AIR 043| MIT機器人實驗室主任：機器人的12項前沿技術趨勢（上）

美國麻省理工學院（MIT）一直是機器人科技研究的先驅，這個實驗室曾研究出獵豹、Atlas等轟動世界的軍事機器人。那么，隨著DeepMind AlphaGo、Atlas等前沿人工智能技術的發展，機器人領域的研究會出現哪些新的趨勢呢？在CCF-GAIR全球人工智能與機器人峰會機器人專場上，MIT機器人實驗室主任、IEEE、AAAI Fellow、美國國家工程院院士Daniela Rus就此作了報告演說，講述世界機器人領域十二大前沿技術趨勢：

機器人領域的“摩爾定律”

也許大家覺得這張圖未來主義，但事實上我們一定程度上已經實現了，機器人可以應用于送包裹、清理環境、貨物整理、自動駕駛、生活輔助等等場景。此外，我們也已經看到一些公司，他們已經發明了兩種單臂協作的機器人，并應用于生產。

這些例子告訴我們的是，機器人確實已經從科幻轉為當前的科學現實。我們能夠讓機器人更加有能力，更加的有智能。

值得一提的是，機器人領域也存在類似于“摩爾定律”這樣的顛覆性規律。包括制造工具、設計工具等領域，互聯網性能的顛覆速度每隔6年就會發生變化。同樣，工廠機器人的數量也是每隔5年就會翻一番。目前，我們暫時已經驗證了這一事實，而我相信未來這個顛覆的頻率會更高。

未來這個世界，每個人都有可能擁有機器人，機器人就像是在路上跑的汽車一樣常見，我把它稱之為“泛在機器人”的世界。

這些機器人將能夠與人類協作完成許多任務。當然，現在我們還沒有到達這樣的階段，因為還有很多技術問題需要解決。比如機器人如何跟人互動，如何自我推理解決問題……以及，我們如何快速、低成本地制造新的機器人？

接下來，我跟大家分享一些技術的趨勢，這些都能夠幫助我們解決上述的問題。

十二大機器人技術趨勢

• 軟體機器人

之前的機器人都是鋼體的，但這樣的結構并不能很好地適應各種環境。軟體是指把機器人的結構制造成柔軟靈活的，像人體結構一樣。一般來說，軟體機器人的身體結構利用軟硅膠制造的，增強其適應性，能夠適應不同的未知環境。

基于肌肉運作的原理，我們發現這樣的構造讓機器人更加敏捷，能過更快速地完成某些特定任務。除了軟硅膠，我們還可以用水或是空氣去驅動軟體的結構。比如這個（放大版）機器人，它外形像一條蛇，而表面這些泡泡可以通過放大和縮小的動作來驅動機器人的活動。

我們可以看到，把機器人放到管道當中時，它就可以自動去檢測周圍的環境，塑料型的適應性是鋼體機器人不可比擬的。

同理，我們也可以去創造機器魚。如圖所示，它像實際的魚一樣可以活動，能夠90度的轉彎，可以快速地躲開捕獵者。全靠其軟體尾部，機器魚能夠在水中上下游動。

我們已經看到了軟性機體的重要性，一本新的期刊《軟體機器人》期刊已經出來兩年了。通過這本期刊我們知道，軟體機器人在機器人學科當中的重要性排名最高，也就是說大家對軟體機器人的關注度是最高的。

•  Manipopulatetion ：靈活操作

除了軟體機器人，另外一個改善和提高機器人的技術是：靈活的抓取、搬運操作。

鋼體的機器人只能夠看清楚物體的大小，瞄準每一個指頭放在哪里才能抓取物體，但人不是這么操作的。我們要拿一個東西時，伸手、抓取以非常連續的動作完成，不需要思考大小還是運用哪個手指。正因為要對手指頭的位置的精準要求，讓機器人抓起行為有了很大的局限性，它們沒有辦法應對不規則的物體。

而軟性搬放就應運而生。因為不需要仔細地看這個物體放在哪個位置，也不會受到形狀的控制。比如，它可以抓取雞蛋、紙條。正因為這個機器人有非常柔性的結構，它可以自由地應對各種不確定因素。

我們還可以通過嵌入一些簡單的傳感器，來讓機器人擁有辨別實際物體的能力。當然，這其中還不能百分百做到，某些場景中的識別正確率偏低。橫向或者是使用兩個指頭拿成功率會高些，因為橫向抓取積累了更多的數據，知道怎么抓；而兩點抓取的信息就比較少了。

• 語言交流

就算有軟體結構，有的時候機器人也會失敗。為什么呢？如果機器人抓不住，它可以告訴人出現什么問題，但它不能。

通過觀察可以發現，機器人在執行一個任務時，人類一點點干預也會完全改變它的計劃。如何提高人機協同互動性呢？如果機器人能過簡單說一句“幫幫我，我卡住了”，這也能解決問題，但目前它還辦不到。除此之外，如果機器人還可以自省，根據自己的數據計算出新的決策行動，從而避免這個故障。

因此我們希望賦予機器人這個能力。我們開發了一個程序規劃系統，機器人可以通過這個規劃系統思考自己的行動過程——卡住時可以想一想“為什么卡住，怎么樣可以擺脫這個障礙”，或者把這個想法和人類溝通——“請把桌子搬起來”。

所以想象一下，機器人必須要有溝通能力，非常清晰明確地與外界溝通。否則，它只能說“幫幫我”的話，人類過來還得檢查看一看它到底有什么問題，這樣效率就很低了。

• 云端大數據幫助學習

我們知道，機器人也需要學習。但是，我們人類從出生起每天可以接受大量的數據，從而進行學習，而對于機器人來說，數據儲存就容易內存不足。一輛自動駕駛汽車一個小時就有1TB的數據，很難分析。所以，我們需要把抽象度提高，使得收集的數據能夠達到較高階的程度，降低儲存壓力和計算量。

舉個例子，左邊是一個GPS的數據流，如果對于這個GPS的數據流我們能夠建立起有意義的結構，就能過從中歸納出一些能提取的信息，然后做高階的推理。比如自動駕駛到了某一個位置，就知道要執行什么任務。

從數據流當中提取數據，進行抽象處理，并歸納出有意義的信息——這是接下來要分享的核心級技術——通過一個算法，在大數據當中分析一些小的數據集，這些小型數據集能夠反映出整個數據運算結果。

同樣一個例子：我們利用Coresete的方法，通過對視頻的分析得出數據集數，然后把不同的色彩進行集中，從中可以用分析出更多更復雜的視頻。電影畫面里面16500幀，我們只需要用1152個Coresete數據點就可以展開分析。

• 多機器人系統

只有一個機器人時，能夠完成的任務有限，我們需要許多個機器人組成一個自動化系統。所以，第五個趨勢就是多機器人系統。

當幾個機器人組合到一起時，每個機器人都有各自負責的工作。當然了，假如現在在建一座小木屋，其中會有一個機器人負責搬零件，而另外的機器人會負責其他的工作。所以，我們可以看到這四個機器人在協作。

機器人必須要能夠互相的交流、協調，才能夠知道要在什么時候配合同伴執行任務。這是個挑戰。它們需要了解自己的任務，又要知道整個集體任務的情況。

• 按需制造

我們的目標是，讓一個機器人可以通過3D打印機直接打印出來，但是這不是一般的外殼打印，在3D打印機當中要有驅動機制，我們可以看到里面的電子結構。這里其實是一個非常復雜的機制。

AIR 046 | MIT機器人實驗室主任：機器人的12項前沿技術趨勢（下）

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。