WRC2017 專題論壇演講實錄丨陳小平：《智能機器人：變革時代的應用需求與研發方法論》

由人工智慧學會、電子學會聯合主辦的「智能機器人產業發展專題論壇」於8月23日上午在北京亦創國際會展中心的二層會議室C成功舉行。

本論壇邀請了中外產、學、研、用等領域的知名專家學者參與，圍繞國內外機器人和智能科學的發展熱點和轉型支點，聚焦智能機器人的智能裝備和核心技術，共同探討智能機器人發展的創新與變革。

來自科學技術大學機器人實驗室的陳小平主任主任給我們帶來了《智能機器人：變革時代的應用需求與研發方法論》主題報告，深入淺出地介紹了目前處於變革時代的智能機器人研究，應當如何確立其應用需求與研發方法。陳教授在報告中點明，傳統機器人依靠精確性，新應用需求依賴靈巧性。變革時代的機器人應用出現大量新場景，為了適應新應用需求，有必要建立以靈巧性為核心的新技術體系。陳教授的演講為智能機器人的研究指明了方向，確立了完善的理論系統。

以下是陳小平教授的演講實錄：

陳小平 科學技術大學機器人實驗室主任，計算機學院教授

陳小平：今天我利用這個機會和大家做一個分享，我是科大機器人實驗室主任，計算機學院教授。我今天的報告題目是「變革時代的應用需求與研發方法論」。今天我們這個論壇有來自學術界的專家，也有來自國內外行業組織的專家，我受人工智慧學會委託來組織這個會，所以我就試圖站在這兩部分人的中間去思考，當然這也是我們最近幾年一直在做的一些思考，就是用產業需求的觀點來看我們現在的研究：我們現在的研究還需要做一些什麼新的嘗試？

我們知道，機器人除了交互以外，它的運動方面實際上是有兩大類功能，一類是移動，前面兩個報告都在集中介紹移動方面的一些最新的進展，一些前沿的成果。還有一個方面是機器人的操作。說到操作，可能我們馬上就想到，工業機器人的操作不是已經做的很好了嗎？但是現在如果我們用變革時代的觀點，看一看未來我們的產業需要一些什麼樣的操作，我們就會發現，其實我們還有很大的挑戰。

我這個問題的提出是這樣的：56年前，工業機器人就在生產線上使用了，具體發生在通用汽車的生產線上，至今已經半個多世紀過去了。另一方面，20年前的人工智慧，具體說是IBM的深藍，已經在博弈問題中首次戰勝了人類。這麼長時間過去了，在產業應用中工業機器人是成功了，成功了很多年，但是智能機器人，或者說用到其它領域的機器人，比如用到服務、救援等等領域的機器人，為什麼至今還不成功？

為了回答這個嚴峻的問題，讓我們簡單的回顧一下工業機器人，這裡我說的都是操作方面。傳統工業機器人是一種剛性機器人，它的結構很簡單，基於關節和連桿結構，每個關節都是藉助運動學計算，用實現編好的程序控制所有關節角度，使機械臂末端達到指定位置。這一套辦法做下來很成功，重複精度可以達到亞毫米級甚至更高，重複幾十萬次誤差在零點幾個毫米，甚至0.0幾個毫米。

我們往往覺得，好像只要機械臂做得重複精度達到那麼高，在製造業的應用就沒問題了。其實真實的情況不是這樣的。事實上，當我們在工業製造需要操作一個工件，這個工件是需要用一些裝置去做定位的，比如用一些夾具，這是一個夾具示意圖，其中的夾具把工件夾住，而且要把它定位得非常准。所以，機械臂誤差是亞毫米級，意味著同時也必須讓工件的定位精度達到亞毫米級甚至更高。否則，這個手臂總是基本在同一個位置上進行操作，而被操作的工件的位置跑了，那你這個操作根本就不能達到要求。所以實際上在目前的工業應用中之所以能夠成功，不僅是因為工業機械臂達到了很高的重複精度，而且工件的定位藉助夾具等裝備以及複雜的測量，也達到了非常高的精度。

所以現在我們得到這樣一個觀察：工業機器人應用的精確性實際上是由兩個方面來保證的，一個是手臂的精確性，還有一個是環境的精確性，及通過生產環境的精確化改造達到的精確性。但是，這樣做其實是有代價的。第一個問題就是這些夾具是非標準化的，剛才這個圖就反映了這一點，如果加持工件的形狀不一樣，往往需要的夾具也不一樣。在現場布置的時候，效率也比較低。現在夾具等輔助設備的成本已經佔到機器人成本的40%，而整個生產線的成本就更高了。一條生產線裡面機器人成本如果是1的話，整個生產線的成本在國內要達到3-5倍，在國外是3-8倍。也就是說，絕大部分開支不在機器人上，而在整個生產線上，而且還需要做到環境的精確化，所以成本高、效率低。一中替代方法是藉助視覺觀察，如果看得准就不要夾持工件了。現在這個方向確實在進步，但是目前要做到這樣高的精度，視覺技術的成熟度從產業的角度來說還是達不到要求的。另外還有很重要的一點，就是在實際應用中存在著大量不能使用夾具的操作對象或者應用場合，也就是說有大量的場合不能用這套工業的辦法，這對現有主流技術提出了極大的挑戰。

傳統的主流控制策略我在ppt上列了幾條，從名稱上就可以看出，這些技術試圖產生一定的適應性，以降低對環境精確性的要求。但是，其實目前並沒有完全做到。我們不說這些具體的技術，我們看看傳統的控制原理，其實就是兩類。第一類是基於決策論的精確控制，它的原理就是我用這樣一個框總結出來的，當然用的是專業術語，有狀態集、行動集、回報函數、概率轉移函數。概率轉移函數是其中一個核心，用概率轉移函數計算值函數，計算最優策略。這一套方法在理論上很完善，有很多理論成果。但是在機器人上用這一套東西就比較難了，一個原因是計算效率不夠，再一個是概率轉移函數。到目前為止根據我們的了解，人類幾乎從來沒有得到過一個真正實用的大規模的概率轉移函數。所以這套辦法理論上很好，在實際應用中還需要做簡化和優化。在機器人中是用運動學、動力學做簡化，這個效果是非常好的。所以實際上傳統的控制策略是決策論模型的優化實現，但是存在著局限性，就是以大量場景限制為前提，以昂貴低效工程部署為代價，在傳統製造業部分領域獲得成功。這是我們的一個觀察：目前出現了更大量的應用場景，可能幾百倍、幾千倍於傳統工業場景，用傳統工業機器人的辦法是有問題的。

第二種傳統的控制原理是基於模糊數學的控制，這也有大量的理論研究，這一套理論抽象表達也是幾句話，在這個框里。核心的想法是，原來的控制基於精確分類，0代表不在一個類里，1代表在這類里。而模糊分類理論上是代之以精確連續統分類，分的類就多很多了，理論上得到了很好的效果。可是在一般情況下，這是把一個困難問題歸結為一個更加困難的問題，所以在實際應用中模糊控制其實用的非常少。總之，前一類控制原理是成功的，但成功的範圍其實很窄。

下面我們看看機器人的一些新應用。第一個是室內服務和家庭服務。室內機器人工作在非結構化的環境中，而傳統工業機器人工作在結構化環境中，而且環境始終是穩定的。但是在家庭應用里，不同的家庭環境不一樣，同一個家庭不同的時間環境也是在變的，所以時間空間都存在變異性。另外，服務機器人要求和用戶有互動，根據用戶的需要進行操作，而工業機器人操作的時候人是不能接近它的。還有信息也需要交互，而工業機器人是通過操作工事先編程，所以這個差別是非常大的。這張圖就是服務機器人，雖然服務機器人沒有被實際應用，但是已經做了十幾年系統性的探索。這是一個比賽，在家庭環境里出現一些事故時，機器人怎麼找到人，怎麼為人提供幫助，這就體現了前面一張圖裡的那些特點。

我們再看一下智能裝配和物流，這裡主要是工業物流，這時環境是半結構化的，不是完全結構化的，而且這個環境隨著時間會有變化，操作工和機器人是要有互動的，比如共同做一件事，動作上要有互動，信息上也需要溝通。看這張圖，這是德國Festo公司組織的一個比賽，這個比賽也好幾年了。這張圖裡有一些加工的機器，也有一些機器人，機器在做一些操作，而工件在機器之間的傳遞是由機器人來完成的，這樣實現的是柔性製造，生產過程可以隨時調度，可以很快就換一個工藝，這是現在很多大大小小的企業正在追求的。前天我和一個很大的企業交流，他們就有這樣的技術需要，這體現了未來的一種典型應用場景。另外還有其他應用需求，比如農業、救援等等，都有類似的需求。

我們把這兩方面放在一起看，現有的成功的工業機器人技術，與當前和未來社會需要的大量新的應用場景，二者之間存在什麼差距？顯然存在非常大的差距，所以現在出現了新應用挑戰，我們總結為：傳統機器人依靠精確性，而新應用在操作方面需要的是靈巧性。這樣我們就得到一個觀察：精確性意味著什麼？用一句話概括：意味著1%的成功和99%的失敗。就是說，在工業領域是成功了，但是相對於未來大量新應用來說可能只佔總量的1%的場景。100倍甚至1000倍新的場景用傳統的辦法是不靈的，所以這是一個非常大的挑戰和機遇。

面對這個挑戰怎麼辦？其實我們已經做了一些研究，下面簡單的介紹一下。首先，針對靈巧性挑戰，我們需要考慮什麼問題？中科大機器人團隊已經做了十幾年，近十年一直在考慮這些問題。第一個要解決的問題是：大多數實用場景中機器人操作是否必須依靠精確建模？對環境、對加工對象、對機器人本身的精確建模是不是需要？第二個問題：大多數實用場景中機器人操作需要什麼樣的精確性？我們分析，精確性還是需要的，但是需要什麼樣的精確性？第三個問題：這種精確性應該用什麼樣的感知和控制技術來實現它？這是我們研究的三個問題。

下面用一個具體的例子說明我們的一些想法。例如，假設用戶坐在桌邊，要求機器人給他送一杯水，我們默認杯子是要放到桌邊靠近用戶的地方，就這麼一個任務。這個任務看著很簡單，但使用工業機器人那套辦法就有問題了。為什麼有問題？假設機器人感知與行動的綜合誤差是δ，杯子的目標位置當然不應在誤差區域之內，這就需要精確測量桌面尺寸，但實際上桌面的精確測量是不可行的。當然，理論上一張桌子還是可以測的，但家庭機器人要進入千家萬戶，每家的桌子都精確測量，這是不可行的。桌面邊緣往往不是那麼規則的，而是坑坑窪窪，可能正好你要放杯子的那個地方缺了一塊，這時操作就有問題。

那怎麼辦？我們的辦法是用局部-現場推理來解決這個問題。我們並不去事先精確測量整個桌面，而是去測量機器人的感知誤差、操作誤差，進一步計算它的綜合誤差，這是和機器人有關的，跟環境沒有直接的關係，所以這個我們是可以測的。測了以後，在實際操作杯子的時候，每次機器人都是用局部感知去觀測杯子的目標點，測量目標點與桌子邊緣的距離，讓杯子的目標點避開桌面上的δ誤差區，不放到那個區域里。這樣就把很多困難問題都避免了，而用戶任務也能夠完成。這是我們提出的一個方案，這個方案不需要桌面形狀和邊緣的準確度量和建模。這個原理可以用到很多地方去。

基於這樣的想法，我們開發了中科大的可佳機器人，它大概的構成是這樣：在這張圖片里，上面幾個模塊是人機交互、多模式自然語言處理和通用規劃器，這些是人工智慧技術；下面有機器人控制、感知、執行，還有機器人硬體。這樣一個機器人是需要從外界獲取一些知識的。我們做過一些實驗，其中一個是可佳操作微波爐，整個加熱食品的過程都由可佳機器人實現了。這裡就有前面說的一些挑戰，這個微波爐的位置不能被固定，固定以後很多操作就完成不了。但是不固定的話，稍微動它一下，比如一拉那個門，微波爐的位置就變化了；下面再關門，位置又動了。這種情況下，要去按微波爐的按紐，按照原來工業機器人的辦法，通過精確測量與建模，那是行不通的。反之，用我前面說的新的辦法，這個任務是可以實現的。

在視頻里，這個測試任務中有三個用戶，分別和可佳對話。可佳通過人機對話了解用戶有什麼任務，它馬上現場就用自然語言理解，把用戶任務變為機器人內部表示。現在看到的是第二個用戶，第二個用戶說我也要飲料，但是和第一個用戶的不一樣，這就需要自然語言分析。之後，兩個用戶的任務由機器人自動規劃出來了。第三個用戶說，我要爆米花，你給我用微波爐加熱。可佳說OK，表示它聽懂了。但接著機器人做規劃，卻發現它不會用微波爐。用戶說你查一下說明書，這說明書都在網上。現在可佳不能處理說明書全部內容，但可以處理微波爐按紐功能說明那一部分。現在我們看到的是可佳正在分析那一段說明書，分析完了自動提取知識，然後可佳就把三個用戶的任務自動規劃出來了，排了20多步。排出來以後，它就開始一步一步執行了。現在機器人自動把門打開了，一打開微波爐的位置就變了，它還要把碗放進去，再把門關上，這時微波爐位置又變了。機器人通過觀察顯示屏，看是不是按中了。現在按中的成功率是90%，就按三次，三次按不中它就請人幫忙了。現在機器人在給用戶送飲料，這也是機器人自主規劃的。她知道那兩個用戶坐在一起，她就「偷懶」，把其中一個用戶的飲料放在自己的盤子上，手裡再拿一個，一次就送過去了。整個過程都是機器人自動完成的，這裡面的挑戰主要和操作有關，因為這種室內相對簡單的環境中，定位導航還是相對比較容易的。

最後給出幾點結論。總結一下，傳統工業機器人成功是靠精確性，但是精確性並不像我們通常認為的那樣，只靠機械臂的重複精度高就行了，實際上還涉及到環境的結構化，操作對象的精確定位、建模等等，所以所謂精確性並不是單純的設備軟硬體特性。第二點，變革時代的機器人應用出現了大量新場景，包括智能製造、物流、救援、農業、家庭服務等等，面臨本質性新需求，如環境非結構性、變異性、交互性。這些要求和精確性不一致，所以為了適應這些新的應用需求，我們需要建立以靈活性為核心的新的技術體系。目前在學術界已經有一些研究了，但是未來還有很多新的挑戰，這也給我們帶來很多新的機會。最後謝謝大家！

聽眾：很有意思的報告，我很多年前做過很多機械臂方面控制的問題。你最後講到挑戰的時候，精度的挑戰還有柔韌性的挑戰，我就是沒有聽到你談關於力控制，因為力控制實際上是我們人做操作的時候非常重要的感測信息。很多精度上人的絕對空間控制精度非常低，但是我們所利用的是力感測，觸覺感測以此克服精度感測不足，我不知道你對這方面有沒有什麼想法？

陳小平：非常專業，一下抓住一個要害。關於這個有很多不同的研究，有不同的思路去做，確實是前沿的課題。我們的想法大概是這樣：從操作的角度，我們沒有從比較傳統的那種辦法去做。我們現在是想的另外一種辦法，就和我剛才說的是一個思路的，我們是從硬體上現在用soft robotics技術。這種硬體是軟的，它不僅能達到一個位置，而且能控制它的朝向，所以自由度更高。另外，這種手爪抓東西能夠有更好的貼合度，對形狀分析的要求就大大降低了，就不需要對形狀、位置知道那麼準確。我們認識到精確控制是很難的，可能十年二十年都沒有辦法達到那種要求，所以乾脆就讓手爪的適應性更強，貼合度更高，反正它抓住了物體再說，大概是這樣一個想法。

聽眾：我知道陳老師的機器人和相關技術多次獲獎。除此之外，我覺得你剛才提了一個最好的想法是建立一個以靈巧為核心的新的技術體系，或者把它叫做人的智能化的新體系，這個對工業以及對我們產業的影響是比較大的。剛才舉傳統機器人跟新人工智慧機器人在新體系方面的影響，這個體系會涉及到未來的標準製造和產業模式，我就想問陳老師，你這個體系現在有沒有產業化方面的具體考慮和計劃，就是說基本這個體系的構建已經形成了還是在做一些新的探索？

陳小平：郝院長從產業角度提出了很關鍵的問題，我們現在當然主要還是在做研究，同時已經開始把它按照產業的需求來做這種技術的體系。有一些技術方面還需要進一步研究，短期可能成熟度相對還比較低。但是現在確實在考慮產業的實際需求，希望能比較快的銜接上。既然精確性辦法難度比較大，周期比較長，現在我們在硬體上用soft執行器，軟體上以靈巧性為出發點，已經開始和產業接軌，也找到了一些合作夥伴，現在正在開始做一些對接，希望把這套東西先在一些典型的應用場景中做應用，從這個應用場景來看它到底是不是合適，同時我們也根據對應用場景更好的理解，更全面的理解，更深入的理解，更好地做我們的研究。現在是這樣的一個階段。

聽眾：陳老師好，我作為一個大學部生問您一個問題，我看您最後展示那個視頻，是中科大的對吧，他們面孔都很年輕，我想問大學部生如何參與到這種製作和設計中。

陳小平：這個問題我覺得也很好，機器人人才缺口很大，郝院長他們調研一年缺好幾萬。所以現在機器人產業培養人才也是發展機器人產業的重中之重之一。在我們學校，因為學校招生招的比較少，相對來說教師比較多一些，所以我們採取的措施是從大學部二年級就開始吸引大學部生進實驗室。不能有硬性的規定，但基本成一個傳統，到三年級都要進實驗室，三年級還不進實驗室就覺得不太對勁了。我說的實驗室是老師的科研實驗室，不是教學實驗室，教學實驗室那是另外一回事。通過進老師的科研實驗室，大學部生二、三年級加入科研團隊，一開始可能也做不了科研，但是就跟在後面看一看，這樣就知道書本和真正的科研有些什麼不同，我覺得這一點非常重要。因為我一直覺得的教學存在比較嚴重的理論脫離實際。所以在我們學校通過這種辦法，大學部生進科研實驗室的辦法，幫助大學部生更好的了解科研，更順利的進入科研。

CAAI原創 丨 作者薛陳小平