進入到 2017 年，AI 人工智慧迅速掩蓋了 VR 虛擬現實的光環，成為當仁不讓的主角。從無人駕駛到智能家居，再到教育、醫療，幾乎你能想到的行業都在努力想要搭上 AI 這班快速列車。

優必選是一家從事人工智慧和機器人研發與開發的創業公司。從 2012 年註冊成立優必選科技，到 2016 年完成 B 輪融資，其估計高達 10 億美元，也被評為全球服務機器人行業唯一的獨角獸企業。

對於以優必選為代表的機器人研發企業們而言，這是個最好的時代。大量的資本投入加之人工智慧技術的進步，為其提供了比以往任何一個時候都要更好的環境。優必選科技創始人兼 CEO 周劍認為，戰略布局 AI 是優必選 2016 年最重要的決定。

「人型機器人」更容易融合到家庭生活中

同時，這又是一個「最壞」的時代。找到一個屬於自己的核心至關重要，否則就是浪費資源，優必選將未來押注在了「人形機器人」。

如果你之前看過 2016 年春晚，應該對在廣州分會場，540 台機器人組成方陣，為孫楠伴舞那一幕有所印象。是的，那群可愛的機器人就是來自於優必選的 Alpha1S。對於人形機器人的探索，優必持開放態度，其與亞馬遜、蘋果以及騰訊都建立了合作。

為什麼認為「人型機器人」是下一代的人機交互中心？有關這個問題，大致可以從兩個角度來看。首先一點，是人形機器人可以帶給我們更多的信任感。

說起機器人，你的第一反應是什麼？可能是變形金剛也可能是 Star Wars 中的各種機器人形象。這些腦海中的印象告訴我們，對於大多數人而言，希望面對的機器也是人形的，它會帶給我們更多的信任感，也更容易融合到我們的家庭生活中。

另外，從設計和實際應用層面上來講，實際上我們現在看到的輪式機器人更像是過渡期的產物。其實雙足的機器人是按照人類的環境所設計的。

擁有雙足意味著在做人包括上下樓梯、過街障礙等等這些動作的時候，要比輪式簡單的多。既然人類的環境是這麼設計的，從長期來講，人形機器人更加的符合人類環境，不需要專門為機器人再去設定使用環境。

當然，距離我們想像中的機器人，比如變形金剛、Star Wars 中的智能體，就目前來看要想實現還有相當長的一段距離。不過在實驗室環境中，我們已經能夠看到阿西莫（ASIMO）、大狗（波士頓動力學工程公司設計研發）等等。

讓機器人「更像人」，人工智慧是關鍵

智能機器人發展到今天，涉及到多學科的交叉應用。我們期望未來機器人能夠像人類一樣，能聽會說，能看會思。甚至在很多方面能夠超越我們，比我們做的更好。

而想要實現以上的這些願景，關鍵就是機器人人工智慧。圍繞機器人的三大屬性，運動、感知、認知，去展開研發布局，是現在以及未來大家需要一直去做的事情。

優必選目前在人工智慧領域的布局主要是針對視覺和聽覺的，通過集成目前比較成熟的視覺感測器和麥克風陣列，能夠有效地換取環境信息，形成機器人的感覺系統。

當然，僅僅有感覺系統是不夠的，還需要對所獲取的信息進行進一步的處理和分析（包括獨立感知單元以及多長按器信息融合）。

前不久，計算機視覺領域的全球頂級學術會議，CVPR（IEEE 國際計算機視覺與模式識別會議）在美國夏威夷落下了帷幕。在今年的 CVPR 大會上，除了谷歌、微軟、Facebook、亞馬遜、蘋果等科技巨頭有論文被接收，優必選 Sydney AI Centre 有兩篇論文入選，這也從另外一個角度反映出，其在機器人視覺領域的探索，獲得了更高舞台的肯定。

關於視覺，這四項內容值得關注

視覺方面，優必選人工智慧首席科學家陶大程教授認為主要有四個部分的內容：圖像處理、機器視覺、深度學習、統計學習。

有關圖像處理，優必選關注的事情是 Deblur（去除模糊）、Denoise（降噪）、Dehaze（除霾）、Super Resolution（超解析度）。

由於機器人是一個運動的平台，這就意味著它所獲取的圖像、視頻不可避免的出現抖動，這對於後期識別和處理非常不利，如何對相對模糊的信息進行有效的調整，顯得尤為重要。而當感測器在低兆度的時候，一定會受到雜訊的干擾，從而去影響機器人的行為活動。

超解析度更多的是為了解決，當機器人攝像機獲取到低解析度的圖像或者視頻，如何有效提升這些數據的解析度。高清晰的圖像、視頻對於後期的識別任務至關重要。

機器視覺領域優必選所關心的部分主要跟人臉相關。包括人臉檢測、特徵點檢測、人臉識別、人臉增強等技術環節。另外，機器人在家庭的使用環境中，需要面臨諸如運動等等諸多問題，這些都離不開對場景的解析、物體檢測、單（多）目標跟蹤、基於單攝像機的深度估計、精細化物體分類，等等。

毋庸置疑，深度學習是當今時代的主流，對於實現人工智慧起到了不可磨滅的作用。這部分，除了目前比較流行的各種各樣的特徵提取框架，諸如 resnet、inception、優必選同樣關心 multi-scale network。

但深度模型面臨的問題是越來越大，如何有效地把這個模型進行壓縮。優必選將過去基於傳統的信號處理的方式，比如說離散餘弦變換、低質稀疏分解，有效的引進到了深度學習模型壓縮的過程中，並且取得了非常不錯的效果。

在進行壓縮的時候，能夠有效地壓縮模型的體量，而由於壓縮了之後，又可以有效提升模型的運行速度，而且模型的精度不會受到影響。

現在大家都在做深度學習了，為什麼優必選還需要關心統計學習？其實目前的深度學習和統計學習有著很強的關係，比如，多感測器信息融合（或者說是 multiview learning，多視角學習）。我們的機器人是攜帶著多種感測器的，有獲取視覺數據的攝像機，有獲取聽覺數據的麥克風陣列。那麼如何有效的把這些不同源、不同表達方式的信息有效的整合起來？這對於後續的識別問題有著非常重要的作用。在之前談到的物體檢測、跟蹤、人體姿態估計等應用中，多視角學習都起到了至關重要的作用。

另外，統計學習中有一個很重要的研究方向：causal inference（因果推理），對於實現機器人人工智慧有著不可或缺的作用。

在人工智慧方向，優必選的一些進展

物體檢測，對於機器人來說是非常關鍵的一步。機器人走進一個場景中，它需要知道這個場景里都有什麼。優必選採用了 Dense-ScaleProposal network，對於每一個proposal，同時提取多種深度特徵，利用剛才提到的多視角學習，對不同的特徵進行整合，以達到精準分類的目的。

進入到一個場景中，對於機器人而言另外一個比較重要的是它需要知道當前場景中哪個地方是什麼。比如室內場景中，它需要知道我們的床在什麼地方。機器人在運動的過程中，它實際上要對場景進行完整的解析。在解析的過程中，就是一個圖像分割、場景解析的過程。

就場景分割而言，實際上這是一個多解析度的過程。比如，以往傳統摳圖的過程大概是從大致輪廓，逐漸進入細節。對於一些很特殊的細節來說，我們要把這個圖放得很大很大，這樣我們才能夠有效把這個圖像分割出來。

而對於機器來講，過程也應該是相似的，我們設計了一個深度神經網路，模擬了人在摳圖的過程，把不同尺度的信息整合起來，達到精確場景解析的目的。

世界上有超過 1400 種狗，有超過 9000 種鳥。讓非專業人士去精確的認出每一種狗、每一種鳥，是非常不容的。但是機器卻有這樣的可能。這就是精細化物體識別。針對這一問題，優必選設計了一個特徵點檢測的網路，能夠在不同的特徵點上提取有效的特徵，然後把所有的特徵整合到一起，就能夠知道這是蘇格蘭牧羊犬，還是西班牙獵犬。

有關人機交互這個問題，現在交互的方式實際上主要是寫一段程序，然後設定參數，再把這些傳給機器人，然後機器人才能夠完成我們需要它做的事情。這個過程很顯然是不自然的。

優必選認為，未來人和機器人的交互大部分都是基於攝像機的。機器通過視覺信息的獲取，去學習人的行為，從而下一次它就能夠按照我們的需要去完成我們教授它的動作，並且完成需要完成的任務。

以上就是優必選在人工智慧領域的一些初步的結果。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！