机器人是如何预知0.5秒后的世界的?

2011年，第一台仿人乒乓球机器人诞生，这台身高一米六五，体重55kg的大家伙，成为了全球第一台，拥有快速反应能力的仿人机器人，通过120帧高速相机的捕捉，它能够预测乒乓球的运动轨迹和落点，在当时，这一预测能力，被用于解决机器人如何快速回球的技术问题。十年后的今天，随着这项技术的不断发展，预测行人和机动车的轨迹成了新的需求。

那么机器人到底是如何预知0.5秒后的世界的呢？

一种方法就是学会推测人类的动作意图了，早在2016年，MIT的一组研究员，通过让机器观看600个时的美剧，学习人类进行击掌，拥抱等动作的前后画面，成功的让机器人对剧中人物什么时候会击掌以及拥抱做出预测，虽然当时只能做到41%的准确率，但已经在预测这个方面做出了不小的突破。之后东京工大，则在2019年的时候，推出了一套叫做，FuturePose的系统，这套系统可以通过人的关节姿态预测0.5秒后的动作。

这套系统在训练过程中将画面中的人物处理为2D的火柴棍小人，并通过一种叫做LSTM的长短期记忆的神经网络学习前后动作之间的联系，而经过训练的FuturePose系统可以作为格斗训练的辅助系统来使用。

通过VR投显提醒学员对手0.5秒后的动作。此外他们还尝试让FuturPose系统预测守门员扑救点球和小姐姐跳宅舞等动作。

于是在2019年，AI女神李飞飞的团队，结合了以上两种思想，成功做出了一套可以预测行人轨迹机器系统，它首先通过提取人体的姿态动作和附近的物品形成特征数据，对人体即将做出的动作进行判断，此外，结合人体的特征，和画面里的其他物体，判断人的实际意图。

这样，系统既可以验算人体即将做出的动作，又可以通过猜测最终目的，对人的行动轨迹进行修正。

这套由卡耐基梅隆大学，GoogleAI和斯坦福大学共同完成的系统，通过猜测每个人要做什么，来提升预测每个人要去哪儿的准确率，李飞飞团队称其为窥探未来的系统。

而这样的一套系统，正是自主导航机器人所需要的关键技术，能够通过对周围人和车的连续观察，推测出他们之后的行动轨迹，这样就可以帮助机器做出决策是在下一秒加速通过，还是减速绕行。

2020年9月，云栖大会上，集成了达摩院最新的人工智能，和自动驾驶技术的小蛮驴发布，它可以在0.01秒内，识别周遭上百个行人和车辆的意图，具备了类人认知决策能力，有了这样的预测能力的加持，让小蛮驴可以承接，最后三公里的配送，自如的穿梭车辆和人群密集的场所。多芯片决策冗余构架以及失效检测刹车等多重安全设计，极大地提升了机器人的安全性。

结合了多传感器数据融合和达摩院自研的3D点云语义分割算法，小蛮驴可以在没有GPS辅助的情况下，实现厘米级的定位，而且采用了自研芯片软硬件一体化设计，把机器人的定位系统成本，降低到了业界普遍价格的10%，这样的能力积淀之下，物流机器人小蛮驴其实只是阿里智能机器人移动平台的第一个落地项目，阿里相信，在未来的五到十年内，机器人就将大规模替换物流安防等领域的密集劳动力工作。

业内专家曾经预测，企业级的机器人应用在2018到2028的增加程度很有可能会超过百分之十五，每年的投入使用数量将会从二百八十万台增加到一千一百万台，而小蛮驴，就是阿里进入这个市场的一块坚实的敲门砖。