人形机器人5年内或迎来突破 进入家庭还有四大门槛

根据IFR发布的2016年世界服务机器人统计报告，全球专业服务机器人2015年总销量为4.11万台，与2014年的3.29万台相比上升了25%，总销售额为46亿美元，同比上升14%。而在个人/家庭服务机器人领域，2015年约售出540万台，同比增长16%，销售额为22亿，较2014年增长4%。

在数据呈现之外，对于服务机器人，国家和相关团体也给予了重视。比如中国机器人产业联盟，就在不久前，其宣布将陆续发布3项联盟标准和17项机器人产业联盟标准。

从这种种迹象来看，在可预见的未来，服务机器人的前景是极其可观的。说白了，机器人就是一个各项技术的综合体，而按照大方向来分类，主要分为三部分，分别是感知、认知交互和运动控制。

江旋 第一财经日报

随着华人力量在人工智能研究领域的崛起，越来越多的华人科学家投身于人工智能技术 商业 化的进程中。

近日，优必选 科技 宣布悉尼大学教授陶大程即将加盟公司，并担任优必选“人工智能首席科学家”。同时，在机器人运动控制方面，清华大学教授赵明国也将担任优必选“人形机器人首席科学家”。陶大程、赵明国以及优必选创始人周剑在北京接受了包括《第一财经日报》在内的 媒体 采访，对于人形机器人商业化等一系列有趣的问题进行了探讨。

进入家庭的四个门槛

优必选在人形机器人方面的战略是，2018年完成大扭矩、高爆发力伺服舵机研发商业化，并推出系列化双足家庭服务机器人。同时考虑在三年内推出人形家庭服务机器人操作系统，并推出基于商业化目的的类人家庭服务机器人。

周剑认为，人类的需求不是特定的，也许有人会需要真人一样的、有情感依赖的机器人陪伴在身边，如果是单身的话，想象空间就很大了。这样的机器人5~8年之内商业化是有可能的。未来人形机器人在运动控制和人工智能上将无限接近人。

“我们跟亚马逊一起讨论了很久，亚马逊认为未来的人机交互的发展，消费中心一定是人形机器人。”周剑提到，2017年优必选的主要收入来源有四块，销售收入将达到10亿到15亿元人民币。其中之一就是和亚马逊合作开发的机器人。

陶大程从软件的角度解析了人形机器人四个方面的研究内容。他指出，人形机器人最关键的东西是视觉输出。我们每天所获取的信息超过70%、80%都是从眼睛来的，所以首先是要进行图像处理，如何将获取的图像变得更加清晰。看清楚之后，就是机器识别，作为家庭服务机器人，首先要认识家里每一个成员，这样才能对他们建立用户画像，然后把家庭成员的信息归总起来。要想完成稳定的图像处理和机器视觉，离不开两个非常关键的基础方面的研究，即深度学习和多视角学习。

他表示，机器人在家里到处走，要进行实时场景的解析，如何精确地实现室内导航，要有很多基础技术的支持。理解了环境，下面很重要的事情就是认知人、理解人的行为，这是运动的人脸识别系统。人是有情感的，你可以很友善，也可以很愤怒。这对于机器人来说就需要理解人的表情。理解了人的情绪、人的行为，下面就要知道如何检测和识别物体。

陶大程认为，人形机器人最终面向家庭的商业化还是要降低成本，而最大的问题就是要估计人的姿态，如果给机器人装很多摄像头和传感器必定会提高成本，如何利用单幕摄像机来获取想要的数据就是需要研究的问题。其团队最近的一个研究成果就是从Youtube下载的视频进行计算。

此外，还有一个关键问题是模型压缩。人形机器人运动过程当中有很多计算的开销、电能的开销，再加上人工智能的开销，就导致它要有一个很大的电池，这在很多场景中是很难克服的，因此要把大的模型变成小的模型。

5年内或迎来突破

专注双足机器人运动控制技术研究的赵明国教授认为，在基本功能达到之后，就可以不断迭代，真正产生一个符合需求的产品。在两到三年之内，机器人“抓取”的功能一定能到位。

以“抓取”这个功能为例，家里各式各样的瓶子很多，酒杯、矿泉水瓶、暖水瓶等等，可能在机器人看来都是一样的，但如何精准地把这些物体识别出来，就是需要人工智能技术和运动控制技术相互配合的场景。

赵明国还谈到，真正的人形机器人是有四肢、大脑及躯干的机器人，只是它的外形不见得是第一步就完成的。先完成整体躯干的部分，可以运动了，有了AI的概念了，然后再做更加真人化的皮肤、材料、各种传感器，这时候触感、温度各方面才会有进步。

“未来5年结合驱动技术、控制技术，以及人工智能的发展，一定会迎来人形机器人在家庭应用中新的突破点，也会迎来产业应用的突破。”赵明国表示。

开发一款机器人，硬件和软件技术如何更好地融合是关键性问题。那么，从开发程序上来看，到底是有了硬件再去开发软件，还是二者能同时进行？

赵明国认为，机器人运动一定要先有良好的平台，所以落地的顺序应该是齐头并进，既要实现大型的伺服舵机商业化，另外相应的软件也要同步发展。但是一开始一定要把伺服舵机落实下来。

此外，陶大程也对记者表示，自己从事深度学习已经很长时间了，深度学习的弱点是在没有大量数据进行训练的时候，效果可能不会太好。比如说，在座的男士都是短头发，女士都是长头发，但我出去不能说长头发都是女的，短头发都是男的。

他认为，人类对大脑的理解还是非常粗浅的，深度学习实际上也沿袭了层级结构。我们已经看到了突破性的成果，但还是有一个过程，就像我们不能教5岁的小朋友微积分一样，需要渐进式地推进。

另外，陶大程也指出，深度学习是一个潮流，但是并不代表应该放弃原始的学习。统计学习和深度学习未来必将有机地结合在一起，解决我们的需求。