我離家養一隻哆啦A夢還有多遠？

每個「大孩子」可能都看過《哆啦A夢》吧！兒時經常幻想，假如自己也能擁有一隻可以上天入地、無所不能的家養「機器貓」該多好！可惜，這樣的夢想一時半會兒是難以實現了。

隨著人類科技的發展，現實生活中機器人技術的身影也可謂無處不在。儘管如此，當前的機器人技術還遠達不到人們的期望——目前最先進的人形機器人之一ATLAS，距離「哆啦A夢」可能還隔著100個「大白」呢。

那麼，機器人的發展正在面臨怎樣的困難和挑戰呢？《科學》雜誌《機器人》子刊主編——來自帝國理工大學的楊廣中教授，帶領專家小組就此問題通過在線調查總結出了10個最具代表性的挑戰。

下面就讓我們一起來看看這些挑戰是什麼吧！

1

材料及加工工藝

傳統機器人的組成通常都是齒輪、電機和執行器這些硬邦邦、冷冰冰的元器件。反觀我們人類自己，從軟組織到骨頭，多層次不同性質的材料可以天衣無縫地「組裝」成一個整體。

機器人。圖片來源：Pixabay

為了使得機器人可以像生物體一樣低能耗、多功能、靈活自主，近年來，諸如人工肌肉這樣的新型材料的研發備受矚目。如何研發、加工出更多特性不同的新材料，並將這些材料有效組合在一起，是機器人材料領域的重大課題。

除此之外，考慮到日益嚴峻的環境問題，未來新材料的研發還需要將材料是否可以降解、是否對環境友好納入考量。

2

能源、電池、能量採集技術

上至無人機，下至深海機器人，可移動機器人對能源技術的要求越來越高。 從儲能效率的角度而言，目前任何一種電池（1 MJ/kg）都無法與碳水化合物（17 MJ/kg）相媲美。

無人機。圖片來源：Pixabay

因此，從自然中汲取靈感，研發具備生物新陳代謝供能特點的生物混合機器人是機器人能源領域的重要發展方向。除了電池技術，如何讓機器人可以自主地「撿裝備」，隨時利用周遭環境中可以利用的光能或機械能發電也是潛在的突破口之一。

3

生物混合機器人及仿生機器人

對於生物混合機器人及仿生機器人而言，前面提到的類似生物新陳代謝供能的能源技術和類似肌肉的執行機構都是亟待解決的難題。除了硬體基礎，提升機器人的自主性，構建其類人的感知、計算和推理能力同樣是發展這類機器的關鍵。

《銀翼殺手2049》中的仿生機器人。圖片來源：電影《銀翼殺手2049》

為了讓這類機器人可以走出實驗室應用於現實環境中，我們需要對現實複雜環境的更好地建模，使得機器人可以更加有效地與環境交互。

4

機器人組技術

還記得《超能陸戰隊》裡面的微型機器人嗎？單個的微型機器人看起來並不起眼，但是通過交流協作，這些微型機器人形成的集合體——機器人組，則有著無限的可能性。

未來，發展機器人組技術關鍵在於「整合」二字。如何使得計算單元與存儲單元之間可以更好地整合，如何通過5G無線網路等網路技術使得用戶的多個智能設備更好地整合，如何通過人工智慧和機器學習方法使得機器人組和環境更好地整合，這些都是機器人組技術面臨地挑戰。

5

在極端環境中的導航和探索

機器人需要在未知領域作業，特別是極端的未知環境。比如搜救機器人可能面臨崎嶇的地形、幽暗的隧道，在某些特定環境中，感測器、視覺識別或是通信系統很有可能出現故障。

搜救機器人。圖片來源：emaze.com

在這種情況下，我們需要機器人導航可以正常運行，在經歷故障之後可以自我恢復，並且在不斷變換的未知環境中，學習適應新的環境，同步定位並構建地圖（SLAM, simultaneous localization and mapping）。實現這些目標需要雙管齊下，一方面發展魯棒性好的機器人硬體系統，另一方面發展具有自主性的軟體內核。

6

人工智慧

人工智慧是諸多機器人技術應用的基礎。近年來，深度學習演算法結合大數據極大提高了機器人物體識別的準確度。儘管人工智慧技術在近幾年取得了飛躍性的進展，但是我們離複製乃至超越真正的人類智能仍有很大距離。

首先，我們需要人工智慧系統可以邊做邊學。通過感知自身不足，主動尋求幫助或者改變自身構造來適應環境，可以自我訓練的AlphaGoZero就是一個很好例子。但是，目前這樣的人工智慧系統只能完成特定的任務——AlphaGoZero並不能輕易轉化成Alpha麻將Zero。

AlphaGoZero只能完成特定的任務。圖片來源：DeepMind

而在現實環境中，人工智慧/機器人所面臨的是高度複雜、交叉的任務，因此實現跨語境學習的是機器人人工智慧面臨的難題之一。解決這個問題可能需要我們從神經科學入手，更好地理解人類新大腦皮層的工作機制，從中汲取改進人工智慧的靈感。

7

腦機介面

通過測量並分析神經信號，腦機介面技術可以檢測到特定的大腦活動，並據此來控制相應的外部設備，比如通過腦電波操控機械義肢或是電腦遊戲。儘管號稱實現了意念控制的腦機介面系統層出不窮，但是實際上，這類系統的應用範圍仍十分有限。

神經信號測量設備通常成本高、體積大，目前的腦機介面系統很難脫離實驗室環境。因此，研發出低成本並且可以實現無線傳輸的神經信號測量設備是腦機介面技術應用於現實環境所需解決的首要難題。

除此之外，神經信號通常信噪比很低——目標信號通常混在大量雜訊之中。如何進一步改善信號處理演算法，以更有效地從雜訊中提取反映特定大腦活動的信號也是腦機介面技術需要克服的難題。

8

社會交互

對於（沒有社恐）的人類而言，社交是一件再自然不過的事情。因為太過自然，我們幾乎從來不會留意每天是如何識別分析他人的行為並作出相應的社交反映。

機器人社會交互。圖片來源：Unsplash

這些看起來簡單的行為，對於機器人而言卻異常困難。無論面部表情還是語音語調，看起來或者聽上去只有細微差別的社交信號可能包含著截然不同的意思。面對瞬息萬變的未知環境/對象，如何構建社交模型並學習必要社交和道德準則，是實現機器人社會交互的難題。

9

醫療機器人

醫療機器人是醫療器械領域發展最為迅速的方向之一，近年來湧現出了大量的商用醫療機器人：達芬奇外科手術系統使得醫生更嫻熟地完成腹腔鏡手術；MAKO機械手臂可以提高醫生在進行換關節手術時的鑽孔精確度；Think surgical手術機器人則可以沿醫生預設好的路線進行切割。

醫療機器人。圖片來源：Pinterest

在這些例子中，醫療機器人都扮演著一個給醫生打下手的角色。如何進一步提高醫療機器人的自主性則是此類機器人發展所面臨的挑戰。比如，在需要緊急搶救的情況下，智能醫療系統如果可以迅速準確地判斷病人的情況並做出相應的決策，則可以大大提高急診醫生的能力和效率。

10

道德與安全

近年來，人工智慧/機器人技術發展帶來的道德與安全難題，例如失業、系統出錯造成事故等，這些問題不再僅僅停留在科幻作品中，而是切切實實影響著我們每一個人。

隨著人工智慧技術的井噴式發展，無處不在又相互協作的人工智慧系統越來越難以控制，我們面臨著無數未知的威脅。如何設立相應的制度，防患於未然，是整個機器人領域無法迴避的難題。

《超驗駭客》中，主角通過腦機介面技術成為無處不在又不受控制的AI。圖片來源：電影海報

可以看出，這10大挑戰並不是相互獨立的。其中，材料、能源和人工智慧是廣泛影響機器人發展的基礎技術，生物混合和仿生機器人以及醫療機器人的研發離不開新材料和新能源，機器人組技術、機器人導航、腦機介面、人機交互和醫療機器人都離不開人工智慧技術作為支持。最後一條，機器人發展的道德與安全問題則是任何一個機器人領域都無法迴避的重大議題。

由於機器人領域涉及的技術以及應用的方向太過廣泛，很多其他研究方向也同樣重要。因此，這裡列舉出的10點仍不足以涵蓋所有的問題，一位來自帝國理工的機器人領域教授就表達了他的看法：「我還有更重要的事情要做。」

相信科學家們會不斷攻克難關，讓更多「技能滿滿」的機器人融入我們的生活。

參考文獻：

The grand challenges of Science Robotics, GUANG-ZHONG YANG, JIM BELLINGHAM, PIERRE E. DUPONT, PEER FISCHER, LUCIANO FLORIDI, ROBERT FULL, NEIL JACOBSTEIN, VIJAY KUMAR, MARCIA MCNUTT, ROBERT MERRIFIELD, BRADLEY J. NELSON, BRIAN SCASSELLATI, MARIAROSARIA TADDEO, RUSSELL TAYLOR, MANUELA VELOSO, ZHONG LIN WANG, ROBERT WOOD,CIENCE ROBOTICS31 JAN 2018

一個AI

你離家養一隻哆啦A夢，還有一個時光機的距離。

本文來自果殼網，謝絕轉載

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！