機器人再強，這些工種工作還得人來干

《環球科學》特約記者 陳耕石

剛剛落幕的2017世界機器人大會相信震撼了每一位參觀者。從機械加工，到災難救援，再到外科手術甚至是執子對弈，機器人和人工智慧已然進入了人類生活的方方面面。

看著大會講演嘉賓的中文發言被翻譯系統自動即時翻譯成英文，作為參會者的《環球科學》記者不禁後背漸漸發冷。一方面現場的空調的確給力，另一方面像文字記者甚至是同聲翻譯這樣的高階職位都呈現了將被機器替代的趨勢也確實讓人感到恐慌。大會論壇行將結束時，來自新加坡南洋理工大學的陳羲明教授分享了他的團隊兩次參加亞馬遜貨物分揀挑戰賽的故事，讓記者有種如釋重負的感覺，原來，和機器人相比人類暫時還不是那麼一無是處。

以下內容來自陳羲明教授的演講：

我們知道目前物流中的自動化主要是針對大型貨物或者標準化包裝的，這些叉車或者大的工業機器人在做這種大件物品的搬運時，它的靈活度是很低的。現在應用於電商的新物流模式，它的主要運輸方式是貨物從商家發送到物流營運中心，再由營運中心運送至客戶手中。這中間需要面對各種大小不一的貨物，分揀主要還是依靠人工完成的。

物流行業中貨物分揀流程對機器人的需求是強烈的。貨物分揀是一個勞動密集，重複性高，極度無聊的工作。亞馬遜每年在這個環節中會產生大量的勞資糾紛。而且在遇到像阿里巴巴的「雙十一」或是亞馬遜的「黑色星期五」這樣的線上大型活動時，貨物分揀的工作量會成倍上升，這時人工分揀出錯率就會上升，如果出貨合格率僅達到90%左右，就會造成大量的投訴，如果我們要求合格率達到99.99%就一定會影響工作效率。

如果變成機器人或者自動化地去做，面臨的挑戰在哪裡呢？這就是亞馬遜會舉辦這個貨物分揀挑戰賽的初衷：如果是在線的商店，基本上會儲存50萬甚至上百萬件不同種類的商品，每天還有5萬件新的貨品進來，怎麼自動辨識這些貨品很重要。我們看到很多團隊都在做抓取的實驗，但是對機器來說你看到的東西都像積木一樣，除了上面標籤以外都是相同的罐子，你買餅乾或者其它東西包裝盒大小都是一樣的，就是牌子不同，所以這個過程不僅要辨識幾何形狀，還要辨識那個包裝。倉庫條件就變得很重要了，因為人的眼睛是非常好的Sensor（探測器），機器視覺最大的問題就是光線，光線不對的話就完蛋了。

每個貨物包裝不同、大小不同、軟硬度不同，應該怎麼處理？我們的人手是萬能的，但是人工智慧下棋很容易，洗個盤子是很困難的。功能強大的機械手至少有22個自由度，但是成本過於高昂；如果把自由度降低又會面臨功能度不夠的問題，所以從某個角度來講，按照目前的環境和技術，機械手商業化非常困難。

一個機械手，圖中的每一個關節都由一隻昂貴的伺服電機驅動，成本高昂

貨物揀選需要對機器人的「智能」提出怎樣的要求呢？首先是要做物件的辨識，你知道是奶粉、玩具還是刀叉，你要知道這個東西的Posture（形態）是什麼樣的，手機買來的是正的，但是晃一晃可能就斜了，人可以看出來，但是機器視覺要做很多的判斷；然後機器要做的是有序的規劃，能夠避開其它的障礙進到貨架上去拿到目標物品。如果按照現在的人工揀貨的話會有一個揀選單，什麼先拿什麼後拿，這也要做一個規劃；最後要看到底怎麼執行這個工作，如果中間出錯的話應該怎樣放回來，人是可以一氣呵成的，但是機器錯了必須要有另外一套方式找到它才能補救回來。

機器人很難「理解」為什麼每張圖中都有同樣的速食麵

亞馬遜在物流方面有很好的貨物分揀中心，它想繼續擴大規模又不想增加新的員工，所以這就推出了這個機器分揀挑戰賽。如果2015年沒有這個挑戰賽很多人可能還沒意識到貨物揀選的問題，所以說亞馬遜是拋出了一個工業界重要問題，但目前還沒有找到解決方案。從我們做機器人研究的角度來講，只是單獨地做抓取和Motion Planning（動作設計），這些東西都有一些Solution（方案），但是全部擺在一起的時候就不是那麼回事了。我們比賽的時候會發現，所有以前做的研究80%以上完全不能用，那麼是出了什麼問題呢？主要是因為我們做研究的時候不是在真正的現實環境下工作的，原來我們考慮問題太過於簡化了。

2015年的比賽吸引了很多人去報名參加，最後選了26個隊伍，我們是南洋隊。當年第一次比賽的規則是這樣，就是給亞馬遜的貨架，然後給你25件物品，這是事先給好的。比賽的時候物件怎麼擺當場會有裁判，有一個小的貨櫃當中隨機擺放著兩三件貨物，有時候能達到四件，機器人必須要把它識別出來。這就造成了很大的挑戰，當年我們有三位老師，加上八個研究員，花了五個月的時間才做出來。亞馬遜的比賽很好玩，大部分的隊伍都是用工業機器人加上自己的程序，然後再加上視覺，全部都是自己的軟體系統來做。

比賽中的機器人選手

在這種規則下，機器人必須要用3D視覺去做判斷才能完成目標識別，因為你已經知道它是什麼東西了，但是不知道在哪個貨架，所以必須要做檢測，然後判斷它在哪裡。比賽的時候很好玩，因為要求的精度很高，所以大家用的都是抓手和吸盤。2015年第一屆的狀況是，有的隊可能一個都拿不到，有的卻拿到了很多，冠軍是德國的柏林大學，亞軍是MIT（麻省理工）。現在已經辦了三年，去年我們沒有參加，今年參加了，因為大家對這個很有興趣，而且這個項目有很大的商機。今年的比賽規則可以讓我們自己設計貨架，因為亞馬遜已經意識到如果純粹是按照原來的貨架去做的話，揀選的速度不會很快，很多時候必須要對環境做一些修改，所以就讓大家自行設計。另外，今年的比賽只提前給定了一半的貨物，另一半貨物要在現場發放，我們只有15分鐘來訓練機器人識別新的貨物，這種需求和實際的狀況類似，電商每天可能會有5萬件新物品進來，每天都要去掃描。

我們這次參賽做的系統，包括了兩個工業機器人，貨架可以像抽屜一樣伸縮。這個東西在分揀的時候有用，因為東西都堆在一起，識別的時候很難看到一個完整的物品，都是一小部分而已，展開了可以識別到單個貨物。我們今年只用吸盤，基本上可以拿到99%以上的東西。實際上Griper（機械手）在這裡速度不夠，而且抓了兩個判別起來會花很長時間，因為速度和精準度很重要，很多東西它是拿不起來的。

很多人想說你們只裝一個吸盤有沒有用？實際上這在參賽隊里是最強的，基本上什麼東西都可以吸，甚至包括皮搋子、還有一個1公斤左右的小啞鈴，因為貨物的寬窄不一，而且也不一定要對得很准，吸盤反而效果更好。

我們要做當場Scan、當場訓練，然後再比賽。機器人應該是給大家謀福利的，但是比賽時大家都被機器人弄得很緊張，我們要花很大的力氣做這個Programming（編程）。現在這些隊都很強，因為比過兩三次了，比如德國的博爾朗大學，MIT也不錯，澳洲隊最後拿到了冠軍，日本的這些隊也很好玩。比賽很激烈，如果算總積分，我們的隊伍在三天的比賽里都是前三名，所以就系統的穩定性來講所有隊伍當中我們應該是最好的。今年的冠軍杯不是什麼金屬，而是給一個筆筒。因為網格的筆筒是最難辨識的，系統裡面是什麼都看不到的。

我們和亞馬遜的CTO聊過，他也在講亞馬遜這個挑戰賽他們還是會繼續做下去，因為他們真的需要精度達到99.9%的超級機器人。而目前，連我們自己最好的機器人在內也只能達到80%-85%，所以距離這個目標要求還是有些距離的。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！