機器視覺、圖像處理越來越有用了，將機械結構、運動控制等技術和視覺技術有機結合。另外，我們機器人研究有非常具體的問題，可以告訴視覺領域的同事和朋友們需要解決什麼問題，又推動了計算機視覺的發展。

雷鋒網：今年是IROS 30周年，大會有圍繞這個主題做了哪些工作？

張宏：主要是把過去29年記錄下來的會議內容重新呈現出來。比如說，我們大會的網站有一個臉書的網頁鏈接，通過這個鏈接可以跳轉到以文件夾方式整理的過去每一屆的照片，這些都是很珍貴的記錄。我們也收集了歷屆的一些視頻，做成了視頻集，會展中心許多屏幕上播放的就是以前不同時代的機器人的視頻集。我覺得這是一件很有意義的事情，可以讓現在的年輕人看看我們走過的歷程是怎麼樣的，機器人的發展是怎麼多元化的，前輩是怎麼做研究的，研究條件是什麼，問題是什麼，成果又是什麼。對當下一代來說是一種激發，對我們前輩來說也是一種回顧吧。

我們把之前每年的最佳論文也做了整理，想看當年這些最佳論文在10年、20年後影響究竟有多大。我們做科學研究的，想探究當初的評估和現在的評估相差有多大。這個問題的回答，對我們當下的判斷和未來的計劃都是很有幫助的。但最終這項工作沒能及時完成，主要是沒有時間對這些文章的影響力做充分和客觀的評估。不過我們把搜集到的最佳論文也做成了視頻。所有的視頻加在一起一共大概4到5個小時，在會議現場都可以看到。

雷鋒網：我有了解過IROS30年的歷程，開頭4屆都是在日本舉行的，第5屆才開始在美國舉辦。IROS是如何走向國際化的呢？

張宏：日本對機器人一直都很重視，這與日本製造大國的身份有關。其它方面還有一些原因，例如日本希望用機器人來解決老年社會的諸多問題。但日本人在創新能力上與西方國家相比不足，80年代末日本有一些專家和學者想做機器人，但起點又沒有西方那麼高，那麼怎麼接軌呢？他們先在國內做一個學術大會，這就是最初的IROS。早期的IROS，參會者幾乎都是日本人。如果想國際化，首先要把會議開到日本以外的其他國家去。第一次在日本境外辦IROS在美國北卡州，大會主席是一位台灣華人，叫羅人權，當時在北卡州立大學當教授。而那個會也是我第一次參加IROS。IROS的初衷是想讓這個會議國際化，提高水平，之後對整個會議的發展、整個機器人行業和學術界推動都起了正面的作用。

雷鋒網：IROS已經成為國際性的會議，您能介紹一下中國研究者和中國企業在這次IROS上的參與情況嗎？

張宏：中國這幾年在參與IROS方面肯定是一個持續高速增長的趨勢。今年中國的文章數量在亞洲排第二，僅次於日本，排在韓國之前。我們收到207篇來自中國的投稿，錄用了67篇。另外，中國學者參加IROS會議是非常積極的。我們大會有一個重要的指標，即來自一個國家的註冊人數和文章數量的比值，中國的這個指標非常高，達到了3到4，而其他國家，例如美國和加拿大，這個指標就只是2和3之間，所以說中國學者參會的熱情還是非常高的。文章質量也處於上升趨勢，中國機器人研究的學術水平在慢慢趕上西方，但是還有距離。中國最大的優勢實際上是市場和資源，包括人才資源，我估計可能再過十年、二十年會趕上來。

雷鋒網：如何理解人是發展機器人的優勢？

張宏：中國之所以有機器人熱潮，不是某些人腦子一熱想做機器人，而是中國切實需要機器人技術。我們是製造大國，加工和製造各種各樣的工業產品需要人力，要想降低成本、提高質量，就必須提高生產和製造的自動化和智能化的程度。以前中國勞動力成本便宜，現在人口紅利用得差不多了，不便宜了。

不止中國，全世界的製造大國都有發展機器人的需求。而機器人做得好的國家，美國、德國、日本、中國，都是製造大國。相反像加拿大，它沒有發達的製造業，經濟主要依賴於自然資源，對機器人的需求就相對較低。

雷鋒網：就您這麼多年的經驗，在加拿大做機器人研究和國內有什麼不一樣？

張宏：不一樣的地方還是我剛才講過的三個方面：科研水平、市場和資源。我覺得加拿大和中國剛好互補。西方研究水平相對高一些，最有影響力的好文章往往都是西方學者發表出來的，但西方的資源和市場比不了中國。中國有各方面的資源優勢，包括政策、資金、製造業基礎和人才等，尤其政府下決心做好一件事情，所能集聚的資源和迸發的力度是西方無法企及的。

加拿大的機器人會有什麼樣的需求？例如我有個同事做水下機器人的研究，項目源於實際需求，即加拿大的東部有漫長的海岸線，航道上每年都有很多北極飄下來的冰山，必須對這些冰山進行實時的測量和跟蹤，分析是否會對航行的船舶造成威脅。這項工作他們希望用機器人來完成，因為對人類潛水員而言，除了巨大的安全風險還有成本的問題。

雷鋒網：IROS是如何推進學術研究和產業應用的結合的？

張宏：學術研究和產業應用結合是一件挺挑戰、有時令人困惑的事情，因為產業界和學術界做機器人的目標不一定完全一致、有時甚至差別頗大的。往往產業應用需要的是可靠性、控制成本，最重要的是商業一定要成功，不希望花很多時間和精力去做基礎研究；而學術界主要做學問，想的往往是如何創新、如何證明新技術的可行性，也許十次實驗做成功一次就能證明某個想法。再者，做學術成本是次要的問題，例如我們送一個機器人去火星，怎麼把錢賺回來？還是得靠政府撥款。所以，學術界和產業界接軌是件很有挑戰的事情。

最近這些年機器人之所以火熱，恰恰是很多大IT公司對機器人感興趣，比如說Amazon、阿里巴巴、Google和蘋果對倉儲管理機器人和無人車的投入，對整個機器人學術界是一針強心劑。在我看來，學術界和產業界結合最大的意義或者說最容易互動的方式不一定是研究成果的直接轉化和應用，而是為產業界培養人才。我們精心培養的高素質人才有紮實的專業基礎知識，有良好的學習習慣和方法，有很強的研究實踐能力，使得他們到公司後可以順利的完成產業化和應用項目。產業化本身的科技內容往往並不是最前沿的。機器人領域現在很火，高科技公司需要人才。我們機器學習、人工智慧、機器人等方向的學生，現在有非常好的就業機會。因此，從我理解的角度講和產業界合作，最合適的方式之一是培養人才，對產業界來說這也是他們必不可少的。

雷鋒網：您在機器人與SLAM上有多年的研究，您會如何概括視覺SLAM技術多年的發展過程？其中有哪些關鍵節點？

張宏：SLAM研究經歷了一個漫長的過程，到今天機器人從理論上講可以實現自動構建地圖和定位、環境感知和自主導航等，現在最大瓶頸仍然有兩個。

第一個瓶頸是精度問題。我和國內一些公司針對視覺SLAM在物流倉儲等應用有合作研究。因為視覺方案成本很低，可以大規模使用，但是定位精度在一般在10-20厘米。這樣的定位精度對很多工業應用是遠遠不夠的。

第二個瓶頸是對環境變化的適應性問題。我們人類的視覺對環境條件變化有很好的適應性，比如說白天經過的地方，晚上再次訪問，不會迷路。對光照條件、動態物體、視角變化，人類視覺的適應性非常強，但機器視覺的適應性相對差了不少。對於提高機器視覺的適應性方面，我認為深度學習將會發揮非常大的作用。

雷鋒網：近些年SLAM技術在工業界有不少應用，當中有什麼原因在推動呢？

張宏：最主要的還是需求。現在的應用案例中，更可靠的方案還是基於激光雷達的。激光雷達有其缺陷，雖然精度很高但成本也很高，局部定位很好但全局初始定位難，等等。因為點雲與圖像相比特徵貧乏，匹配的時候會出現大問題，這是激光雷達的致命弱點之一。

多感測信息融合是其中一條可行路徑，例如我們用激光雷達和視覺信息融合實現機器人定位。從工程角度而言可能是更好的方案，也是可行的。但做研究工作出發點不太一樣，往往我們希望探究只用視覺感測如何完成導航，問題可以通過怎樣的途徑，解決到怎樣一個程度 ，能夠達到怎樣的最佳狀態。

雷鋒網：那能不能說SLAM技術已經足夠完善，剩下的只是工程問題了嗎？

張宏：我個人認為不是。SLAM當中仍然有很多待解決的學術問題。判斷一項技術是不是成熟，可以去注意我們這些國際學術會議上發表的文章的關注程度即可。熱門關鍵詞SLAM和定位等，關注度仍是排在非常靠前的位置的。這意味著當中仍有很多課題值得去研究。順便提一句，現在最火的關鍵詞之一是深度學習，其關注度從無一躍到第一、二位。排名再往後是一些相對比較傳統的領域，例如運動規劃，還是很熱門的。從關注度排名你可以間接判斷，我們離達解決SLAM問題還是有一段距離的。

雷鋒網：除了SLAM，您還有做哪些方面研究，其研究現狀是怎麼樣的？還面臨哪些主要的挑戰？

張宏：我另一個非常感興趣的方向是移動操作，因為如果機器人只移動不執行操作，用途是有限的。為擴展應用場景，操作一定要和導航結合在一起，但操作本身有一系列複雜的問題。

我30多年前最開始研究機器人的時候，就是做博士論文時就是研究機器人操作的。移動操作方面，很多簡單問題我們當年搞清楚了，但更複雜的問題就放下了。現在導航方面有了不錯的進展，很多問題可以進一步深入開展了。我們需要回到老問題：實現導航後，怎麼讓機器人更有用？那就是操作和導航的結合。

例如，我希望坐在沙發上，讓智能機器人幫我到冰箱拿一瓶酒來，但是這項任務包含若干難度較高的子任務，包括導航到廚房，定位冰箱，打開冰箱門，識別和定位啤酒，抓取，關上冰箱門，把啤酒送回來等。我們所看到現在的一些展示，做了不少簡化，比如不是機器人把瓶子給人，而是人把瓶子從機器手上拿下來。內行人能輕易看出來，機器人其實並不知道、不理解自己在做什麼。移動操作在我們的生活和生產中是非常廣泛和普遍的一個任務，是很重要的研究課題，也是我感興趣，並做了很多積累的方向。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！