孟慶虎，香港中文大學(xué)電子工程系教授；峰會主旨報告《真的要機(jī)器換人嗎？》。

　　各位尊敬的院士，專家，和機(jī)器人圈的朋友。今天特別感興機(jī)器人峰會主委會讓我有機(jī)會把我工作和科研的工作跟大家稍微分享一下。

　　我今天講的題目是《真的要機(jī)器換人嗎？》。這里有兩想法，一個是機(jī)器人換人是20年以前的概念，那么現(xiàn)在的機(jī)器人發(fā)展到今天這一步的時候，機(jī)器人換人這個事是不是在每個場合都合適，第二現(xiàn)在真的可以機(jī)器人換人嗎？機(jī)器人能夠替代人嗎？我們從這個角度跟大家分享一下。

　　我們機(jī)器人歷史也不長，機(jī)器人這個詞是1920年出來的。你這個ROB這個詞在1920年是沒有的。機(jī)器人學(xué)是科幻小說1941年提出來的所以歷史很短暫，1941年查這個文獻(xiàn)是沒有的。

　　我們看看研究的成果，有一種比較快的方法看，就是從數(shù)據(jù)庫里面看，我們把傳統(tǒng)機(jī)器人和機(jī)器人學(xué)，圖象處理、自動化、信息、能源做一個比較，1985年之前，這個數(shù)據(jù)庫搜集是這樣的，就是機(jī)器人非常的少，傳統(tǒng)的行業(yè)，像能源、控制系統(tǒng)工程文章特別多。后面的十年，增長相當(dāng)?shù)目欤蠹铱吹竭@個機(jī)器人增長相對快，但是1995年到2004年是這樣的增長。如果用倍數(shù)來看，機(jī)器人增長是倍數(shù)最多。我們在機(jī)器人本身這個行業(yè)里比的話，我們協(xié)作機(jī)器人、仿真機(jī)器人，機(jī)器人感知，微小型機(jī)器人、還有工業(yè)機(jī)器人、服務(wù)機(jī)器人，19 85年之前沒有這方面的文章。從1985年到1994年大家有關(guān)注，包括人性機(jī)器人，協(xié)作機(jī)器人有了，突破了0。1995年到2004年的增長，可以看到這個仿真機(jī)器人進(jìn)展還是非常快的。但是還不行。截止到2015年人機(jī)合作文章還是比較少。只有500多篇，仿真機(jī)器人多一點。原來是0，所以是放大倍數(shù)是無窮大，所以人機(jī)合作有很大的余地。真的想要機(jī)器人融入我們的生活，我們要克服的就是讓機(jī)器人和人能夠共同的生存，共同的工作。那么，機(jī)器人換人一個先決條件就是說機(jī)器人要能夠跟人共同生存。所以說，從這樣一個角度，我們覺得應(yīng)該稍微看一下機(jī)器人的發(fā)展史。

　　1960年的時候，第一次用機(jī)器人上了雞尾酒，所以這兩個人結(jié)緣。還有1961年第一臺機(jī)器人賣JM。當(dāng)時是處理鍛造艦的運輸。當(dāng)時并不是做裝配的事。歷史上還有一件非常重要的事情就是1968年，在斯坦福研究了機(jī)器人控制的機(jī)械臂，這個機(jī)械臂后來變成了斯坦福R，這成為第一個真正計算機(jī)控制的機(jī)械臂，這個計算機(jī)控制的機(jī)械臂，工業(yè)機(jī)器人，那么真正到了市場，就是到1978年的事，所以這個成為了第一個利用自由度，完全計算機(jī)控制的機(jī)器人。所以這個歷史非常的短暫。但是，我們看傳統(tǒng)的工業(yè)裝配機(jī)器人有一些特點，第一個就是它運行速度非常的高，第二個就是說它的運行精度非常的高。因為他們是不具備任何的智能和傳感這樣的功能的。所以說必須要靠精確的編成完成所有的任務(wù)，這個就是這樣的。也沒有協(xié)作。所以當(dāng)時的裝配線要評比起來，不能讓人進(jìn)來，因為機(jī)器人沒有智力，也不知道有沒有人這樣的事情。這樣的裝配線現(xiàn)在逐漸被人機(jī)協(xié)調(diào)的裝配線替代掉，這個是寶馬最新的生產(chǎn)線，可以看到，現(xiàn)在的概念是讓人做人最擅長的事，讓機(jī)器人做機(jī)器人最擅長的事。大家發(fā)揮優(yōu)勢，能夠讓效率提高得非常好。而且在一些非常笨重，人做起來費勁，不愿意做，非常困難的事讓機(jī)器人做，相對容易的事，而且用機(jī)器人來做相對困難的事，這個時候我們用人來做。所以說，人和機(jī)器人的協(xié)調(diào)，真正的開始從工業(yè)進(jìn)入。要讓這樣機(jī)器人和人一塊合作首先有一個非常重要的條件，那就是說機(jī)器人必須知道人的存在，這樣的工作讓人知道非常簡單，靈巧，而且不用太消耗太多的體力就可以完成。但是，你要用機(jī)器人來做，這樣的事相對來說效率非常的低。這就是目前的一種趨勢。那么，這個要求就是我剛才要說的，一定要讓機(jī)器人有一定的智能，和人打交道的能力，這樣可以讓機(jī)器人進(jìn)入這個環(huán)境。

　　就是說我們現(xiàn)在從機(jī)械方面來說，除了裝配線上機(jī)器人，這里就是說想替代單位的工人。這個就是一個小的工房，小型的企業(yè)，如果有個別崗位需要有一個比較能夠替代人的工作，希望用這樣的機(jī)器人，這樣的機(jī)器人跟的傳統(tǒng)的機(jī)器人有一個區(qū)別，就是它速度不是特別高，精度不是特別高。但是，有很高的智能，有很多傳感信息。所以說，能夠知道怎么樣，知道怎么跟人合作，不會傷到人，可以看到人做什么，學(xué)習(xí)起來非常容易，手把手教他就可以自動的編程，而且這樣的機(jī)器人成本不是特別，特別適合中小企業(yè)，或者單工位替工，但是這樣的機(jī)器人是不是真的能夠換人呢？我們看一個簡單的視頻，

　　這個事讓人做相對容易多了，但是我們用單工位機(jī)器人做起來還是非常費勁的。如果要讓他來疊衣服的話還沒有準(zhǔn)備好。我們也是做了很多非常先進(jìn)，酷的機(jī)器人，包括仿人的，說老實話，在從硬件設(shè)備商來說，已經(jīng)達(dá)到了登峰造極的水平了，就是人類對于用一個鋼鐵模仿柔體的生物獲得了一定的程度，即便這樣的技術(shù)上非常高，然后為什么我們做一些有時候看起來非常簡單的事情，反而還是不了呢？這個時候我們就是需要給他做一些改進(jìn)。比如我們看這個的話，這個是我們中國的香港大學(xué)李一兵機(jī)械狗。

　　從硬件上要做這樣一個狗，當(dāng)時李一兵他們團(tuán)隊沒花太多的時間和金錢做出來，而且得到了非常高的贊揚。就是說硬件上面我們要想做一件事情，實際上并不是那么難，但是為什么當(dāng)你要執(zhí)行一個任務(wù)的時候就會變成這樣難呢？我們再看看這個去年的DAPRPA。這個代表了現(xiàn)在最高的水平，當(dāng)他們完全單相指標(biāo)的時候都是非常的精彩，當(dāng)讓他們完成人類非常簡單可以做到的任務(wù)的時候反而他們做不到。從這些例子里面我們可以吸取什么經(jīng)驗教訓(xùn)，可以看到什么問題，引發(fā)我們什么思考，我們做機(jī)器人研究的時候，技術(shù)研究的時候，我們應(yīng)該注重哪些方面呢？所以這些事情我們就想引出我們下面的一些話題。

　　首先我們來比較一下，人和機(jī)器人。我們從幾個方面比較一下的話。如果我們說它移動性能，我們說機(jī)器人的移動性能的確可以做到跟人差不多。有時候比人強(qiáng)。所以再看靈活性，人絕對沒有問題的，機(jī)器人現(xiàn)在還不是那么完美。盡管我們有柔性關(guān)節(jié)等等，但是我們機(jī)器人主要還是鋼鐵，鋼鐵機(jī)器人的時候，跟我們?nèi)嵝赃€是有嚴(yán)重的區(qū)別的，那么操作性，大家都是差不多的。有的時候機(jī)器人可以更精確，可以更快，傳感能力呢？也應(yīng)該是差不多。而且機(jī)器人有時候會比我們傳感能力更強(qiáng)。但是智能方面機(jī)器人差得比較多。這樣一比，我們發(fā)現(xiàn)兩個地方，一個是靈活性，一個是智能。這里面是分別是硬件和軟件的問題。大家都有努力。這個實驗室的教授就是在做。里面是用這種驅(qū)動，仿人的肌肉，韌帶驅(qū)動來做的，這個說老實話有很長的路要走。那么，這個我們先說和人打交道，首先要知道人智能怎么樣。我們有視覺系統(tǒng)，90%的信息是視覺來的，還有嗅覺，聽覺。我們還有一個觸覺，這個不僅裝在手腕上，遍布我們所有的皮膚，這些角度來說，人類盡管裝配傳感器不是那么多，但是這些傳感器非常有效的發(fā)揮作用。我們?nèi)四X的能力超出異常，我們每秒鐘可以處理1萬億比特的信息。我們大腦每一秒鐘可以搜集4千億比特信息，大家覺得可能這個數(shù)據(jù)不靠譜，我們大腦每一秒搜集4千億比特，但是原因我們可能只對其中兩千條關(guān)注，其中七條有記憶。你搜集到的信息只有7條有記憶。最快只能對其中一條做出反映，比如我現(xiàn)在問大家，大廳里面有多少個出口，大家說不知道。但是你回頭一看，這個信息一直在那。但是我們沒有關(guān)注它，我們只關(guān)注其中有用的最多7條。這個我們是怎么關(guān)注的？我們?nèi)擞洃浻羞x擇性的。就是說因為我們有選擇性，根據(jù)我們的知識，根據(jù)我們的情節(jié)，根據(jù)我們做出判斷，這個我們根據(jù)我們經(jīng)驗就會說圓或方。我們有時候給你不相干的東西，讓你看的時候你不知所措，不知道往哪看，當(dāng)我問你這個圖片里這個人腰帶的顏色是什么的時候，再打開的時候，大家第一個關(guān)注的點就是它的皮帶，這就是人的視覺，和人的大腦對于信息能夠進(jìn)行分割處理，實際上是交集的方式，不至于我們大腦累死。所以用機(jī)器人，人工智能做信息處理的時候，我們往往沒有這樣的能力，比如說，有TOP  DOWN的功能，比如我兒子看到這個蒼蠅的時候，第一次，他不知道什么事。但是他見過蜜蜂，他就說這是一個蜜蜂，你告訴他這不是蜜蜂，是蒼蠅，他就更新他的記憶，他下一次看到蒼蠅的的時候就說是蒼蠅不是說蜜蜂。這是人保護(hù)自己的一個判斷。還有BOTTOM  UP，這獲取高級知識的方式，我們這個可以根據(jù)經(jīng)驗說是圓還是方。然后這個圖形我們根據(jù)人經(jīng)驗是人在騎馬，這樣圖象，大家有時候也能夠判斷出來要么一個狗在走。根據(jù)我們經(jīng)驗，根據(jù)我們判斷，這樣的圖象我們都能處理，但是作為機(jī)器人就是處理不了。人和機(jī)器人有好多的互補(bǔ)性。人我們好處的就是90%的信息是眼睛獲取的，我們傳達(dá)，表達(dá)出來的信息90%通過語言來表達(dá)的。所以說我們語音方面做得相當(dāng)不錯的。但是圖象識別方面還是做得很差。這是一個小女孩，看到一個照片以后可以解釋出來這里邊是什么現(xiàn)象。

　　這個是斯坦福大學(xué)人工智能的一個教授。

　　大家可以看到跟一個3歲小孩比還有很大的差距。那么就是和這樣的思路和想法，我舉個我們科研的例子。

　　第一個就是說大家做這個我們叫ACTIVE，這個就是我們用攝像機(jī)看的東西都是被動的，靜態(tài)的。我們捕捉的東西一個要觀測物和被觀測物他們之間的關(guān)系，我們往往建立這樣的東西，這個東西建立好以后什么東西都好做了，如果只是一個攝象頭，就能夠感知環(huán)境，感知你要操作的對象，但是放在移動平臺上就是被動的，因為你改變了攝象頭的狀態(tài)。不斷改變觀測的角度和位置，而且能夠把被觀測對象同時改變，達(dá)到更好的效果。這是第一個，我們小的例子。

　　第二個講的例子，我們開發(fā)的一個非常簡單OFFICE  ROB，這個一起人就是成本很低，就三千塊錢，可以自平衡，可以升降，這個OFFICE  ROB就是能夠自己上電梯，還能夠到達(dá)他想去的樓層，同時能夠進(jìn)出自如。所以要具備一些目標(biāo)和人辨識的功能，同時對這個按紐和樓梯的顯示這個功能。

　　最后一個就功能是里面有人，他按不到按紐，他需要用簡單的語音交流。就是幫我按一下三樓的電梯按鍵，如果他出不去，人多的時候，他會說去借過讓我出去。我們就是用非常簡單限定環(huán)境和限定任務(wù)的事情來驗證機(jī)器人的智能，如果我們把它限制在一個特定的范圍里以后我們可以做得非常好了。所以說這個就是來驗證這樣一個觀點。那么因為時間的關(guān)系我不再把它繼續(xù)講下去了。

　　這些東西我們要把它造得便宜，我們就是要把這些好多處理的能力，分類的能力，和智能決策能力反到云端，因為連接到網(wǎng)絡(luò)是非常簡單的事情，我們在網(wǎng)絡(luò)上可以把最先進(jìn)的，和最聰明的算法放在這個地方，所有的加起來就可以給我們提供完美的任務(wù)，那么其中，今天我想強(qiáng)調(diào)一點就是說我們在做KN的時候，硬件的東西會逐漸變成生產(chǎn)能力特別強(qiáng)企業(yè)在做。一些小型的東西，打印機(jī)可以打的除外。基本上大家如果要是做小批量的硬件的話，以后大家不會有太多的市場。大量的市場在什么地方？就是感知、人工智能、視覺智能等等。然后大量就是軟件的事情，就是在云端的決策和專家系統(tǒng)等等，大數(shù)據(jù)。還有一個東西對我們非常有幫助的就是物聯(lián)網(wǎng)。將來物聯(lián)網(wǎng)真的是到處都是的話，機(jī)器人辨識東西的能力就會大幅度提高，我們不需要費勁去認(rèn)這是一個什么東西。這個物聯(lián)網(wǎng)會告訴我們所有的事情來簡化我們計算機(jī)操作，到了那個時候機(jī)器人變成了社會的一部分，這個時代就真正到來了。今天簡單跟大家匯報就這么多。謝謝。