2018世界机器人大会主论坛—基础技术与创新

经过上午众多大咖的精彩分享之后，2018世界机器人大会主论坛会议以来下午场的演讲。下午的演讲主要围绕基础技术与创新，除了研究成果——《中国机器人产业发展报告2018》的发布，多位大咖还在现场对智能机器人的深度感知、视觉技术、智能化水平进行了精彩分享，同时还对智能机器人的行业应用和未来发展趋势作了深度解读。

丁汉：各位来宾，女士们、先生们、朋友们，下午好！欢迎大家来到2018年世界机器人大会主论坛。受中国电子学会的委托，由我代为发布一项研究成果——《中国机器人产业发展报告2018》。

    本报告为工信部2016-2018年专项建立我国机器人团体标准体系与产业信息资源库的阶段性研究成果。近年来，随着全球新一轮科技和产业革命的蓬勃发展，我国机器人产业发展势头迅猛，产业规模与市场空间不断扩大，整个产业链呈现较为良好的发展态势，但与发达国家仍存在一定差距，核心技术研发、产业链分工、人才培养等领域面临瓶颈制约。针对我国机器人产业发展动向，及时研判产业发展所取得的阶段水平和呈现的特征趋势，有利于为我国广大机器人企业的发展提供方向、路径及模式的参考依据，也为国家制定出台相关产业政策提供支撑，推动营造良好稳定的产业生态环境，引导我国机器人规范有序创新发展。

    围绕于此，中国电子学会组织了专门的研究团队，在国内外知名专家的指导下，共同编制了《中国机器人产业发展报告2018》，现予以公开发布，作为本届2018年机器人大会的主要成果之一。

丁汉：发布环节到此结束，下面进入论坛阶段，有请IEEE RAS主席、德国弗莱堡大学教授Wolfram Burgard进行主题演讲“基于深度学习的智能机器人导航和感知”。

Wolfram Burgard：大家下午好！今天想为大家讲一讲机器人行业的一些变化以及机器人行业的未来，重点会放在智能机器人导航和感知相关的内容，包括行业未来的趋势。

    这是一个希腊神话故事，希斯夫是希腊神话当中著名的神，他相信他比宙斯还要聪明，所以他在肩上扛了一块巨石，每当搬起这块巨石快走到山顶的时候就会滚下山去，一直想把这块巨石搬到山顶，但却永远无法到达山顶，每次都要重新再来。这其实就是我们在科学当中要经历的过程，每当要解决一个问题的时候就会发现这个问题无法完全解决，需要重新寻找路径解决。每当找到新的方法但发现还是不能解决全部问题的时候，又要再一次重新寻找路径。似乎每次我们都好像即将抵达山顶，但最后还要从山脚重新走上去，毕竟在解决问题的过程中总会遇到全新的问题。

    机器人导航可以分为三个部分，包括定位、建图以及运动控制。当然，这三个部分当中也有一些重叠，比如同时定位和主动定位，或者是位置探索，这是三者的结合点。这些领域当中我们所取得的进展，这里做了一个大概的评级，其中星号数量表明我们在不同的基础上取得了多少进展。

    这是一部自动驾驶的汽车，使用的是雷达扫描仪，有了这种扫描仪就可以知道周边发生了什么情况。这种技术对自动驾驶来说是非常重要的，只有有了自动扫描才能实现自动驾驶，所以也是自动导航能够发挥作用的重要领域。

    很多制造流程用的都是自动化技术，但如果能够实现自动化生产，效率就会非常高了，但灵活度会比较低。被中国公司收购的库卡公司也解决了一部分这样的问题，即让机器人实现更加灵活的生产过程，有了这种技术就可以打造一些非常棒的东西，比如高精度定位等等。

    这种定位的方式叫做蒙特卡洛，也就是在一个全局当中来做细致的定位。当然，首先是要做绘图，然后再做测量。通常可以做到非常准确，比如这样一个小的移动机器人就能够实现非常精准的定位。当然，可以把它用到工厂当中，比如库卡就可以将它和一些重型的卡车结合使用。重卡可能是高重量的，可以做这种非常小而轻的物体运送。工厂当中可能会用到这种小型机器人，也可以用于其它领域，比如用它运送一些非常大型的物体，甚至波音777客机，所以这种精准导航的技术都有很高的要求。

    我们在导航领域也取得了一些进展，比如高精度定位，很多公司都在使用这种技术实现一定的智能化，当然，还需要绘制精度非常高的地图。而在过去的十五到二十年当中这种绘图的技术也在不断发展，现在已经有了比较强大的绘图技术。这是用机器人绘制的图，甚至可以看到机器人行走的轨迹，使用的也是激光扫描仪来扫描这样的路径，可以通过不断的移动绘制出当地的地图。

    我们可以在各种应用环境当中绘制非常高精准的地图，有些可以直接在手机上绘制，甚至画出3D图，比如这是弗莱堡大学的3D图，可以看到中间可能有个长方形的建筑。当然，如果应用在自动驾驶汽车当中就可以为之制作更为复杂的地图，比如知道停车场在哪里，加上定位的技术也就能够实现车辆的自主泊车而不需要人工。几年前就在某些地方做过这种实验，实际上这些应用已经在斯坦福的无人驾驶汽车实验当中测试过了，可以在自己的停车场当中自动停车。虽然我们还没有完全解决绘图领域的全部问题，但现在已经有非常高智能的停车系统了。

    目前我们在导航技术方面还面临着一些关键性的挑战，从长期的角度来说，解决了高精度定位、高鲁棒性的建图等问题，但从长期自主决策的角度我们怎么实现这种目标呢？这个世界不是静态的，有着很多的环境是我们预测不到的，这些车辆怎么应对这样的问题呢？比如在城市当中的自动驾驶，我们能否使机器人在城市当中实现自动驾驶？在人口众多的城市中心机器人如何自我导航，机器人若能有这样的自我导航功能，就可以完成快递比萨等工作。

    这里我们看到的是在弗莱堡城市中心的小机器人，它在城市中心到处移动，机器人需要防止掉到运河当中。

    另外一个挑战就是人，特别是孩子，孩子特别喜欢和机器人玩耍，有的时候我们在弗莱堡的城市中心去做实验的时候孩子们会抓住机器人跟它玩，可以看到孩子们站在机器人的前面，机器人想转个向，孩子却把它挡住了，看起来机器人没有办法到达它的目标地点了，所以我们要解决的问题是给这些孩子买些冰淇淋，他们就把机器人放掉了，这是我们在城市中心经常会遇到的问题。

    我们还做了一个自动导航实验，是在弗莱堡奥伯利路上面，机器人的自我导航没有出现任何问题，可以看到这条路径也是它自我决定的。这个视频是让我们看到机器人怎么在城市中心自我导航，大概花了两个半小时到达了城市中心的目标地点，独立绕过了很多的障碍。这也就意味着机器人是有可能实现长期自主决策，几天甚至几周连续自我决策。但仍然还有一些缺少的地方，例如在自我驾驶车辆的方面，有的时候速度非常的快，而且有很多的情况是预测不到的，所以在这种情况下真的很难实现完全的自动驾驶。

    现在的问题是，我们怎样建造一个基于技术的自我驾驶汽车，我们应该做些什么，需要开发什么其它的技术，下一步怎么走，今后这项技术应该怎样发展以便于我们有机器人自动驾驶车辆，所以从我的角度来说，最关键的解决方案在今后几年都是机器学习。这其实也是我在一开始提到的，当你到了山顶的时候石头又会滚下来，然后出现了一些新的现象，又得重新往前走，这其实是目前我们在做的一件事情，也就是大量地依赖于机器学习。

    举个例子，什么学习的方式对这种情况是有用的呢？比如学习驾驶的风格，要在帕利托或者加利福尼亚开车的方法和在北京是完全不一样的，或者在新德里、提尔瓦这些世界上交通状况最复杂的区域开车也是不一样的，机器人在这样的环境当中要让汽车能够适应当地的环境和导航情况，用户也有不同的期望。考虑到我自己父母的情况，他们可能更喜欢在车里慢慢地开，我开的会比他们快很多，所以我们驾驶的风格不一样，很多的参数是需要调整的，需要使其效率更高。我们可能不能100%地解决这些问题，需要通过工程和设计的方式改进它。如果我们采用了自动驾驶技术的话，每辆自动驾驶的汽车都必须适应每个用户的期待和需求。

    除此之外，我们还需要有高级互动的功能，这样的功能也是现在我们正在致力于开发的。我们企图实现人和汽车之间的互动，希望能够监测用户在使用过程当中的一些错误，如果出现错误的话需要机器来纠正，所以如果有一个用户和机器之间互动的界面可以实现互动，也可以实现在驾驶期间实时的调整和纠偏，自动驾驶系统可能做紧急刹车的行动。再就是需要在线预测用户的偏好，我们有机器人可以帮助去组织和整理货架，机器人可以辅助日常生活，比如清理厨房，或者把早餐的碗碟拿到洗碗机里面。

    机器人如何知道什么东西应该放在货架的什么地方呢？一个解决方案就是从用户那里学习，我们可以看到这张图片，如果把货架上面的一个东西改变位置的话，机器人会把其它的东西换到其它的地点，所以我们采取多元方式，需要有足够的信息输入机器，然后机器才知道把什么东西放在什么位置，用户也会有自己不同的偏好。因此，组织货架的时候你是有自己的习惯，决定把某个东西放在某个货架上面，机器人就会适应每个用户的偏好和需求。

    另一个我们经常会遇到的问题就是深度学习，给大家举几个例子，都是我们在研究过程当中遇到的一些问题，深度学习可以帮助机器人的感知，并且提升现有的技术。这里给大家看的一些例子是物体的监测、人体部位的检测以及导航，通过深度学习来实现这几点。

    首先是用于物体监测的深度卷积神经网络，我们是融合自动学习，结合两个网络的特征输出。训练的过程当中第一层网络的参数保持固定，这是学习的结果，实现了类别的识别，已经有几年的历史了，现在有更好的方法来实现物体的识别，只是想告诉大家在当时通过使用深度卷积神经网络我们实现了最新的识别技术。

    基于图像的人体部位检测的深度学习，我们可以看到孩子在机器人面前移动，可能阻碍住了机器人，机器人要识别出这是人还是自行车，所以这就需要对人体部位进行检测识别，这方面我们做了很多的工作，采用的是全卷积的神经网络。这是我的一个学生，她躺在一堆木头当中，机器人要识别人体部分，这在搜救的过程当中非常管用。再就是在线的数据，比如刚才提到的奥伯利路的机器人实验，体现的是对奥伯利路数据的应用。

    这是深度学习用于基于声音的地面分类，通过轮胎和地面产生的声音来识别地面，利用的也是卷积神经网络的技术。我们用一个麦克风把声音记录下来，然后由机器人来识别不同的地面。如果你们冬天开过车的话都知道这种声音和平常是不一样的，因为在雪地上开车和在平地上开车的声音肯定不一样，所以我们的功能可以自动识别在驾驶的地面，可以自动调整你的驾驶模式。我们所看到的有各种各样的地面，沥青的、木头的、地板的、草地的等等，甚至还有杂草丛生，没有修公路的地面，通过机器人可以准确识别地面的状况来调整驾驶模式。

    这些是我们所做的实验结果，和最新的声音识别技术相结合，实现了在500毫秒的窗口上取得了99.41%的准确率，相比于之前的技术水平有16.9%的提升。大家可以看看这个网站，评估一下自己的性能，如果大家去实验其实也是蛮不错的，我们已经对它进行了足够的训练，并且达到了足够高的水平。我们也将它用于室外的自动驾驶，也就是通过地面识别的技术助力室外的自动驾驶。导航的过程当中也是基于深度卷积神经网络的路面分类，这个图像当中我们可以看到一种地面，通过深度卷积神经网络结构作出的路面分类，运动分割会把一个移动的车和停止的车分开，比如绿色表示移动的，蓝色表示停止的，红色是指距离很远的车，甚至可以判断如果这辆车停下来的话会从绿色变成蓝色，网络会根据颜色的变化作出决策。

    最后一个问题就是我们能不能实现端到端的自动导航，可以把自动导航考虑为一个分类的现象，其实我们也可以把它看作一个迷宫。如果有这样一个迷宫的话，你只能上下左右移动，绿色是目标点，也就是机器人应该去的地方。你所做的需要一些算法计算它的最优路径，也就是端到端的自动导航，如果能够训练一个网络来做这些决策的话效果会更好，最后得到的就是基于最近的观察。可以看到左上角这个蓝色的点，其实这是机器人可以看到的，因为这是一个飞行机器人，可以看到周围的空间情况。这样的图像序列当中可以判断下一个需要进行的行动是什么，比如有地面的识别，这些都作为输入。

    这是计算出来的一个最佳途径，旁边是网络产生的结果。需要提到的是，网络对路径的规划并不了解，只是知道整体的环境，只是对历史进行积累和回顾，就是从一些错误当中吸取经验和积累数据，可以捕捉不同位置的信息。观察当中我们发现其实我们并不需要路径规划这样复杂的算法就能够实现导航，通过把这些数据转换成激光图数据。

    现在的问题在于，我们要想定位的话首先要对当地的环境建图，现在的问题是机器人在一个新的环境当中能否自己建图呢？回答是肯定的，我们其实是可以做到的，甚至可以把我们在一个环境当中获得的信息迁移到其他环境当中，只要这些环境是类似的。比如超市环境，欧洲超市的结构都是很类似的，所以要去找牙刷的话肯定不会是在超市的入口，因为超市的入口一般都是水果，这样的环境当中可以实现更好的导航，机器人的导航背后其实就是数学的算法。

    这张图当中红线其实是最优化的路线，也就是A点到B点最好的做法，蓝线就是从最开始学习一直到最后形成最好路线的过程，绿线是在监督下学习的结果，也就是基于一些规则进行训练的过程，基于规则试图让它尽快学习到最优化的训练方式。这就相当于在之前环境当中学到的经验拷贝到另一个环境当中进行监督式的学习，机器人实际上可以将在一个环境当中学到的经验应用到另外一个环境当中。

    这是一个实际的例子，可以看到机器人在之前学习环境的基础上做出一些变化以后进行导航，更换了地图的情况下还可以正常运转，能够绕过障碍到达预定的地点。机器人花一点点精力就可以在另外一个环境下运行，这从科学的角度来说是非常有意思的话题，意味着如果用相应的网络，这个网络当中不用非常复杂的计算就可以实现同样的功能，也就是说我们可以用技术减少很多的工程工作量，未来我们甚至可以将一个解决方案应用到更多类似的问题上面。

    有些人可能读过这本书，里面讲了很多数学的问题，比如有了一个端到端的解决方案以后是否能够应用到其它领域当中。有些时候可能有了一个解决方案以后，其它的就不用再做重复的开发了，至于未来真正会走向何方还是值得大家去讨论的，我们也不是百分之百确定这样的未来会真正发生。

丁汉：下面有请欧洲机器人协会副主席、库卡机器人有限公司德国总部研发负责人Rainer Bischoff进行主题演讲“欧洲机器人学的发展与未来创新”。

Rainer Bischoff：女士们、先生们，下午好！我来自库卡，负责研究部门，也是欧洲机器人协会的副主席，我想为大家简单介绍一下库卡如何看待机器人在欧洲的发展，以及整个欧洲机器人体系是如何运作的。

    欧洲机器人协会是一个非营利组织，也是欧洲最大的机器人组织，既代表了行业也代表了学术，大约有1/3是行业代表，2/3是学术代表，我们大多数的决策是基于两边各占50%的投票权进行决策，我们试图平衡行业和学术之间的意见，弥合二者之间的缺口。这样的做法在欧洲是非常独特的，使得学术和行业之间的合作更加紧密了，我们有超过240家会员，30多个话题组，我们共同探讨机器人的未来。按照领域、平台和技术来分，甚至有些是按照社会学的领域来分，各种领域包括医疗机器人、农业机器人、工业机器人和物流机器人，或者机器人的总体技术架构是怎样的，也会深入了解技术未来会有什么影响，这些技术如何更好地改善机器人的系统。当然，我们也不能忽略总体的社会影响。

    我们协会是鼓励公私合作的，欧盟委员会和欧洲机器人协会形成了一个组织叫做SPARC，下面有欧洲最大的机器人研发项目，2014年到2020年总共在欧盟接受了大约7亿欧元的资金来做研发。除此之外，来自行业、企业的私营部门也给了20亿欧元资金的支持来让我们做研发，意味着我们总共是28亿欧元的资金用于七年当中的研发。我们也是在不断更新研究领域，每年会发布技术路线图告诉人们我们的研发方向。

    因为我们在欧洲支持机器人和人工智能研发，历史已经非常长了，包括不同的时间点，1998年一直到2020年经历了大概四五个阶段。最开始就是一个学术的网络，之后带来了一些行业的合资伙伴，通过这些项目搭建起了学界和行业的平台。2009年我们开始共同做研究，之后成立了欧洲机器人学会，也就是我所在的地方。SPARC是一个公私合营的项目，每年都会发布技术路线图，欧盟委员会也会给予我们资金的支持，这一点是非常重要的，能够更好地促进学术界和行业的合作，这种合作如果没有各方的共同努力是不可能实现的。

    我们认为机器人现在已经影响到了所有的领域，一方面能够提升工业的竞争力，另一方面也能够提升人们的健康水平，并且在很多其它领域提升安全。不仅能够应用到少数的领域，也可以应用到大多数领域。比如汽车行业，机器人技术辐射的领域是非常广泛的，因为机器人是一个实体，能够在真实的世界和大家互动，也能够操作和移动一些物体甚至是人。这是和人工智能不太一样的，因为机器人实际上是一个实体，能够和人互动，也是看得见摸得着的东西。

    机器人行业的增长非常快速，欧洲方面的增速可能看起来并没有那么高，实际上我们在欧洲有一个很好的开端，有些机器人公司刚成立不久，也就五年的时间，但增长非常快。机器人影响到了几乎所有的行业，但从传统的工业机器人的角度来看，大多数的应用可能还是在汽车行业，欧洲和美国可能都是这样，电子也是一个增长非常快的行业，其它行业的工业机器人应用也是越来越多。这是专业服务型机器人的应用，因为在欧洲物流是一个主要的领域，还有清洁机器人和其它领域。

    这张图显示的是不同垂直行业的应用，包括生产、农业、医疗、基础设施、出行和消费。可以从横轴看到它的盈利状况，基本上每个行业都可以实现盈利，机器人市场无论是技术还是服务的角度来说都能够创造各自的价值。

    工业机器人现在已经应用到了大多数行业，包括焊接等等，除了焊接之外还有很多其它的应用。在欧洲我们试图将它从那些比较成熟的行业转移到新的应用环境当中，可能还是在汽车行业，但可能从做总装转移到其它的步骤上面，也可以应用在其它的行业当中，有些地方需要提高自动化降低成本，提升质量或者帮助某些具体的行业作出微调。

    汽车行业仍然是主要创新来源地，这是一个典型的例子，叫做ARENA2036，主要是研究未来汽车装配的过程。生产线是可以非常灵活的，机器人可以不断移动，通过一个生产线生产出各种类型的汽车。未来还需要时间去进一步发展，但至少这是我们可以为之努力的方向。

    医疗也是一个非常有意思的行业，现在医疗行业可以通过机器人来做辅助。最有意思的一点是可以用工业机器人，工业机器人可能只能做些非常简单的动作，比如指向某一点，然后把某个东西转移到其它的地方，可以把机器人的技术用在完全不同的领域当中，医疗就可以为人类作出很多的贡献。这是库卡的一个机器人，也是世界上第一个医疗领域得到认证应用的机器人，能够帮助实现医疗器械上市的速度更快，并且库卡也对此进行了认证。

    农业也有一些非常有意思的应用，欧洲在养殖和挤奶机器人方面是非常领先的，Lilly是一个挤奶机器人，融合了3D检测的技术，通过这种机器人在奶牛身上挤出的奶更多。精准农业也是来源于欧洲资金支持的一个博世的项目，比较有意思的是我们有一个机械的机器人系统，但可以有不同的应用，比如可以去喷洒农药或者是去播种。不仅仅是在种植层面能够用到机器人，收割的时候也可以使用，比如可以用机器人臂更好地收割这些种植好的农作物。

    基础设施领域大家可以看到几个应用方向，欧洲在这个领域其实也是非常强的。我们不仅在各个国家之间开展合作，实际上在垂直的各个层面也在进行合作。比如在挪威这种近海的油气行业可能就会联合所有的利益相关者来做研究中心，看一看如何能够实现近海采油自动化。丹麦和荷兰也有这样的机器人网络，所以各个地区都在不断地进行合作和研发，充分利用这种合作的资源。

    欧洲目前重点关注的是哪些技术呢？大家可能都知道，机器人是很多不同技术和流程的复杂综合体，并不是一个简单的技术，而是一种融合的技术。这里大家看到的技术都是必须融合在一起才能形成很好的机器人，比如计算、AI、通讯等等，所有的这些技术必须融合在一起才能形成很好的系统。

    我们关注的首先是互动式的技术，包括人机互动、人机协作，安全也是非常重要的。更好的意识和行动，这里包括传感、信息解读、认知和感知等等。建立起更好的系统或者工具，由于机器人是一个非常复杂的综合体，需要很好的一些工具开发机器人系统，对其进行模拟和编程，这是欧洲比较关注的技术领域。当然，其实也可以看不同的角度，比如关注每一个领域的技术，但通常来说这些技术都是融合体才能生产出好的机器人，这一点我们不能忘记。

    这些技术不能单独来看，要把它整合在一起来看。这里就有很多创新的余地，AI当然会有巨大的影响，鉴于现在AI已经太热了，我们不要忘记机械本身仍然是机器人的底层核心，这个领域仍然有创新的余地。目前在欧盟也是一个非常复杂的过程，就是怎样确定优先领域，应该关注什么技术，这样的过程实际上是非常复杂的过程，因为在欧盟我们有250个组织在一起讨论下一个计划当中应该以什么领域作为优先考虑的领域。现在我们对未来的优先领域进行了确认，我们认为这样的领域应该进行更多政府部门的公共投资，就是医疗保健、农业食品、基础设施的维护和检查以及敏捷制造。

    我们的优先领域和这张图有什么关系呢？可以看到医疗保健是一个垂直的整合，农业方面主要是指农业园艺等等，基础设施方面包括物流、仓储、运输和交通等等，我们刚刚看到了这四个领域哪些是需要重点做的项目，欧盟决定投入大量的资金支持这些领域的发展。医疗保健主要是要改进所有公民的生活质量，现在我们也有人手的缺乏，不是很多人都愿意在这个领域工作，所以我们就必须要自动化。医疗保健领域我们需要改进服务质量、降低治疗成本。农业食品领域也很类似，大多数的农民现在都超过了45岁，也没有很多人愿意去做农民的工作，所以需要实现更多的自动化作业。另外需要保护环境，也就意味着我们需要尽量减少化学品的使用，资源越来越有限，所以我们需要改进庄稼质量就需要更多节约型的农业。维修方面要确保基础设施没有任何宕机时间，还要考虑安全性和经济的影响。敏捷生产需要支持老龄化的劳动力现状，因为现在工人的平均年龄也增加了1岁，就是说劳动能力减少了，也要减少那些不安全的工作，增加生产效率，提供定制化的产品，降低成本，同时保证欧盟的生产能力。

    医疗保健机器人可以被用于智慧医院的建筑当中，可以用于康复中心，也可以实现人们在家照料，机器人今后将会成本效益比更高，也可以实现定制化、个人化的治疗，可以有更好更精确的诊断，我们需要支持医疗创新。

    农业食品行业需要精准农业，自动分拣及打包，还有对家禽家畜实现机器人管理。

    维护和检查基础设施方面，昨天在意大利有一座100米的大桥坍塌了，这就让我们看到了基础设施检修非常重要，我们真的需要找到更好的方式来进行检修，能源水电、工业流程和新鲜水方面都需要好的基础设施。

    再就是敏捷生产，我们是从高量低混合到低量高混合的转变，需要设置自动化程度更高的ROI，也需要有更好更容易安装更易于使用的机器人，现在有技能劳动力的人数有缺口，我们关注的是人和机器人之间的协作和共存，需要解决的一些挑战包括需要在工厂里面实现数字化转型，需要人机协作，需要所有的机器连接起来，“工业4.0”的状态下需要实现物联网。

    目前在欧洲还有一个巨大的争论，就是关于机器人和人工智能的争论。今天早上我们听了一个非常有意思的讲演，讲到了什么是人工智能。中国和美国在人工智能方面做得非常先进，欧洲也在扪心自问，是否还要在AI领域投资，还是直接从中美来借鉴？欧洲也在对AI进行投资，但我们关注的焦点不太一样。我们希望把AI的研究和机器人相结合，把它称之为物理智能，我们希望能够保持安全性、伦理性和法律。结合机器人和人工智能，机器人应该能够智能地移动，能够有自我学习的系统，并且能够与现实世界进行互动。这是机器人+AI，而不仅是AI。

    机器人和人工智能会有什么互动呢？我们看到了刚才的四个应用领域，这些领域当中都需要对流程通过监测的方式进行优化，AI需要足够的数据展现它的功能。最近在欧盟我们获得了一笔AI平台的资助，虽然只有2,000万欧元，但这是一个起点，把人工智能和机器人相结合，这样的平台上我们可以提供一些应用。

    为什么仅仅是AI并不足够呢？我们需要先进的机械系统，这样才能提供更高级别的功能，所以我们不能仅仅满足于AI系统，也需要去考虑它的运动控制和感知系统等等。要求高级别先进的系统工程，同时也需要能够适应具体的环境，比如空间、水下、医疗等等。

    我们来看AI的市场，同样一些垂直因素。这六个领域和机器人领域类似，AI还有一个新的领域，也就是提供在金融、法律和公共服务方面的功能。可以看到机器人和AI是怎样互动的，物理人工智能是现在欧洲特别关注的。

    “地平线2020”目前也有很多建议，只有少数建议得到了投资，可以看到只有10%的建议和计划项目得到了资助，达到了31亿欧元。欧盟委员会提供这样的资助只有其中的10%，也就是3.2亿欧元。虽然有很多的计划，但得到的资金不多，必须珍惜所获得的资金资源，把它用在所聚焦的领域。

    未来要把各个相关方都连接起来，这里中间我们看到的是EU Robotics，右边可以看到很多服务提供商，比如大数据提供中心、物联网协会、5GAI联盟等等。刚才说过，机器人技术是各种跨界技术的融合，所以这些技术是我们需要的。左边的这些都是技术的提供商，右边的是终端用户，这些都是欧盟层次的使用客户，需要使用机器人技术。

    怎样建立这样一个生态系统？有四件事情在做：欧洲机器人论坛已经开了十年，最近一次会议有800人参与，一共有50场研讨会，这个论坛上我们讨论的焦点不仅仅是科学性、学术性的会议，还要让研究者和产业进行对话。欧盟的“机器人周”有来自30多个国家的嘉宾参与，大概有830多项活动，每年11月的最后一周召开，也有一些家用机器人、工业机器人以及搜救机器人的竞赛，还有一些平台性的活动。机器人联盟活动是在11月开展活动，今年11月将会召开论坛以及机器人周，欢迎大家参与。

丁汉：下面有请优傲机器人创始人兼首席技术官Esben Ostergaard进行主题演讲“新一代的机器人”。

Esben Ostergaard：很高兴见到大家，这里我想和大家分享几个故事，主要是讲四点：历史、想法从何而来、商业模式，最后谈一谈对制造业如何创造价值的看法，最后会解释优傲机器人在做些什么，以便在制造业当中创造更多的价值。

    优傲机器人是我本人创建的，我和我的一个朋友在2003年有了这样的概念。当时我们都是大学教授，我在当时是一所丹麦大学的助理教授。当时我们对丹麦的食品工业进行了调查，看一看他们需要多少机器人，调查之后发现在食品行业通常有一个生产线，这个生产线需要根据季节变化。比如12月是做圣诞蛋糕，1月要换成另外一种蛋糕，所以用传统的机器人放到这些生产线上之后我们做了一个实验，让人们重新配置这样的机器人，让它去做比萨或者其它食品，教会他们怎么对机器人重新编程，这是机器人应该有的灵活性，但当时并不具备。

    如果这些公司雇用一个专门的机器人编程师，却没有足够的工作给他们做，以当时的技术水平是不能满足这些公司需求的。在这种概念的基础上，我们在2005年成立了公司，并从银行帐户上提出所有的资金来开设这家公司，三年以后就推出了一个产品，受资金所限，当时做了第一台协作机器人，这就是优傲机器人的原型。

    因为当时我们面临着窘境，一个丹麦成长基金来到我们这里，发现了我们所做的事情，他们觉得很有意思，就说给我们进行投资，虽然都是技术专家，但可能需要一个管理团队的帮助。2008年我们获得了基金，然后就开始了商业化，一直到现在看到了销售额两位数的增长。今天我们不再是一个汽车修理厂的小公司了，而是在15个国家有22个分公司，我们的员工人数将会达到700人，包括35个国籍，市场占有率是60%，拥有65项专利。最近我们累计销售了2.5万台协作机器人，这些协作机器人都用在客户的工厂当中，所以看起来这样的趋势还会延续很多年。

    很多分析公司都对我们进行了评估，想看一看协作机器人的市场价值有多大。看起来这是一个非常大的市场，据统计大概可以在2021年达到20亿美元的市场价值，而且每年市场的增长可以达到60%，所以确实是一个巨大的市场。

    大家可以思考一下，为什么会出现协作机器人的市场，传统的机器人为什么不能适应现在的需求？我们对此进行了思考，世界人口变得越来越富裕的时候，人们的基本需求满足了，有了足够的衣食住行的保障，基本不会再有饥饿。这也改变了价值的概念，因为价值已经不是衣食住行这些最基本的东西了，价值本身的概念发生了变化。这也改变了人们的生产方式，不能再依赖过去的那种低价高量的产品了，现在两年以前的iPhone人们都不再使用了，都想用新的东西。人们都想让自己比较特别，想要一些独特的东西，客户对交付的时间也有越来越严格的要求，也就是说越来越想快速地得到一些东西，这也改变了制造的流程，全球范围内都有这样的趋势，这也是协作机器人可以发挥作用的地方。

    工业机器人可以二十四小时不间断地工作，一年可以工作三百六十五天，工业机器人本来就应该是这样的。传统机器人最开始都是应用在自动化的工厂当中，比如焊接或者组装工作。现在我们需要将这些技术应用在汽车工厂之外，那么就需要这些机器人更加灵活。当然，可能并不是100%的自动化，可能是80%的自动化，但这样的做法能够让工作质量更高，并且意味着这样的情形下不用完全把人挪出工厂之外，人和机能够共同协作生产。

    我个人认为，协作机器人的概念比传统机器人的范围更大，传统机器人的市场还要继续增长，但对协作机器人来说它的应用场合会比传统机器人更多，也有很多潜在的应用场景规模会比传统机器人大得多，可能是一个巨大的潜力市场。当然，这些机器人并不会抢了人们的工作，而是帮助人们更加高效地完成工作，机器人并不是和人们进行竞争，而是作为一种工具协助人们更好地完成工作。不同的国家人们经常会讨论机器人会抢了人们的工作，而我们觉得这种事情并不会发生，就像这张图显示的一样，人们发明了电钻或者改锥并不会夺走人们的工作，而是让人们利用这些工具更好地完成自己的工作。如果用这样的思维思考机器人，机器人其实也是一样，就是一个工具，可以更高效地完成工作，工厂的人们有了机器人以后更加能够像专家一样工作，生产率也会提升，产品的质量也会更好，并且在生产的过程当中能够生产出更独特的产品。

    我们设计的机器人主要是给小型企业使用的，当然，大型企业也是可以使用的。现在我们的协作机器人在大小工厂当中都有使用，可以说是非常灵活的。我们把它称作协作通用机器人，能够自由地移动，也能够非常灵活地使用，也就是应用在不同的场景当中。有些小型工厂需要的设备是能够非常灵活地生产各种各样东西的设备，所以需要这种通用的机器人。

    现在全球范围内大家都在讨论协作到底是什么意思，我想讲一讲我们是如何看待协作这个词的。首先更灵活就更容易部署，机器人这套系统要很好地和工人以及其它系统进行融合，这种系统融合和安装如果能够更迅速更便宜的话就会更好。再就是通用性，比如我们有一个机器，如果能够不断地移动来做不同的安装，这种应用的场景就更具有吸引力了，也就是一个通用的机器，如果在这里不用就可以拿到其它的地方使用。编程也要简单，全球范围内自动化的工程师都是稀缺的，刚才也有谈到自动化工程师在美国都有200万的缺口，如果有更多的自动化工程师可以解决这个问题，目前这种情况下我们必须保证机器人的编程是非常简单的，能够很快地进行编程，也能够完成相应的任务。安全永远是一个非常重要的话题，协作机器人能够节约很多的空间，甚至能够省去一些生产线，也能够减少受伤的概率。我们认为，协作机器人是融合了这几个特点的机器。

    从宏观来看，人类一直在用技术提升工作效率。原始人时期狩猎时没有工具，之后使用棍子或者其它的东西帮助自己。之后的现代我们越来越多地使用技术，技术已经成为了人类必不可少的一部分。第一次工业革命之前90%的人口每年都在为生存纠结，经过了农业革命以后进入了工业革命，我们甚至可能只需要10%的人口就能够喂饱所有的人口，意味着我们可以过完全不一样的生活，有些人可以从农村转向城市。进入城市以后我们又遇到了污染的一些问题，无论如何，人类都是通过不断的不同方式解决问题，很多时候我们在过去都是在农场工作，之后进城工作，农村都有一些机械代替原来的工作。经历第二次工业革命之后，我们有了汽车，温饱不再成为问题，虽然工作重复性比较高。第三次工作革命以后出现了机器人和自动化计算机，实际上这是一个计算的时代。目前我们处于第四次工业革命，包括物联网和云计算等等，就是物联网数字化供应链和数字化制造的融合，这也是“工业4.0”的核心。

    希望和大家分享的是，过去的四次工业革命当中其实是有一些缺口的。第一次工业革命之前每到生日可能会有你认识的人送你一些亲自做的礼物，家里的桌子可能就是旁边的木匠帮你做的。那个时候产品是有一些人的元素，但在工业革命以后很多产品人的元素就已经缺失了。现在可以发现一些富人返璞归真，去买一些艺术品或者人创作的东西，但我们发现现在这个年代人们反而丧失了这种去做东西的能力。人们现在正在强调大规模个性化的需求，未来这种大规模个性化也会成为一种趋势，也就是大家都在寻求比较独特的体验，因为大家都想花钱去体验一些独特的感受。

    通用机器人方面，我们希望把一些未来的想法变成现实，也能够更加关注工匠精神，将人类的激情转化成实际的产品。今天我们在北京发布了新一代机器人的产品，也是基于前一代的产品进行改善的。我们把这个机器人当做一个平台，这是一个创造价值的平台，可以让一些中小型的企业作出自己的贡献，我们把它称之为UR+，这是一个更多更大的平台，甚至可以通过我们的生态系统、网站和平台不断地改善自己的技术。我们是将技术进行封装，然后以比较好的方式交付给消费者。

    这个新一代的产品当中，我们添加了一些新的技术，基本上对所有的部分都进行了升级，包括用户界面。我们将这种协作的概念，也就是刚才提到的容易移动和安装，这些特点都融入到了产品当中，将产品的标准进一步提升，使得我们的竞争力更强。我们的产品有更强大的扩展装置，工作领域使用起来将会更加敏感，传感信号也会更加强大。我们还添加了通讯的界面，也就是在机械臂后面可以添加电子系统，也有添加一些新的安全功能，包括可设置保护性的停止时间和停止距离，改善了机器人的基础设计，并且减少了整个产品的重量。所有的这些都是非常小的改善，但将整体产品的竞争力提升到了一个新的水平。

    全世界人们都在工厂当中用机器人，实际上我们是将机器人当做一种工具，帮助人们更好地工作。机器人在工厂当中创造了很多价值，这也是今天我们共聚一堂探讨这个问题的原因。未来也许我们能够有更多的协作机器人帮助我们完成工作，有了机器人工作方式也发生了变化，未来可能会发生更大的变化。我们希望改变工厂运作的方式，让工厂的自动化程度更高，让机器完成它应该完成的工作，让人们创造更有工匠精神的工作，这也是通用机器人应该实现的目标。当然，我们也开展了在线免费培训的课程，已经有几万人参加了这个课程，可以到我们的网站看一看，参加课程以后甚至可以得到一个认证，这也是非常强大的工具，因为有了这个证书以后就可以得到更多的认可，有些机器人的工作就能够更加舒心。很多中小型工厂当中，最重要的其实是对机器的了解、对生产过程的了解，如果用机器人替代了人的话，有些时候相应的知识就无法传递下去了，所以我一直都认为机器人应该作为一个工具帮助人们提升效率，这也是我们一直努力的方向。

    我们认为，现在协作机器人方面我们是走得比较领先的，但我们也知道这个市场规模非常大，我们希望永远保持领先，也非常勇于向前，创造最好的协作机器人。

丁汉：下面有请美国iRobot公司全球技术副总裁Chris Jones进行主题演讲“机器人时代来临”。

Chris Jones：谢谢主办方的邀请，我想和大家讲一讲消费机器人，或者家用机器人的一些情况，也会讲到机器人所用到的一些工具。这次展会上大家可以看到很多机器人方面的工具，现在我们已经处于了机器人时代，机器人公司开发的工具在改变整个行业，确实是一个非常令人兴奋的时代。

    简单介绍一下iRobot，我们已经有超过二十八年做机器人的经验了，源于麻省理工学院，成立于1990年，已经打造了超过100多种类型的机器人，也是一家全球化的公司，全球范围内有很多的办事处。去年的营收将近9亿美金，也是一家上市公司，很多营收被再次投入到研发当中，占到了去年收入的13%。我们通过这样的投资开发更多新的技术，进行更多的创新。

    我们有二十八年生产机器人的历史，机器人多用于家庭、探测、国防等领域，现在很多都是家用机器人。过去的二十八年当中我们非常关注家用机器人，比如Lumba扫地机器人是在2002年推出的，过去的十六年当中可以看到我们的产品在不断更新，可以实现更好的清扫，也使扫地机器人更加智能。最近我们开始做扫地机器人不断的改进，这对我们来说是一个非常重要的、实用的家用机器人。

    刚才提到，库卡的很多营收都投入到研发当中，这也是战略的一部分。我们非常积极地要保护自己的知识产权，全球有1,000多个专利，也说明我们是在知识产权方面非常强的，电子类的专利实力排名第五，这对我们的业务模式来说也是非常重要的。由于我们进行了这么多的投资，由于我们二十八年的努力，已经销售了超过2,000万台的家用机器人，超过68个国家，我们在这个领域是市场的领导者，很多重要的领域包括北美、亚太地区等等我们都是市场的领袖，我们的业务也在中国快速拓展。

    关于今天的话题，我们知道机器人现在越来越多地通过Wi-Fi联通，所以家用机器人不仅更容易被消费者的移动设备控制，而且还连接到了更大的智慧家庭网络当中，目前在美国和全世界的其它地区，现在和智能语音系统进行了整合，目前在中国使得消费者可以更加智能地使用，减少在互动当中的任何障碍，未来机器人将会和更加广大的智慧家庭网络相连接。

    我们在思考价值创造的时候，我们知道硬件非常重要，二十八年来我们一直都在投资硬件，但软件同样重要，而且正在快速地变得越来越重要。五年之前我们的工程师团队的八人当中有一名软件工程师，现在三名工程师当中就有一名软件工程师，因为现在软件扮演了非常关键的角色。之所以以软件为重是因为要让机器人发挥最大的价值，它们必须要是智能的，需要理解它们所处的环境，需要了解每天家庭当中的动态变化，也要理解复杂多变的家庭环境，一个智能的机器人不会直线地行走，而是在大家的屋子里面绕过障碍，进行自我导航，而且可以从一个房间到另外一个房间，也知道回到充电站去充电，然后再完成它的工作，所以必须要再一个非常复杂的环境当中进行自我的导航，因为到处都有家具，这也要求有很多的感知和智能才能绕过障碍。这些当然有感应器的作用，但更多的是软件的作用，需要理解它所处的环境并且作出智慧的决定。

    我们来看一下今天的机器人可以做什么，这里我们看到的是一个Lumba的产品在家庭当中快速移动，可以对房间进行快速清扫。这项技术我们称之为SLAM，我们有基于视觉的建图技术，这是内嵌在我们的消费产品当中的，使得我们的机器人可以对家庭地形进行绘制，知道家庭的空间是什么样子，房间在哪里，家具在哪里，充电站在哪里等等，这些都已经内嵌在了今天的产品当中了，就是基于对家庭环境的理解，这也是今年的产品当中我们看到的。

    什么是机器人？我们要记住，机器人是一个物理设备，不是软件本身，而是生活在一个物理世界当中的，必须要能够智能地适应和回应现实世界，这也是我们怎样使得一个机器人变得更加智能和实用的方式。这是一个人形机器人，但主要是在实验室当中使用，我们的扫地机器人也是一个机器人，是在几百万的家庭当中使用，这是一个物理的设备，可以自我决策。

    了解了什么是机器人以后，才知道它需要哪些工具。因为这里所需要的技术工具是和在其它领域机器人技术工具非常类似的，同时也适用于我们的智慧家庭，到底需要哪些技术工具呢？首先是一个物理设备在物理世界当中运行，必须要有感知能力，需要感知周围的环境，特别是对家庭应用的机器人，你不知道家里会碰到什么，必须要能够感知周围的环境，处在什么位置，会不会有一个楼梯。再就是行动能力，一个物理设备必须要能够做物理的移动，要能够有效地在物理的世界当中行动。

    这是最近在消费机器人当中出现的一些概念，也就是机器人要学会思考，需要对其所在的环境进行信息的处理，所以从家用机器人的角度来说，我们需要让它理解物理世界是什么样子，这样才知道要做什么，所以就以Lumba为例，如果Lumba想回到充电站的话，正在清扫的过程当中需要了解它处在什么位置，也要知道充电站在什么地方，怎样回到充电站的位置等等，所以是感知、行动和思考。Lumba在1秒钟内会对外部环境进行60次的感知，所以这是最基本的一些技术工具，也是我们思考如何构建机器人的一些基本的元素。

    不要忽视物理环境的重要性，对物理环境的理解非常重要，机器人是一个物理设备，并不是在云当中生存的，而是在一个物理世界当中生存的，必须要在物理世界当中运作。我们都看到AI正在变得越来越重要，也在和机器人有越来越多的结合，但同时我们也要意识到，AI如果有更多信息输入的话会在决策方面变得更容易。如果能够理解周围空间环境的话会使得AI变得更加简单，为此我们做了很多的工作，所以思考AI问题的时候我们也需要考虑信息输入的问题，可以把搜集来的信息作为AI输入很重要的一部分。

    其实这是我们对机器人所需技术的理解，因为我们有很多年的做家用机器人的历史，我们对很多智慧家庭作出了贡献，但我们也会做到其它的领域。机器人会对世界产生影响，比如自我驾驶的汽车其实也是一个机器人，需要感知世界，需要思考世界，然后产生行动，这会对整个交通产生巨大的影响，同时也会改变商业仓库，变成一个大机器人，同样的技术工具可以应用。当然，硬件可能不完全一样，但技术工具的基础是一样的，可能会颠覆很多的行业，这些都是机器人在不同的环境。

    这里花点时间和大家介绍一下智慧家庭的概念，实际上智慧家庭就是一个大机器人，我们可以思考怎样开发下一代的智慧家庭技术，但前提是要把智慧家庭理解为一个大机器人，要让智慧家庭技术像今天的消费者IOT的技术一样带到下一个水平。

    思考一下目前我们所处的智慧家庭发展阶段，主要存在两个挑战，或者说是两个维度。什么是智慧家庭呢？智慧家庭应该有一系列的设备，应该能够为消费者提供一些好处，比如便捷性、安全性、效率、舒适等等，我们对智慧家庭的看法应该是一个非常快乐的、享受的地方，房屋的主人会有非常好的体验。这里主要有两个维度：一个是它的功能性，也就是设备可以发挥什么样的功能，可以提供什么样的能力和价值。另一个是它的实用性，它的使用是否方便，消费者是否可以方便地利用它实现舒适的体验。

    来看智慧家庭的发展在过去十年的情况：首先是单个的互联设备，就是把设备连接起来。这个时代是单个互联的独立设备，可能是一个智能手机的应用，可以按一下开灯关灯等等，只有单个设备的互联，只是一些设备的总和和堆积，但它的使用性并不是特别高，因为希望能够将智慧家庭的各种功能进行协调，需要对多种设备进行协调，所以我们在很长时间处在第一阶段。进入第二阶段是用智能手机进行统一的控制，我们希望能够迈出第一阶段，也就是有了一个互联设备的统一控制器，我们会形成设备的生态系统，可能会有一系列的设备都连接到一个统一的控制设备，这是一个正确的方向，但仍然需要我们的消费者来做一些智慧家庭的编程工作，要求消费者去决定各种各样的规则和逻辑以便能够获得所需要的舒适体验，不是那种机器可以自动进行协调，因为消费者必须手动设置背后的逻辑和规则。

    通常来说，消费者都不是软件工程师，智慧家庭方面需要的是舒适的体验，消费者也没有管理复杂东西的经验，不能对消费者要求太高，如果消费者要使用你的产品的话希望非常简单地使用，希望这些机器可以做正确的事情，并不想做什么编程的工作或者定制的工作，希望产品的提供者可以为他们做好，只要购买了产品就希望拥有一个智能的家庭，所以单个的互联设备或者互联设备中心的方法都不能满足我们客户的需求。客户真正希望的是下一代的智慧家庭，这个智慧家庭有很强大的能力，可以提供很多整合的价值，连接各种设备，而且使用起来非常方便，只要按下一个按钮就可以获得非常舒适的体验。

    可以说iRobot在这样的历程上已经走了很远，就以Lumba为代表的扫地机器人给我们消费者提供了非常好的体验，开始是要做一些编程适应他们的家庭环境，但后来我们发现人们不希望花太多的时间去思考编程的问题，希望购买了这个产品以后按下一个按钮就可以使用，所以后来我们进行了调整。这就是消费者的需求，消费者的需求就是要清扫自己的家庭，他们希望获得这样的体验，而对智慧家庭来说也是如此，智慧家庭需要购买产品，按下一个按钮就可以实现这一点，或者是能够有一种便捷的体验，进门就开灯，出门就关灯，这些都是消费者希望得到的，希望装上这个设备按下按钮就实现这一点，这才是下一代智慧家庭的愿景。智慧家庭必须非常简单实用，自动化程度必须非常高，能够自己完成配置，能够给予个性化的体验，也就是你的家、你的配置、你想要的状态。

    为什么机器人行业能够改变这个现状，能够给智能家居带来创新，其它行业并没有取得太多的进步。我们用的是同样的技术在智能家居，只不过是以不同的形式使用。智能家居要有感知和传感，家其实是一个实体的空间，为你提供体验，当然要很好地理解这个空间，也就是需要能够感知这个空间，包括各种各样的传感器，动作传感器、摄像头、互联的烟雾探测器等等，这些都是一个一个的探测器。当然也可以去购买一些自动化的东西，比如自动的锁、电动设备，包括窗帘的开关设施，也就是能够实现一定程度的自动化。同样的，这些都是独立的，并没有整合到一起，可以去购买这些东西，然后让它们看起来比较自动化。缺失的是什么呢？消费机器人当中需要我们融入一部分，就是思考的那一部分，也就是说以全面的方式来思考家庭的体验。

    我们要知道具体架构、房间的具体情况，包括卧室在哪里、厨房在哪里，包括各个设施都在哪里。如果家里有很多的互联设备，但这些设备到底在哪里？这些对家庭的自动化来说是非常重要的，这也是对整个空间的理解基础，那些非互联的设备在哪里也需要了解。机器人一旦理解了实体的位置，AI的部分使用起来就非常容易了，也就是说要想移动什么东西的话就去操控那个移动设备，要打开灯就会打开灯，如果机器人知道你的各个设施的位置，其实AI的部分操作起来就非常容易了，因为一旦有了空间的信息，很多部分共同组成闭环，能够实现这种一体化、个性化的体验。

    回到家庭机器人的话题，了解家庭的地图和空间的位置，真实的家庭机器人未来将能够很好地为你服务。智能家居要理解这些东西，家中的各种产品包括机器人能够更好地帮助你，比如Lumba基于对家中空间的理解可以更好地为你服务，甚至会不断更新家中的信息，这样能够创造更大的价值，创造出一个好的智能家居的环境。

    最后总结一下，现在有很多的机器人工具在颠覆很多的行业，甚至在颠覆智能家居的行业，虽然能够创造巨大的价值。比如一个机器人公司能够创造很大的价值。当然，做机器人本身并不容易，必须整合软件和硬件，要让它们无缝连接实现一些功能，但最终能够创造出巨大的客户价值，前提是能够做好的话。无论进入哪个行业，无论是在家里还是其它领域都能够创造巨大的价值，所以对整个行业来说要意识到做起来并不容易，如果做好能够创造巨大的价值，也就意味着整个行业其实有很多的价值可以创造，并且这也是个新兴的行业，未来会产生巨大的影响力。我们一直在说我们进入了机器人时代，这样一个话题已经谈了几十年，但只有到现在机器人才真正改变了很多的行业。那些做机器人技术的公司，无论是进入到家庭机器人还是其它类型的机器人都能够创造出巨大的机会，所以现在进入机器人行业是一个非常令人兴奋的时刻，因为现在我们已经在机器人的时代了，我也非常期待看到明年世界机器人大会会有哪些新的产品或技术出现。

丁汉：下面进入高峰对话环节，有请德国慕尼黑工业大学教授Alois C.Knoll；中国科学院外籍院士Toshio Fukuda；台湾大学讲座教授、IEEE工业信息期刊总主编罗仁权；瑞士洛桑联邦理工学院教授Marc-Oliver Gewalting；韩国机器人学会主席Hyouk Ryeol Choil；日本千叶工业大学教授王志东；北京康力优蓝机器人科技有限公司创始人、首席执行官刘雪楠。

Alois C.Knoll：我们要探讨的是智能生命体的现在与未来，要谈的是过去、现在的智能生命体。马尔文斯基是人工智能最早的提倡人之一，1956年就提出了人工智能的概念，八十年代他在《Life》曾经说过三到八年以后会有和人类智力水平差不多的机器，说得非常清楚是在1973年到1978年之间，未来这些机器可以读懂莎士比亚、能够开车、能够说笑话、能够打架，机器将能够实现自我教育，会有非常快的学习速度，甚至几个月之后机器人就会变成一个天才，换句话说就是“起点时刻”。有人认为这个时间表有点一厢情愿，如果再推十五年，比如1985年可能还差不多，也许才会有这种天才式的机器。一年前机器人专家罗尼布鲁克斯说过，人们可以用AI或者机器人完成一些任务，甚至有些规划的能力，可以实现超越人的表现，并且和人类的表现进行对比。现在反而说机器人能够做的事情非常有限，比如只能扫地，人类的归纳总结能力是非常强大的，机器人还做不到。换言之，七十年代预测的这种所谓的智能的东西还远远实现不了，我们可能觉得有些东西很智能，但只能应用在几个非常少数的领域，这也是我们想要探讨的事情。首先想向各位提问的是，目前我们都做成了什么，现在处于什么位置，未来能够走向何方？现在的机器人智能程度到底有多高？它们在完成任务方面到底有多强的能力？

Toshio Fukuda：首先要看怎么定义智能，三十年前的智能和今天的智能是完全不一样的，我们对智能的理解也是不一样的。三十年前我们可能会觉得有任何电子化的东西就非常好了，但现在大家已经非常不满足了，现在我们需要用一些东西预测人们的意图，如果能够预测出来大家才觉得这个东西非常智能，不同的时代对智能的定义是不一样的。如果说有AI，AI与AI之间到底有什么差别呢？现在AI仍然只是存在于网络空间当中，如果想要用它做些什么的话还是比较早的，所以很多人觉得这个东西并没有什么实际的用途。机器人现在已经出现在我们的生活当中了，大家已经能够看到了，现在主要应用在工业领域，甚至有些领域机器人能够完成人做不了的事情，人们预期这些机器人能够完成一些我们做不了的事情，但可能也就是集中在某些比较小的领域，比如制造、服务等等，如果机器人能够实现更加通用功能的话可能人们会更加意外。

Alois C.Knoll：现在日本最智能的机器人能够达到什么程度？

Toshio Fukuda：大致是一些能握手的机器人吧。

罗仁权：我们在谈机器人的时候至少要把它分成三类：工业机器人、服务机器人和特种机器人。总体而言，希望机器人至少要有三个功能，能够准确地完成任务，非常高效，也要有智能的机器人，就是表现是很聪明的。看一看我们现在做到了什么程度，人机协作的协作机器人已经相对比较成功了，或者至少是机器人的一个成功的起点。由于计算机视觉和其它技术的发展，包括人工智能的发展，可以预测下一个行动应该是什么，过去做不到这一点。如果我接近一个机器人然后抓头的话这个机器人也会停止，所以会有这种视觉感知功能，此类机器人会销售得很好，成为一个未来标准型的机器人，现在我们已经设立了很好的标准。

Alois C.Knoll：协作机器人会成为我们生活当中不可或缺的一部分吗？有谁赞同这个说法？

王志东：我同意各位教授的观点，怎么定义人工智能？现在机器人和人工智能可能只能达到3岁孩子的水平，或者还不到，但如果是20岁的生产线工人，有着很多的经验，也对这项工作非常娴熟。在象棋和围棋上面人工智能都能打败人类冠军，这个方面达到30-40岁的水平，而有些方面又达不到3岁孩子的水平，Lumba机器人可以进行扫地的操作，但怎样解决那种多任务处理的机器人？这个领域有一个关键的问题，就是人类的意图有很多的不确定性，每个人都有不同的观点，这也就是为什么有六七个人坐在这里提供想法，机器人只能有一个解决方案，到目前为止只能做最有效的、最节约时间的选择。未来的协作机器人需要有机器人之间的协作，输入多种解决方案，需要有一个结构能够解决这种多元输入的问题。

刘雪楠：协作机器人是属于工业机器人的范畴，我更熟悉的领域是服务机器人。如果从服务机器人的领域回答上面的问题，人工智能已经在哪些领域很好地帮助了机器人的成长，运用中国佛学的观点来看，人工智能已经从六觉，也就是眼耳鼻舌声意这些方向赋予机器人基本的能力。以眼为例，也就是机器视觉，机器人在这方面能够做到的工作和能力已经远远超出了人类。在座的几乎是任何一个人都无法准确地记忆今天参会的每一个嘉宾的面孔，准确地识别每一个参会的人员。听觉方面也很少有在座的任何一个人可以同时听懂若干个国家的语言，目前的人工智能已经从机器视觉和语言能力方面起到了很好的赋能作用，这种赋能作用已经分别从翻译型机器人、安防型机器人在不同领域有很好的应用，目前我们能够看到的是人工智能已经在过去的佛学六觉角度，眼耳鼻舌声意分别赋能，翻译成具体词汇可能分别是机器视觉、声控听觉、感知智能、深度语意、智能思维和行为动作，服务机器人领域机器人已经初步地集成了人工智能的一些能力，并且在持续地优化和改进。

Hyouk Ryeol Choi：介绍一个韩国快递服务的案例，之前食品的快递通常是给店里打电话定制一种产品，比如面条，这个店会有人骑着电动车来送快递，最近有了一些变化，机器人开始进入这样的领域。随着需求的增加，店里发现机器人对他们很有用，他们也在尝试。另一个例子是家电，谈到这个公司的品牌可能不太合适，但这个公司在做的工作就是开发一种机器人，这个机器人是可以用来清扫家庭的，他们意识到机器人对这个公司是可以增加利润的，会把机器人作为一个非常有利可图的行业。

Marc-Oliver Gewalting：回顾之前看到的数据，我们有很多智慧家庭当中的应用，AI目前的发展状况是很多专门的机器人是做专门的任务，比如可以下象棋、下围棋，或者是清扫地面、摄影摄像，但这些是非常专业化的个体应用，不能说它们就是真正的机器人了，很多这些功能可以整合到一个单一设备当中，这样可以使得应用的范围更加广泛。我们要实现真正的人工智能还任重道远，因为一个真正智能的设备应该在某种程度上是自己可以掌握自己的命运，可以自己控制自己所做的事情，而这和我们希望机器人做的事情是有矛盾的，我们希望它们成为我们的服务员，要么就有一个独立的设备，要么就是我们的奴隶。三十年前我们的计算器就够用了，现在计算能力已经发展到了非常高端的程度，所以这是历史发展的必然。

Alois C.Knoll：希望大家能够有更多自我批判的精神，我们一直都在做很多的发展突破，比如Alpha-Go这些新的设备，还有一些机器学习的能力，但机器人的发展和人工智能相比好像要慢一些，这种通用的人工智能发展速度为何如此之快？为什么在机器人行业发展没有那么快？为什么没有达到公众的期待？

Marc-Oliver Gewalting：作为搞这个行业的人，我们知道在某些行业需要花很多时间去观察。比如我们需要去观察一个具体的机械设备，Alpha-Go是花了十五年时间的积累才打败人类的冠军，其实这也是背后的积累。

Hyouk Ryeol Choi：价格其实决定了很多，软件方面可以不断地复制，但是价格不变，机器人方面的价格是一个约束突破的因素。

刘雪楠：我们之所以看到人工智能发展的速度很快，包含对普通消费者的影响非常大，机器人在这方面做的似乎是不如人工智能做得好。其中一个重要原因就是虚拟和物理的差别，软件和硬件的差别，因为纯软件的东西是很容易被复制的，比如一只手机上有了一个人工智能的程序，几千万个手机上很容易就可以使用这个程序了。作为一个实体的物理性机器人，每一台设备的复制都是要有一个成长的过程，包含推广的成本也不一样，安装一个软件十几块钱就够了，一台机器人的成本即使最小型的服务型机器人可能都要支付更高的成本。基于这种硬件成本，包含成长时间性的限制，使得硬件和软件对比起来总是有滞后性的。另外一个原因我们称之为“好莱坞犯的错”，我们看过太多非常棒的机器人电影，人类对机器人的期望都是和变形金刚一个级别，但现实当中的机器人总是让人们觉得很普通，比如外面就有一个变形金刚，即使很棒的机器人造出来了，人们还是觉得距离变形金刚这样的机器人非常遥远，可能就是这样两个原因使得即使机器人已经有些突破，但在大众心目当中觉得距离还很远。

罗仁权：这也符合刚才我们谈的，就是看到一个变形金刚的话，不要以为那很简单，其实变形金刚是非常复杂的。如果我们在谈人工智能的突破，我们有CNN、DNN这些神经卷积网络技术。工业机器人方面我们不要抱怨太多，因为我们已经有了很多进展，比如我想拣一个物体的话用工业机器人就可以拣起来，这方面的进展很大，特别是协作机器人也非常成功。服务机器人是在和人打交道，就是以人为中心的活动，也是非常软性的、灵活的活动，不能把它像生产线一样对待，需要非常可靠、安全，用户友好，这些其实对我们来说是障碍，也是我认为的一些挑战，要让机器人真正普及，特别是服务机器人普及必须要考虑这些问题，因为服务机器人公司现在多少已经有利润了。

Alois C.Knoll：日本在机器人方面非常发达，想听一听日本的观点。

王志东：我来自于日本的一所大学，也和很多中国的研究者合作。从我的角度来说，过去的三十年当中我看到了日本的发展。刚刚拿到博士学位的时候我刚开始研究机器人，我的教授当时就在说2050年我们的机器人团队会打败人类团队，去年我们看到了Alpha-Go，但这个目标距离我们还很远，我们的研究、我们的竞赛其实都是为了能够推动这个机器人的发展。我们会有很多人参与这样的工作，现在我们需要做的是怎样把这些在竞赛或者典型性的场景当中的活动带到日常生活当中。我们需要有些里程碑式的发展，例如自动驾驶、无人驾驶，几年前我们就看到了有这样的自动驾驶汽车的热潮，现在日本我们有很多的搜救机器人，不远的未来我们会有更为智能、更为安全的机器人。

Alois C.Knoll：我们看一看AI领域取得的巨大进展，回到最开始的这个问题，就是智能生命体这个事情。目前这个时代人机之间的互动、机器学习的能力、感知的能力，哪个领域未来会取得最大的进展？

Toshio Fukuda：人机之间的互动是一个非常重要的领域，主要涉及到两个事情：机器或者机器人必须要理解人的行为和思维方式，我们作为人类也必须理解机器人的行为方式，其实这是一种互动，双方都要相互理解。现在的问题就是这种不对称性，如果有了这种对称性，也就是人和机器都能够完全理解那就实现了，现在就是不对称的，人对机器的理解和机器对人的理解是完全不一样的，在这种情况下互动就没有那么容易了。机器人现在缺少感知功能和推理功能，这些都是理解非常重要的元素，我们必须要克服这些困难才能使得机器人变得更有用。

罗仁权：关于哪个领域能够获得最大的进展，大概是传感部分，二十五年前发表的第一篇论文就是涉及到传感，机器人能够看、能够听、能够感知、能够有平衡的功能。如果打造这样一个机器人的话，也就是传感和感知是能够取得最大进展的领域，或者是学习的能力。我可以看到台下有一位先生戴着领带，而以后当我衰老视力不佳时，如果有一个机器人告诉我这些信息就非常好了，所以这种就是对语言和对视觉的感知。如果有这样的功能，能够帮助我，让我不会摔倒，也就是机器人能够替代一部分感知，这确实是我们期待产生最终进展的领域，因为可以解决很多现实的问题，尤其是在日本。

王志东：互动是非常重要的，但互动并不是指没有接触的互动。现在大多数的互动都是和你聊天，未来可能需要更多的和你有接触的互动，并且完成一些人们希望完成的功能。把机器人带到家里以后希望它和你产生一些实质性的互动，十年前我们就和很多教授研究过一些和机器人的互动，包括和iRobot以及其他的机器人公司合作改善这些事情，要让机器人走进人们家里，使用情景就会更加复杂，因为人们的需求也更加复杂。

刘雪楠：目前机器人的自主性和自动性，包含运动性这三点可能是消费者所期盼和期待的，因为目前更多的包含工业机器人，还有目前已经推出的服务机器人，很多时候是作为一个工具被动地执行指令，基于被动地执行指令，其实很多时候机器人已经做得很好了，但什么时候机器人可以增加更多自主性的行为、自动性的决策，以及增加更多针对家庭的运动性的行为？工业机器人、特种机器人的市场，运动性已经被发挥得淋漓尽致了，但家用型的机器人目前动作性甚至简单的双手性动作都还没有被融入其中，所以接下来的一个重要的发展点就是围绕着两个字“自”和“动”，强化机器人的运动性和自主性，这样才能显示出机器人是一个全新的、智能的动物，也可以说是一个全新的物种。

Alois C.Knoll：所有人都提到了互动和预测性，这是未来大家需要的，这也带到了下一个问题，智能机器人是否能够充分利用AI的技术？还是现在的AI方向并不是机器人需要的？或者可能需要某一种类别的人工智能，比如人工智能预测？

Marc-Oliver Gewalting：我们看一看面对消费者的AI，比如聊天机器人，甚至可能聊两句以后就和前面的连接不到一起了，很多时候这种聊天也是非常傻的。如果在外面的展厅看一看，可以看到很多系统机器人，有些机器人甚至可以说几句话，可以聊天，可以移动，但缺的是通用的操控能力。有些机器人可能只能控制某一类的物体，或者只是用作展示的功能。我们有许多大的进展需要将AI的这种智能和个性化的需求结合到一起，也就是机器人能够对过去的需求有记忆，甚至应该知道走到哪个地方去拿什么东西，这样可以完成相应的任务。操控能力是更需要的，就是特种AI的需求。

罗仁权：我对AI的发展还是非常乐观的，包括算法发展方向，因为现在发展的速度确实非常快。另外就是芯片计算能力变得越来越强大，意味着大数据能够发挥越来越重要的作用。关于智能，比如我现在越来越老了，如果能够创造出一个个性化的机器人，也是非常符合我需求的机器人，知道我的生活习惯，早上几点起来，喜欢吃什么，喜欢看什么报纸和电视节目，甚至知道我的朋友是谁，也知道我想什么。我需要不断地给机器人输入新的信息，慢慢地机器人就能够了解整个个人的历史，甚至能够判断我到底是开心还是伤心。机器人并不一定跟我长得很像，可能在我使用的时候就会非常个性化，个性化的机器人肯定会比通用机器人更好。随着技术的不断发展，这样的功能也会越来越接近于实现。

Alois C.Knoll：刚才我们提到了好几次养老，未来这些机器人在养老方面能够发挥什么作用？

Toshio Fukuda：从我的角度来说，我并不希望机器人来照顾我，如果机器人告诉你要去做什么，那机器人就像你老婆一样了，因为你老婆会跟你说做这个做那个，我不想让机器人做同样的事情。当然，我说的只是一种感受。我们需要的机器人是聊起来更舒适的东西，不需要机器人不要做这个不要做那个，或者停止做这个。机器人可以和你共同生活，但可以让你开心，所以想要的是增强型的机器人，而不是给指令型的。

刘雪楠：智能服务型机器人在养老市场或者其它市场上的替代都是对过去工具的替代，可以用八个字来形容这个工具和过去的工具有什么不同，就是“智行合一”、“人剑合一”。这是人类历史上第一个人工智能和行为结合的工具，过去我们发明了很多工具，但自助行为的工具是机器人第一次具备，包括柜子和i-Pad都不可能主动来看是什么情况，但机器人已经具备了智能和行为共有的特性，这是有别于过去的工具，也有一定的优势。再就是人和宝剑相结合，说白了就是人性化和工具化相结合。过去人类也有很多服务于老人的药品、工具、助残助老的用具，但所有的这些用具在人性化的表达上是不如机器人的，机器人是可以尝试着做感性的人性化扮演，老奶奶是不是很不舒服，虽然这些表达可能刚开始会很简单，但的确是有别于过去的工具，可以开始扮演一些人性化的角色。基于这种“智行合一”和“人剑合一”的特性，将来养老市场的机器人角色扮演不是简单的工具性的扮演，可能还包含陪伴和其它需求的输出。

Alois C.Knoll：换言之，机器人能够改善老人的生活质量。

王志东：我们可以拿机器人和智能手机来做一个对比，现在智能手机只有10%不到的时间用来打电话，因为还要用它发短信、看视频、玩Twitter，其实已经远远超过最开始手机的功能了。一旦机器人进入家庭，不仅能够照顾人，还将能够成为一个强大的工具，帮助你和你周围的其他朋友，起到一种连接的工具。就像智能手机一样，机器人未来应该有类似的趋势。

Marc-Oliver Gewalting：我们经历了非常快速的通讯设施发展，比如第五代的移动通讯网络，这样的情况下我们的速度将会是以前的20倍。人工智能技术的核心是算法互联互通以及大数据，这样一个快速的连通阶段，很多AI的信息处理可能都会再由一个公司去做吗？这个公司会提供软件和服务，但这里的所有观众会有同样的嗜好吗？或许到未来如果所有的人都变成一模一样的话其实是比较可怕的，这是对AI提出的一个很好的告诫。运算技术的发展使得AI可以回到我们自己的设备上来，不再依赖于那些巨人的公司，而是要有一种小型机器人。我们希望的是伴侣式的机器人，能够理解我们，控制机器人的大脑，也就是能够利用一些设备，比如智能手机设备，使其作为一种辅助，不是使得智能手机成为一切，把你的生活交给公司控制。

Alois C.Knoll：我们需要关注哪些基础性的技术？是个人定制化的人工智能吗？

Marc-Oliver Gewalting：个人定制的AI是很重要的，但需要数据的隐私性、灵活性和安全性。

罗仁权：现在我们生活在一个OT的层面，IT技术发展到了一定的程度，而在这当中是有很多的数据，我们将其称为数据和，OT和IT应该通过数据和来连接。现在我们有了5G，它的速度要比4G快20倍，我们的很多梦想都会成为现实，因为我们的通讯会非常准确、非常快速，也是有即时的通讯功能，这是为什么我相信这些技术应该被集成到机器人当中。

Alois C.Knoll：什么样的技术会带来机器人行业的进展和突破？

刘雪楠：每一种广泛的行业技术都是值得发展的，但更值得发展的是工具级的技术。就像当初电脑推广起来的时候，最早是DOS，后来有了Windows，很多人都可以广泛使用人工智能的二次定制和开发。真正想要让机器人的技术广泛地被应用的一个重要的中间级技术就是起到深入浅出的中间级技术，过去的技术是深入的，浅出是要每个消费者可以使用的，这个关键性的技术就是工具级的技术。很类似于过去的Office、Windows对电脑行业的帮助，可以这样的技术和关联的平台化工具是急需推向市场的。

Alois C.Knoll：最后请每位嘉宾用十秒钟的时间来回答这个问题：十年之后会有哪些发展的趋势？会和今天有什么不一样？

Toshio Fukuda：我想可能是年轻人的市场吧，因为年轻人真的希望有一个机器人能够使用，如果机器人能够使他们的生活更加舒适的话，他们愿意跟机器人一起生活，所以年轻人市场将是一个非常大的市场。这里我们提的还是与人类共生的机器人，这是最大的发展。

罗仁权：现在我们谈的是B2B和B2C，所以我认为服务机器人将是未来。再往后发展就是C2B，也就是以消费者的需求驱动。消费者要求我们必须对机器人进行定制化，所以服务机器人是未来的市场所在，它的数量将是巨大的，所以今后服务机器人将会更加定制化，更加服务于个人的需求。

Marc-Oliver Gewalting：应该是玩具和伴侣机器人，目前我们看到机器人主要有价格的问题，如果更便宜的话会进入大众市场，照料机器人需要花更多的时间进入市场，玩具市场已经是一个很大的市场了，比如按摩机器人可以替代按摩椅。

王志东：我觉得应该是完全互联的基于网络的机器人，目前来说最重要的问题是机器人和网络连接，要让整个机器人系统学习怎样和人之间进行互动，需要学习人与人之间互动的方式，实现真正的智能机器人。

刘雪楠：服务机器人市场的愿景包含两个方向：总量上来讲最大的市场毫无疑问是面向家庭的服务机器人，如果从商业价值的角度来讲，最大的市场应该称之为机器人社会，机器人与机器人之间是互联互通的，可以共享很多的智能数据，同时集体化地提供给在座的每一个人不同的服务，你在家里和机器人聊天以后，到了商场机器人是可以给你提供服务的。就像过去电脑衍生出来的最大市场是互联网一样，接下来机器人衍生出来的最大市场就是机器人社会服务。

Alois C.Knoll：大家的观点非常多样化，我们生活在令人兴奋的时代，但这个时代将会变得更加令人振奋，因为产品会变得更加多样化、更加丰富，我们也很高兴能够见证这样的变革。

丁汉：下面有请瑞士苏黎士联邦理工学院教授Brad Nelson进行主题演讲“人类身边的小伙伴：那些个子虽小却功能强大的微型机器人”。

Brad Nelson：今天下午我们已经讲了很久，今天我和大家谈的是另外一个领域的机器人，叫做微型机器人，也会谈到纳米机器人、医疗机器人在我们实验室当中取得的进展。

    我来自瑞士，一个欧洲中心的小国家，比中国小多了，但是一个非常美丽的国家，欢迎大家到我们的国家徒步。我的大学叫苏黎士联邦理工学院，一共有160多年的历史。我们是一个科技学校，也有很著名的科学家，我觉得非常有吸引力的一件事情就是有很多的团队成员，包括多尺度的机器人实验室团队。既有搞机器人的，也有生物医学工程的，还有纳米技术的、医学的、化学的、物理学的专家，我们的团队当中的人士是非常多元化的背景。实验室做的事情有几个领域：首先是力传感和力学生物学，我们要了解机器人怎么和世界、和环境产生互动，也要理解这种物理的互动。今天还会谈到微型和纳米机器人，包括怎样使用磁力驱动，其实我是一个搞机械的，而不是一个材料科学家，但有一个很重要的领域，就是材料与制造，因为这些对机器人来说是很重要的。我们需要有感应器，这些感应器要放在机器人的身上，所以材料和制造也是很重要的。

    刚才说过，医疗机器人是一个成功的故事，我看到了因特网上的广告。这是一个医院的宣传语，看到的是一个外科医生，可以看到这个医生正在利用机械臂进行外科手术。现在不少医院已经开始使用机械臂了，比如这是达芬奇机械臂，这个领域医疗机器人的发展非常迅速，已经把机器人作为医院的卖点了，我的母亲和亲戚在做手术的时候都接受过机器人的设备。泰勒沃森是约翰霍普金斯大学的教授，也是医疗机器人非常重要的奠基人，曾经说过人类临床医生和基于计算机技术之间的协作将从根本上改变二十一世纪手术和介入医学的操作方式，正如计算机技术改变二十世纪的制造业一样，我觉得说得非常有道理。这不仅仅是机器人的动物外科手术的行为，而且也可以在更广泛的空间当中改进治疗方案等等。中国在外科机器人商用方面做得非常成功，医疗机器人看起来利润也是不错的。

    更多地给大家介绍下微型机器人，早在多年前科幻作品就提到了这一点。1966年好莱坞电影《神奇旅程》当中一艘潜艇只有红血球那么大，注入到了患者的身体里面，工作就是拯救病人，建议大家看一看这个电影。我们从好莱坞电影当中获得了很多启发，好莱坞是有一些工程师没有的优势，因为他们不用担心物理学的问题，可以随意想象，也不用担心制造这些产品，我们要想做微型机器人必须要考虑这些问题。因为这种机器人并不廉价，需要很多的公共投资，我们在微型机器人开发的里程上非常关注未来的商业潜力。我们经常会思考的是我们的商业计划，多少人可以从中受益，也要考虑到这个领域的专利持有情况，最后制定一个可行的商业计划。需要所有的一切因素都整合在一起，最后才能开发出微型机器人。

    要做微型机器人的话，怎么让它移动呢？比如把微型机器人放进一个人的身体当中是要用电池吗？我们要做的一种方式就是磁力驱动，核磁共振的磁性驱动其实是一种非常有效的方法，这里也是有两种方法：如果有一个磁铁就像铁一样，它的磁场的力是有大有小的，意味着移动的过程当中磁力的大小是不一样的。如果对它进行转动的话就会产生磁力矩，通过这种方式可以移动一些东西，这也是我们所做的原型，也是第一次将这种小的磁性设备，比如毫米级别的磁性物体以非常精准的方式移动。

    这个东西到底可以做什么呢，身体当中可以用在哪里呢？比如可以用在眼睛当中，因为在做眼科微型手术也是非常困难的。最开始我们看的是眼部红斑变性疾病，失明率可以达到将近10%。当然，之前大多数对这种疾病的治疗是在玻璃体内进行注射，我的奶奶之前就失明了，所以如果能够有这样的治疗方式也许就能够恢复光明，现在很多人也有这样的潜在需求。这是给电视台做的微型视频，可以把这种东西注射到眼部，然后进入视网膜该去的位置。这几年我们不断开发小型磁性控制装置，可以应用在小型动物当中，甚至有些1/3毫米大小的东西可以非常准确地移动。目前我们已经在动物身上做了实验，甚至在头发那么细的级别进行准确的移动，也在活体动物上面做了实验。

    除了眼部手术，还可以应用在其它领域，比如治疗心脏疾病，心脏还是有很多事情可以做的。我们不可能把微型机器人注射到人体内，因为在体内有太多的血液流动，但可以做的是通过利用一些小的显微镜进行操控，例如治疗心律不齐这样的疾病，也就是可以对整个心脏的系统进行重新设置。现在我们已经做了一些临床的实验，可以看到这是一个心脏导管，输入心脏以后可以将它直接导入心脏里面，甚至可以触碰各个地方来看这种心脏的信号是否是正常能够产生的，这种技术现在也已经在临床开始使用了，外科医生坐在外面操控机器指导这个设备为病人做手术。这里其实不用自己控制这个导管，远程就可以控制，这也是未来医疗机器人的发展方向，外科医生甚至不用在病人旁边就可以操纵手术。

    看一看这种磁力的内窥镜，这是和香港中文大学合作，也是一种非常小的磁力导航内窥镜，可以检查肠胃。现在这个项目仍然在进行的过程当中，我们已经和香港的外科医生从2016年到2017年开始合作研究。很多和红细胞大小的机器人可以发现疾病、治疗疾病，看一看如何能够控制它的动向，因为它非常的小，所以我们还要重新思考它们的使用情况。

    作为工程师，要想去突破的话，很多时候要去观察自然。通过观察细菌，可以发现它的游动是非常有规律的。比如伊波拉病毒其实已经有几百年的时间了，如果在显微镜下去看的话就可以看到它的游动规律，就像一个小尾巴一样。这是自然教会我们的东西，通过这种转动前行的方式可以很灵活地移动，可以将这样的移动方式应用到纳米技术当中。

    这是人造细菌实验，通过这种东西可以游入各种液体当中，但可以携带一些东西。我们是在2012年做了这个实验，也是一个非常小型的机器人，其实和人的头发粗细差不多。这些技术都是我们研究出来的，并且我们也要更好地研究它们的移动方式。当然，我们希望这些东西能够完成一些任务，绿色的周围是一些口腔细胞，可以看到还有一些小的细胞，右边还有一些肾脏细胞，甚至可以在这些小型机器人身上附着一些DNA，然后把DNA转到这些细胞当中。很多小型机器人甚至可以穿越皮肤，甚至把8万多个小型细胞注入到大鼠当中，然后对它进行追踪，注入活体当中进行移动，然后看一看会有什么问题。

    这些微型机器人其实很难设计的，灵活度也较差。这里显示的是布氏锥虫的生命周期，可以造成一些人类的疾病，甚至会进入大脑造成死亡。通过这些寄生虫也能够获得一些灵感，可以了解它的游动方式，把它应用到一些药物和治疗的方法当中。我们甚至也可以用它制作一些聚合物，这些聚合物能够帮助小的微型机器人更好地移动，虽然还有很多选择和探索的空间。我们需要选择这种磁性的物质，所以在做微型机器人的时候物料选择也要有更多的研究。

    现在微型机器人主要应用在大型手术中，未来甚至可以越变越小，可以用在导管里面，也能够达到细胞和组织的级别。现在我们也在和其它机构做这样的研究，包括这些小型机器人生物适用性的问题，方向还是没有问题的，我们也对未来的前景很兴奋。

    未来的发展方向是怎样的呢？这种微纳米机器人现在我们已经把它应用在了更多的活体当中，需要理解这些微纳米机器人和环境的互动方式，所以需要了解周围的物理和化学环境。现在微纳米机器人目前还没有应用在人类的身体上面，但在未来五到十年当中这种技术一定会应用在人体当中，比如心脏和肠胃。之后我们也要拭目以待，看一看谁会最开始将这些技术应用在人体当中，什么时候这些技术会真正应用在人体上面。

    当然还有很多基础工作要做，这是个非常令人兴奋的领域，包括这种传感的技术、规划的技术，目前还有很多问题需要解决。我们也和很多的医生共同合作去做一些应用，包括手术室的这些手术到底该怎么做，这些都是非常重要的问题，聚合物和机器人之间如何进行互动、3D纳米技术也带来了巨大的机会，使得我们可以在这个级别作出更多的事情。物料也是非常重要的，很多材料工程师每天在帮助我们选取最好的、适用于这个领域的材料。

    最后讲一讲医疗机器人这个领域会有什么发展，目前在中国人们的医疗服务接受度明显是不够的，未来会有更多的医疗需求，现在医疗机器人也有很多成功的公司，人们现在也看到了这个领域的未来，包括强生这样的大型公司都在进入这个领域，还有传统医疗的公司也看到了这个领域的前景。当然，要想将想法变成现实还是需要很多的时间，所以要把机器人输入到人体当中确实是一个非常复杂的过程，并不像机器人扫地那么简单。与此同时，这个机器人要想进行使用的话需要通过美国FDA和中国SFDA的审批。

    当然，这个领域失败的例子也有很多，机器人在过去的几十年当中的能力也是一直被我们低估的。我们知道实际手术当中的做法是非常复杂的，很多时候我们对实际任务的理解总是想得太简单了，而且很多解决问题的时候方式也是有问题的。这些工程师很多时候想事情的方式和医生还是不太一样的，但现在我们和医生的沟通也越来越多，保证能够对这些手术有更好的了解。实验室到真正的使用必须要一步一步地做，不能在手术室说有一个非常好的机器能够在人身上使用，这是不可能的，从实验室到人体的试用需要大量的时间，必须要一步一步去走，所以学术当中每一点进步都是非常重要的。商业模式也是非常困难的事情，和传统制造服务机器人是不太一样的。

    机器人手术当中，我们希望它能够在全世界进行应用，不希望只是在一部分地区使用。全世界有80亿人，现在至少有50亿人用不上这种手术的资源，也就是说有50亿人如果有疾病的话根本无法接受手术，这也是未来医疗机器人要解决的问题。这个领域有很多的事情可以做，但从医疗机器人的角度来说，它的成本必须大幅度下降，要把它做得更为便宜才可以，未来成本肯定是会降下来的。最后就是对外科医生的培训和远程的系统操作也是非常重要的，比如一些心脏手术如果能够远程控制的话就更好了。

    总体而言，随着这项技术走出实验室，能够进入真实的世界和手术当中，我们必须要降低它的成本，把流程做得更为简单，速度也会更快，这些要求都是非常现实的。

丁汉：下面有请美国普渡大学教授Richard Voyles进行主题演讲“精准交互无人机在机器人和物联网领域的应用”。

Richard Voyles：Brad Nelson讲的内容技术性比较强，作为最后一位发言人，我需要把之前很多嘉宾的内容进行整合。刚才提到了远程感应，保护不受辐射的影响。我自己做的是比较狭隘的领域，就是无人机。

    我个人的履历当中包括电子工程、机械工程、计算机科学，曾经在普渡、杜克明尼苏达和斯坦福任职，曾经在行业、政府和学术界工作，大小公司、创始企业等等，我在三所大学都有Tenure，也有参与三所创始企业，同时做过政府官员，曾经在美国能源部、美国国家科技基金会、白宫科技政策办公室工作，其实是科技政策办公室机器人专家，我也参与过机器人处理和废料行业的项目，可以看到我的背景是非常丰富的，所以今天要谈的精准和交互是什么意思呢？我的背景当中还有一点需要大家了解，就是我有四个女儿，很多研究生都会跟我开玩笑，我做什么事情都是三点，只有孩子是四个。

    如何理解精准交互无人机？我要谈的不是精准农业的角度，而是从控制的角度来谈这个话题，也就是空中的精准控制。这里给大家提供一个背景，因为这个背景对我的研究非常重要，就是高度控制、力量控制和网络。

    首先介绍的是无线传感网络，这其实是物联网的前身。之前的发言人已经提到了无线传感网络的概念，也就是利用这些闭环的网络。机器人是做什么的呢？机器人其实是在世界当中发挥作用的，不是一个网络系统，而是一个桥梁，它的传感器连接了网络世界和物理世界，从模拟世界到数字世界，机器人可以形成这样一个闭环，就是再从网络世界到物理世界。我在实验室所做的很多工作和传统所说的精确或者精准不太一样，我会强调是怎样实现这样一些精准的，包括精准无人机是一个飞行器，可以有六度的自由。

    无限传感网络其实是物联网的前身，关注的是核心技术和低功耗长时间的传感，八九十年代主要是关注如何节约电池的电源，以及如何从一个临时的网络当中输入信息，也就是现在的云。很多人关注自组织网络的形成，还有就是传感器数据的多条路由。应用的实例就是海洋监测，我们协调了多个传感器，有对盐度的监测传感器，有对水活动监测传感器，是以小时或者天作为采样的周期，没有反馈的控制，被应用于气候变化的监测。现在无线传感器网络已经有些应用实例了，这样的努力也给我们带来了我们称为的物联网。

    我所思考的方向有点不太一样，之前发言人提到了智慧家庭的概念，这里讲的不仅仅是评估环境，而是对环境产生影响。我们经常谈到的应用领域叫做网络物理系统，我在实验室花了几年的时间在做“智能特百惠”，我们和特百惠公司合作，打造智能厨房，实际上可以把这个厨房看作智能机器人。主要是通过传感网络实现低功耗，更长的生命周期，也要进行食品的类别和数量的传感。我们做的不是全部人类的活动，而是关注于智慧厨房，重点在于食品的准备。

    Lumba一开始是有三个按钮，后来变成了一个按钮，也就是变得非常简单，厨房也是一样，谁希望在厨房的容器当中加上一个键盘？这种类型的问题是需要我们关注的，我们需要非常简单的操作方式，同时要有非常简单的机器学习算法，需要有技术的集群使得食品的容器能够自动地识别食物的类别，然后看一看不同的食品容器怎样基于各类人群，因为不同的人在家里使用容器的方式不太一样，美国的家庭早晨会喝麦片牛奶，使用的容器和晚上可能不一样，因为是有不同的食品品类，外表看起来是有类似的，所以需要有些自动识别的机制。

    智能厨房需要人们帮助规划食品和午餐，可以从刚才的一张幻灯片上看出，我们会不断地看怎样能够把用户包括在内，尤其是用户的体验包含在这个环节当中。机器人只做传感和思考，人类作为实现这个行动的渠道，通过人类和智能冰箱的互动，可能会由智能冰箱跟其它的设备相联系，然后给人们提供冰箱当中储存食品的信息，这样我们开发的一些项目就要做一个以控制为核心的架构。我们知道无线传感器有很多的节点，这是我们和宾夕法尼亚大学合作的微节点，这些微节点和其它的宏节点结合，以便创造出无线的传感网络，可以实现闭环控制。

    我们开发的另外一个伴生的产品叫做变形总线，主要是为了适应各种传感器和驱动器。我们把变形总线作为一个标准性的产品推出，和常规总线不太一样，常规总线收集传感数据的时候是这样一个流程，希望的是传感器和CPU相沟通，然后把其它的内容放进去，利用总线的沟通传感功能。这种常规总线结构当中，我们希望传感器能够对信息进行一些转换，也希望CPU能够做一些思考，所以在变形总线当中我们的转型器会在整个总线当中移动，利用这些基于设备的信号更加有效地对传感器进行变形。如果看总线的拓扑结构并不是完全崭新的结构，但是一个多极并联的总线。

    这里我们看到的是高性能的节点，产出了宏节点和微节点，可以具有重新编程的功能，而且是自适应的软件，我们利用总线当中的架构帮助这些系统。比如我们的无人机和机器人，能够适应改变的环境，使得软件编程师的工作更加容易，可以设计一些系统，能够适应变化的环境。这些元素怎么和刚才我们提到的网络相连接？我们的网络当中并不只是计算节点，要有传感节点、思考节点和驱动节点，比如精准无人机是物理世界和网络世界之间连接的桥梁，驱动器的控制网络和无线传感器相连，要驱动现实世界智慧家庭，需要驱动实际的医疗机器人系统。这就涉及到物联网的技术了，所以和传统上讲的无线传感器网络还是有些不同。

    刚才谈到很多带有节点的机器人，我们采用了可重构节点的履带机器人，主要应用于一些灾难的救援。我们的爬行器是非常小的设备，可以进行搜救，也可以在废墟上面寻找那些幸存者，实际的突发情况当中需要找到被废墟掩埋的那些幸存者。我们也开发出了Modern-Ship机器人，可以从这张图看得很清楚，我们的实验室除了基础研究和系统集成以外，我们关注的一方面是如何进行传感和思考，并且如何进行功能整合，这样才能真正做成实用的机器人。我们也和很多其它的实验室进行合作，因为我们知道并没有解决所有问题的能力。

    精准农业方面我们也在做一些尝试，这里讲的无论是精准还是互动其实都需要对机器人非常精准的操控，我们的实验室研究也是在过去的几十年的方向当中不断调整。

    互动的无人机到底应该是什么样子的呢？这是一个非常老的例子，可以说主要是空中操作移动的系统，能够移动一个非常重的物体。这里重点要关注的是这一群人，可以看到上面的无人机，这是一个载人的飞机，实际上是在做一个重力补偿，也是在做非常精准的调校和组装。这个领域也是大家都在关注的领域，也就是空中的操控。当然，考虑的不仅仅是X轴和Y轴，必须要考虑到多维的操控。最近大家都在研究六旋翼无人机，也就是实现六个自由度的无人机，可以进行更为精准的力量控制，我们希望实现的是高度的控制和方向的控制。

    这是之前我们在无人机方面做的一些早期的工作，和视频比较相似的是，这里大家可以看到，由于可以转向不同的自由度，同样也可以在不同的方向施加力量，也在推动很多工作和应用的发展。因为和周围环境的精准互动是非常重要的，也就是将虚拟世界的信息转化为实际的行动，这些旋翼是通过在空中使用，它的精准度肯定不如地面上那么精准。蓝色的线是理想的曲线，其实是用来衡量扭矩的，需要考虑力量的大小和高度，红色的线是具体使用的效率。

    我们通过这种方式和物理世界进行互动，可以应用于各个领域，具体的配置也要进一步优化，让其在不同的高度实现不同的精度运转，这种多旋翼的无人机来说是非常重要的。如何能够优化无人机，本身要能够做得更为精准，也是非常重要的一项工作。之前我们也是和农业部进行合作，过去的几十年在开发核电站，有些技术应用在军事领域，有些设施已经达到了生命的终点，现在需要摧毁某些设施，有些可能无法用人接近或者接触，这样能够进一步减少对人的污染。

    我们做的是一些实验室的实验，希望能够实现不同的配置下看到不同的效果。因为这是对无人机性能进行调校，让它实现优化的表现，所以这张图实际上就是我们测试的结果，看一看如何能够对它的配置进行进一步的优化。我们也和SIFI WORK一起做了一些工作，看一看如何能够更好地作出产品的原型，能够实现这些无人机更精准的控制，比如消费产品的领域当中如何实现更好的效果。实际上优化以后表现确实是更好了，无论是哪个设计上都比以前更好一些。

    这样会带来一些新的问题，虽然有些技术细节，比如我是那个无人机的话，想要旋翼旋转，一种是要和旋臂垂直旋转，另外就是平行向内旋转。折和固定翼非常相似，有些飞机是平行翼，有些飞机是倾斜翼，这种倾斜翼会对飞行有些特殊的影响，这里我们还是对其进行优化，看一看在力上面能够实现最优化的效果。无论是从哪个方向进行旋转，我们都要对其实现最好的调校，考虑到空气动力学的影响，稍做调整就可以移动得更快。实际上这种上反角效应即使是四旋翼的无人机，可能在实际的飞行速度上都会有20%的误差。

    总结一下我们为什么要把传感网络技术应用在这些领域当中，比如核废物的分离，这样人就不用自己去做了。美国能源部有一个废物隔离实验场，里面有很多核废物，也有一个非常深的井，大概有600多米，还有普利茅斯的气体扩散场，把地下的污染气体引出来。当然，也有一些低密度的气体，希望将这些气体扩散限制在有限的范围内。这种扩散场大概有1英里的长度，但我们无法用一个无人机覆盖所有的地方，因为可能要收集一些残留物的样本，之后只有将前期的工作做好才能正式拆除。

我们采用一些简单的方式解决这些问题，很多设施都是美国能源部的东西，所以没有办法播放演示视频了。普渡大学也得到了其他机构的支持，我们也在这里做了很多实验，同样也是看一看，一方面能够减少对用户的风险，因为在有很多工人之前在那里工作，另一方面需要将工厂进行清理，减少对人们的伤害。