投資家用機器人，請先評估核心技術

最新 07-05

未來是一個「人工智慧+」的時代，通過人工智慧與機器人的協作，人類才能更好地完成工作。據國際機器人聯盟（IFR）統計，2009～2016年全球個人/家用服務機器人銷量保持逐年快速增長的趨勢，銷量年均複合增速超過20%。面對這樣一個前景廣闊的家用機器人市場，企業面臨的技術和市場的挑戰又在哪裡？

「有時候展望一下整個家用類、消費類機器人大行業的前景，我感覺有一點點沮喪——好像現在只有掃地機器人這種清潔類機器人做得比較風聲水起。」實用機器人之父、iRobot公司創始人科林·安格爾對《商學院》記者說。

20多年前，科林·安格爾在麻省理工大學人工智慧實驗室做機器人研究時，從模仿昆蟲的人工智慧仿生機器人開始，設計出一個名為GenghisTM的六腳自主行走機器人。此後，名為索尼電子狗的產品就是基於「昆蟲機器人」的雛形而製造，安格爾這台機器人作為機器人發展史中里程碑式的產物，收藏於華盛頓史密森國家航天科學博物館。

有了這樣的起步，科林·安格爾與MIT 計算科學與人工智慧實驗室的三位師生創建了機器人公司iRobot，開始在航天、軍事、警用、救難、偵測等領域嘗試開發輕巧實用的機器人。安格爾和他的團隊為美國宇航局設計的採用行為編程技術的太空車，成就了1997年Sojourner「旅居者號」火星車的火星之旅，刻有安格爾名字的Spirit「勇氣號」火星車還陳列在美國宇航局。2011年日本福島大地震後，配備了各種感測器和搭載裝置的iRobot 510 PackBot機器人在高輻射、高溫的環境下為救援人員收集關鍵數據。

iRobot在參與太空探索相關的機器人研發後，除了積累一些經驗，並沒有持續盈利，為了讓機器人之路走下去，科林·安格爾看到了家用清潔機器人的市場機會。

不只是科林·安格爾這樣的科學家兼企業家不滿足於家用服務機器人的現狀，哪怕是AlphaGo取勝，在中國眾多廠商和專家看來，一旦涉及產業化應用，大家依然質疑其效果。北京郵電大學人機與認知實驗室主任劉偉教授說：「數學的發展可以解決深度學習等一些形式化的問題，但很難解決人的體驗和感受，比如推薦的產品不是我想要的，這需要結合情感化的設計和計算來解決感知問題，建立情境感知，這才是未來的方向。」

服務機器人的核心技術問題——我在哪裡？

「去廚房給我取一杯飲品！」

當人類向機器人發出一條語音指令時，機器人從接收語音指令，走到廚房做出正確的行為，需要解決三個問題：１.我在哪裡？２.我將去哪裡？３.我如何去到那裡？這裡涉及到科學與哲學融合的問題，全球頂尖的科學家都沉迷其中難以自拔。

「一個機器人能否有效完成人類設定給它的行為模式，需要的遠不止人工智慧這項科技。」科林·安格爾說。20年前，人工智慧已經能夠理解一句話字面上的意思，但是機器人要做的不僅是理解語意，還要完成指令，「重要的是理解環境在這句話中的意義。」也就是說，機器人要像人類一樣，具有主動識別廚房的能力，具備理解環境的能力，而不是按照預先規劃好的路徑行動，惟其如此，家用機器人才具有普及的價值。

在這些問題中，科學家們首先要解決「我在哪裡？」的問題。

自主定位技術，即知道「我在哪裡？」是包括掃地機器人在內的移動機器人自主導航中最基礎的問題，也是服務型機器人的命門。

「機器人和人工智慧領域要解決的問題與哲學的三大命題『我是誰？從哪裡來？到哪裡去？』是類似的。」劉偉說。正像智能語音交互的基礎，自然語言處理源自哲學家維特根斯坦對語言學的思辨，解決機器人的定位問題也是多學科綜合研究的成果。

「受益於模式識別、機器視覺發展，基於視覺的機器人定位近年來成為研究熱點。」劉偉說，「視覺定位是通過特徵值來識別物體，比如顏色、大小、形狀，但缺點是它很難讓事物之間產生關聯，而且當光線發生變化時，計算機視覺不能在變化中保持不變屬性的判斷。」

計算機視覺不僅有助於定位，對於智能家居的發展也是一項關鍵性技術。科林·安格爾說，「通過對圖像的認知分析，機器人會建立起相應的學習模式，不僅能識別家中的電視機，更能識別是否是智能互聯的電視機。這使得它在未來的智能家居場景中具有主動識別判斷物體的能力。」

用行為控制技術解決未知路徑規劃

機器人的行為控制技術與人工智慧策略相關。

傳統的移動機器人是按照環境信息已知的全局路徑規劃來設計的。在其行進的路線中，障礙物、標記物都需要在程序中預先設定，甚至移動的速度、角度都要做好規劃，才能完成最後的指令。「這樣的規劃不能有任何疏漏，需要把每一個細節都考慮完整，但並不適合在多變的家庭環境中使用，這是家用機器人普及的瓶頸之一。」科林·安格爾說，「麻省理工學院Rodney Brooks教授說，我們需要換一個角度考慮這個問題，不要想著一下子把所有環節都計劃準確，而是把它分解成無數個小問題，一個一個來處理。」

於是，行為模式控制可被拆解成無數個子問題，比如精準定位、機器人行走平衡等問題，而平衡又被分散成無數個子問題，包括中央神經系統如何發送指令，每一個部件的受力情況，遇到衝撞時如何通過穩健體系防止跌倒等。「這些都是機器人人工智慧領域最基礎也是最核心的領域，所有複雜的機器行為就是這樣累積起來的。」

情境感知是家用機器人普及的關鍵

「未來的智慧家庭生活離不開機器人。真正意義上的『智慧』需要充分理解情境，不是讓硬體簡單地連接，而是讓房屋具有自我思考的能力。」科林·安格爾說。

劉偉對此持相似觀點，在智慧家庭生活的情境中，機器人不應是事先設定好的。它來的時候是張白紙，在短時間內理解情境，通過了解不同主人的生活習慣偏好，提供個性化的服務。「需要注意的是，『場景』與『情境』是不同的概念，『場景』是物理場，『情境』則是人、機器、場景、生理、心理結合的產物，」劉偉說，「這是我們所說的家用機器人的情境感知。」、

因而，智能家居的應用分成三個層級，基礎層級是實現智能硬體互聯；第二個層級體現在應用界面上，比如亞馬遜的語音控制系統Echo；第三個也是最薄弱的層級是實現智能硬體對所處環境、情境的認知和解讀。「未來智能家居的體驗好壞在於，智能硬體在前端能夠採集到怎樣的數據給到控制中樞，控制中樞加工分析後形成清晰準確的認知，發出指令讓智能硬體更好地完成任務。」科林·安格爾說。

在一個複雜的家居系統中，每一部分都有它的價值，但是只有通過互相協作才能產生更大的價值。「當主人要求智能語音界面把廚房燈打開時，如果智能硬體只知道把燈打開，但不能認知廚房在哪裡，使用價值並沒有最大化。」科林·安格爾說。這也為各企業未來的合作留下了伏筆，iRobot致力於情境理解，亞馬遜、谷歌等一大批企業在語音、圖像識別等埠投入更多的精力，「每個埠自帶的技術都有巨大的價值，各個公司協力才能形成比較完整的智慧家居生態。」

精彩觀點：

「自主性」是家用服務機器人發展的核心，它包括五個層面：

一是有記憶。

記憶與存貯不同，存貯是生硬的數據，記憶則是模糊的存貯。記憶能產生意向，連接過去、現在和未來。

二是有期望。

人有期望，能預測，但機器沒有。因此，賦予服務型機器人一定的期望、意向和動機是下一代服務型機器人要著力的地方。

三是有選擇。

機器人要做出給對方服務的最有效的方式。

四是匹配。

這是雙向選擇，如同擇偶，機器與人產生匹配關係時能夠解決用戶體驗，產生和諧舒適的交互。

五是控制。

這涉及反饋的問題。給機器發出指令後，它的反應是否及時、準確、恰當是非常重要的。「很多孩子在玩智能玩具時，一旦反應時間有延遲、不準確很快就不玩了。」