《中国人工智能学会通讯》——5.9 移动操作机器人与人机协同制造

5.9 移动操作机器人与人机协同制造

美国国防部先进研究项目局(DARPA)自2012 年起,以日本福岛核电站泄露事故为蓝本,设立的灾难环境下机器人移动及操作竞赛(DRC,DARPA Challenge)赚足了全世界的眼球。人们惊叹并折服于这群可爬可跑、可抓可做的灵巧机器人,也深刻体会到,机器人距离全面协助人类差距仍然较大,发展潜力无限,市场前景广阔。前不久,谷歌母公司 Alphabet Inc. 传出消息,取消或者中止其实施不到 3 年的机器人项目,出售解散或者重新安置包括 Boston Dynamics(波士顿动力)在内的多个机器人公司,而该公司的 Atlas 类人机器人刚刚经历了在 DARPA 竞赛上的风光无限,见图 1。与此同时,谷歌的阿尔法狗(AlphaGo)击败了韩国著名选手李世石,让人工智能领域的科研和从业人员倍受鼓舞。两相对比,让我们不禁思考,Cyber系统是否会击败 Physical 系统,机器人的实用性在何处,机器人的进化之路如何推演,智能机器人尤其是移动机器人的发展,与产业化的结合,路在何方。
图 1 DARPA 竞赛中的机器人操作(图(3)为意大利技术研究院 Walk-Man 机器人在 DRC 决赛中)

波士顿动力的潜在收购方——亚马逊仓储后勤机器人(Amazon Robotics, aka, Kiva Systems)部门结合自身的业务需求有的放矢,在移动机器人的产业化上已有多年相对低调的积累。2012 年亚马逊斥资 7.75 亿美金收购 Kiva Systems 后,基于 AGV(Automated Guided Vehicle) 小 车 的 仓储系统便在世界各大亚马逊仓库陆续上线,极大地提高了亚马逊仓储的工作效率,大大缩短了亚马逊的发货时间,并降低了出错率,使得亚马逊在同类行业中具备无可比拟的技术优势。亚马逊并未止步于此,受 DARPA 竞赛推动了机器人技术爆发式发展的启发,自 2014 年起,启动了一轮机器人竞赛 APC(Amazon Picking Challenge) [1] , 旨 在发力并稳步推动移动操作机器人在仓储领域中更为全面和深入的应用。首轮竞赛(见图 2)获得了巨
2 亚马逊机器人竞赛[2] (图(1)显示当前亚马逊仓库现状,由工人实现货物的提取和包装;图(2~6)为机器人竞赛队伍提供的机器人操作 解决方案)大的成功和社会关注,并成为年度项目。有理由相信,通过 AGV 小车移动和定位技术与机器人的感知和操作相结合,打造全自主操作的智能化仓储(包括但不限于提取和包装),来实现移动操作机器人系统(Mobile Manipulation System)的产业化之路,是亚马逊公司当前和未来一段时间发展的战略选择。而仓储系统相对比较结构化的环境,与DARPA 竞赛的完全非结构环境,更能适应当下机器人的发展和技术水平,其前景可期。

工业生产是欧盟的基础,旨在通过工业 4.0结合智能制造,打造未来工厂(FoF, Factory ofFuture),推动生产力进一步提升的思路,在欧盟内部逐渐成为广泛共识。2016 年 4 月 24 日开幕的德国汉诺威工业展,即把“工业集成 - 方案发现(Integrated Industry - Discover Solutions)”作为了本次工业展的主题,体现了欧盟对工业集成技术解决方案的渴求。在欧盟,中小企业(SME)占全部企业数量的 90% 以上,是工业制造的主力军,提供了远超大型企业的就业机会。欧盟一直致力于通过鼓励中小企业使用机器人技术,降低成本提高生产力,从而保持其全球竞争力。该设想获得了欧盟工业界和学术界的广泛支持。从工业界角度出发,比如世界四大机器人制造商之一的 KUKA 自2014 年设计了 KUKA 创新奖(KUKA InnovationAward),鼓 励 机 器 人 与 工 业 制 造 相 结 合 的 创新[3] 。该奖每年设定不同的主题,如 2016 年创新奖的主题是“柔性制造”。从学术界的角度出发,比如新的“地平线 2020”(Horizon 2020)科研和创新框架中,欧盟旨在通过 800 亿欧元的科研资助计划鼓励产学研结合,促进机器人技术从实验室走向产业综合[4] 。因此,集世界上最先进的智能、认知、传感、仿生、驱动、学习等技术于一身的现代机器人技术,在欧盟委员会的资助支持下,正步入科技创新成果频出的黄金期,涌现出一批较为成熟的机器人系统方案集成和部署提供商。同时,欧盟启动了欧洲机器人竞赛(European RoboticChallenge)项目,相较美国的 DARPA 和亚马逊竞赛,该竞赛更加低调和务实。在具体操作上,由欧盟各大中小企业“出题”,面向全欧盟研发机构征集机器人技术解决方案[5] 。

欧洲机器人竞赛项目 ( 见图 3) 主要由三大类子竞赛组成,即:竞赛1,可重构的人机协作生产系统;竞赛 2,全自主的机器人装配和后勤系统;竞赛 3,大型的厂区维护和巡查系统。竞赛 1 主要针对的是协作类机器人应用,重点强调人机交互;竞赛 2 主要针对全自主的移动操作机器人,强调自主决策性和系统灵活性;竞赛 3 主要针对和拓展无人机的应用领域,强调多位立体。其中,尤以竞赛 2 最贴近产业应用,最具产业化前景。本文作者在欧洲机器人竞赛中带领意大利技术研究院 (IIT) * 移动操作机器人队,与德国宇航局(DLR)合作,为欧洲核子研究组织 (CERN)的强子对撞机(LHC)开发机器人装配和维护系统[6] 。目标是集成高度的感知能力、灵巧的操作能力和在线的学习能力,开发出一款工业级的具备自学习和协作的智能移动操作机器人,在远程操作和自主决策两种模式下均能达到工业级的工作水准。
图 3 欧洲机器人竞赛(2014-2018 年)

时间: 2024-11-03 05:42:00

《中国人工智能学会通讯》——5.9 移动操作机器人与人机协同制造的相关文章

中国人工智能学会通讯——有温度的机器人

我来自云迹科技.我是计算机从娃娃抓起的那一代,小时候开始写代码,90年代刚上大学时,按照现在的说法就和实验室一起做叫做"人工智能"的事情.实际上是模式识别.图像的分析和处理,在图像里面把文字识别出来.把人识别出来.把关键物体识别出来这样的东西.像刚刚苏总讲的,那时"人工智能"这样一个词是蛮忌讳的词,大家虽是做人工智能的,但羞于说自己是做人工智能的:想要发论文要把人工智能这个词去掉,按照当时的话讲"在论文关键词里面提到了人工智能,基本上你的论文会被pass掉

中国人工智能学会通讯——深度学习与推荐系统 1.1 协同过滤 (Collaborative Filtering)

1.1 协同过滤 (Collaborative Filtering) 简单来说,协同过滤是指在预测一个用户对物品的喜好程度时,不仅仅依赖于该用户的历史记录,同时也要考虑其他用户的历史记录.其基本假设是兴趣相投.拥有共同经验的群体未来会喜欢相似的物品.协同过滤建模主要使用用户对物品的历史交互数据,也称为反馈数据.根据交互行为是否反映用户对物品的喜好程度可以把反馈数据分为两类:①显式反馈(explicit feedback),通常是指评分,直接反映用户对物品的喜好程度,例如豆瓣网提供用户对电影1~5

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——混合智能概念与新进展

脑科学以阐明脑的工作原理为目标,近年来已成为最重要的科学前沿领域之一.脑功能计算.脑智能模仿再度成为学术界和产业界热议话题[1-4].欧盟.美国.日本相继启动了大型脑研究计划,强有力推动了人们对脑结构.脑功能和脑智能的探索和认识:另一方面,人工智能研究风起云涌,最近一个标志性事件是谷歌的AlphaGo以4:1战胜围棋世界冠军李世石[5],实现了围棋人工智能领域史无前例的突破.2016年9月斯坦福大学发布了<2030年的人工智能与生活>报告[6],全面评估了当前人工智能的进展.挑战.机遇与展望.

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智