8月20日-25日，“2019世界機器人大會”在北京亦創(chuàng)國際會展中心舉行。8月22日，ABB（中國）有限公司首席技術官劉前進在新興應用與實踐論壇作了主題為《機器與人：從共存到共事》的報告。

  不管是Alpha Go擊敗李世石，還是Google語音訂餐，包括各種游戲，看著可能很炫，但是為什么不能干點正事呢？有觀點認為，讓計算機搬起茶杯要比打敗李世石困難得多，因為面對的所有空間、路徑都是不可知的。

  現(xiàn)如今，人類與機器人的關系，已從過去的競爭變成了現(xiàn)在的協(xié)作，也就是從競爭、共存、協(xié)作到未來的共事。例如在一些3C工廠，工人一天八到十個小時重復站在那里去做同一件工作，那么對這種工作，我們希望他可以完全被自動化替代。同時，利用人類的認知、適應或者創(chuàng)造等能力去做更加有意義的工作。

  而過去幾年中，火得不能再火的人工智能技術，他與機器人的結合，在工業(yè)互聯(lián)網(wǎng)的落地中起到什么作用，扮演的角色又是什么？

  通過文中的分析，你就會知道其實有很多有用的案例，例如：物流場景中，不同工件的識別和抓取等，此外，通過將人工智能、機器人技術引入到工業(yè)互聯(lián)網(wǎng)領域，還會帶來一些新的變化，過去幾年的主要變化就是在認知和理解方面所做的工作，現(xiàn)在我們看到強化學習推進的過程優(yōu)化都是完成這樣的過程。

  以下為劉前進的主題演講內(nèi)容，雷鋒網(wǎng)作了不改變原意的編輯與整理。

  很高興有機會和各位同仁交流，下面我分享一下ABB在機器人和人工智能方面的工作進展，包括我們做的一些比較好玩的事情。

  過去兩年，馬斯克創(chuàng)立了一家公司叫做Open AI，然后讓人類冠軍和計算機進行比賽，比賽結果是260：0，機器完勝了人類，大家看到這種新聞可能已經(jīng)覺得見怪不怪了。

  Alpha Go擊敗李世石，Google語音訂餐，包括今天玩的各種游戲，看著可能很炫，但是為什么不能干點正事呢？雖然是在玩游戲、下棋，其實背后更是一種挑戰(zhàn)，我們想把人工智能、深度學習和現(xiàn)實生活、工業(yè)等結合在一起。

看似簡單的工作，對機器人可能很難

  現(xiàn)實生活當中，可能沒有那么多規(guī)則和狀態(tài)的約束，就像游戲當中規(guī)定人類玩家冠軍不允許用這個，不允許用那個，但現(xiàn)實當中沒有那么多約束、沒有那么多條件，所以我們面對的現(xiàn)實情況要比游戲復雜得多。人生不是游戲，真正工業(yè)場景中需要人工智能技術處理的任務更為復雜。

  網(wǎng)上有幾句話比較有意思，比如摩拉韋克悖論，我們看到很復雜的事情，玩游戲、下圍棋，上周我也看到澳門人工智能大會也有人拿象棋進行示范，盡管這些都是相對不難的，可以挑戰(zhàn)我們的認知，但是如果想讓電腦像人一樣去做一些小孩的感知呢？

  去年有一部視頻非常有意思，一個人搬著大箱子把門撞開，并雙手使勁去轉把手，然后角落站著一個三歲小孩看著這個人試了兩次打不開，他就直接走過去把門打開了。試想一下，如果沒有任何訓練和學習，我們的電腦是做不到這件事情的，所以讓機器人完成看似很簡單、很基礎的工作其實是非常難的。

  今年的CVPR大賽上，英特爾CTO提到，讓計算機搬起茶杯要比打敗李世石困難得多，因為面對的所有空間、路徑都是不可知的。

人機關系：從競爭到協(xié)作

  傳統(tǒng)機器人都是任勞任怨的機器人，就是不停重復高精度、精準的工作，要是真正和人配合進行人機協(xié)作就會讓機器人一下子變得親和許多，所以我們把它叫做協(xié)作機器人。

  過去幾年我們經(jīng)常提到工業(yè)4.0，比如機器換人、設備上網(wǎng)、數(shù)據(jù)上云，這是工業(yè)4.0針對工業(yè)3.0的主要變化趨勢。我們所說的自動化和自主化需要有更高的水準，但不是完全的無人化。

  就像前面提到的，過去的十年當中很多工作消失了，也有很多新的工作出現(xiàn)了，但人始終是不可替代的，因為人在這個過程當中能創(chuàng)造更多工作的機會和工種。同時，自動化發(fā)展水平也是這樣，我們不是100%無人化的工廠，包括無人倉庫、無人超市，背后還是需要有人創(chuàng)造更多的工作，包括一些新的工作崗位。

  關于機器換人，更多的是替換藍領工人的工作，就是把人類原來重復的、低技術含量的工作通過機器進行替代。如果有機會去到一些3C工廠，可以發(fā)現(xiàn)那些工廠的工作環(huán)境是非常差的，讓工人一天八到十個小時重復站在那里去做同一件工作，那么，這種工作就沒有必要保留？我們希望他可以完全被自動化替代，這樣可以提高效率，把人釋放出來，利用人類認知、適應能力或者創(chuàng)造能力去做更加有意義的工作。因此，人機協(xié)作一定會有更好的前景，也讓我們的生活變得更加有意義。

  人機協(xié)作能夠達到什么狀態(tài)呢？一個真正協(xié)作的機器人，就是不用加上視覺和傳感裝置，就可以被動地和人進行合作，而且能夠很靠近人，和人產(chǎn)生互動。我們通過傳感視覺讓大型機器人和人產(chǎn)生間歇性的合作，這是目前工業(yè)領域人機協(xié)作最好的狀態(tài)。

  我們要對人機協(xié)作有更高的要求，那么工廠當中協(xié)作需要什么狀態(tài)？我們知道機器有一個安全工作區(qū)域，可以在工作范圍以外有一種共存，原來說是機器換人，現(xiàn)在變成人機共存，但光是共存是不夠的，還是對空間有比較苛刻的要求，有沒有可能人進到機器工作的范圍以內(nèi)？未來不僅是共享空間，還要共享時間，就是在緊密的工作區(qū)域內(nèi)和機器完全互動，機器人可以接受零件，完成整個工業(yè)流程。

  人機從過去的競爭到現(xiàn)在的協(xié)作，也就是從競爭、共存、協(xié)作到未來的共事，真正和人一起去工作，這是我們對人機協(xié)作定義的狀態(tài)。

工業(yè)場景中的人工智能

  關于過去幾年一下子火得不能再火的人工智能，我們應該怎么看待？過去幾年，深度學習領域有很多突破，深度學習網(wǎng)絡和卷積神經(jīng)網(wǎng)絡就像一個通用的函數(shù)逼近器，無論有任何復雜的工況、功能和函數(shù)，我們可以無限地逼近你、靠近你，達到一個立式的精度完成。就像現(xiàn)在我們做的人臉識別和游戲示范，能夠達到人類無法企及的高度，要在這些數(shù)據(jù)統(tǒng)計當中產(chǎn)生知識，并和人類專家結合，這是工業(yè)當中我們期望看到的，算法和專家結合起來之后能夠增加人類潛力，也有更多的應用機會，這是我們未來希望看到人工智能的方向。

  我們是把機器學習和深度學習在各種工業(yè)場景，包括光伏、風電做了很多不同的示范，總結下來就是三類：

  首先，是預測維護。根據(jù)設備的現(xiàn)場數(shù)據(jù)可以從歷史數(shù)據(jù)當中預測數(shù)據(jù)會不會有什么問題，不是等到故障以后再做緊急的修補或者定期的維護，電力行業(yè)一年一小修、三年一大修，無論設備有沒有出狀況，都需要維持好的維護團隊，但是不能保證維護團隊有足夠的經(jīng)驗和知識處理維修工作，一個大的設備進行維修以后很難判斷可靠性是提升，還是下降。

  再者，資產(chǎn)健康軟件系統(tǒng)。過去一年我們在內(nèi)蒙電網(wǎng)全面推廣我們的軟件系統(tǒng)，叫做資產(chǎn)健康軟件，第一次實驗是在2017年示范，覺得剛剛做過運維應該不會有問題，結果上了軟件以后發(fā)現(xiàn)有七臺大型變壓器可能會有問題，要不要挑出幾臺檢查一下？后來發(fā)現(xiàn)運維的過程當中不小心碰到了繞阻，導致繞阻出現(xiàn)扭曲變形，也會帶來一些安全隱患，可以說是非常好的和工業(yè)結合的狀況，我們在做和生產(chǎn)運營過程相關的，能夠提高整個生產(chǎn)運行的水平。

  最后是遠程服務中心。通過遠程檢測了解故障，也有最好的專家保障設備的安全運營。這是我們在2018年做的全球首例無人駕駛傳播，地點是在赫爾辛基，北海附近有些居民，我們在島內(nèi)不停穿梭，最新的電控系統(tǒng)和自主駕駛的功能這樣結合，產(chǎn)生一些新的功能模塊，不只是能做運營監(jiān)控、遠程分析和艦隊管理，整個工作叫做運營中心，現(xiàn)在我們可以在全球建立一套網(wǎng)絡，針對所有海洋船舶提供服務。我們知道一艘大型運輸船舶希望保障最好的可靠性，同時有最好的空間為運貨提供服務，這樣就會產(chǎn)生兩難問題，規(guī)劃好路線之后可以得到最好的燃油性價比，包括最多的空間提供運營生產(chǎn)能夠得到的價值回報。

機器人

和人工智能如何結合？

  關于機器人的安裝和使用，現(xiàn)在的機器人使用的時候，雖然相比過去有很大的進步，但還是有些復雜。

  以前可能需要一個專門的工程師花幾天編程來做更好的規(guī)劃，交響樂師和機器人工作了七個小時完成了兩首曲子的編排，能夠像人一樣非常優(yōu)美地把比賽盒滑來滑去，精準完成比賽的過程。然而，現(xiàn)在我們覺得還不夠，未來希望可以不用專業(yè)工程師去教它，機器人在看到我們的產(chǎn)業(yè)線工人在做什么就會主動了解這項工作，以及自己能不能完成。

  我們把最新的研究成果，以及機器人的安裝示范過程結合起來的難度在哪里？

  大家知道，Image Light的識別率從70%提升到了90%，這是非常好的例子，但是和機器人結合的話會發(fā)現(xiàn)現(xiàn)場工況很難標注，沒有辦法預測所有的場景。上面我們提到DOTA游戲，最重要的就是上下左右回車，實際上我們的工作不只是上下左右。更重要的是規(guī)律，要是能夠把規(guī)則完全定義好就是我們自動化工人做的事情，但是一定會有域外發(fā)生，能夠依靠人工智能呢？完成依靠從大數(shù)據(jù)抓取數(shù)據(jù)的AI來做件這事情嗎？

  因此，數(shù)據(jù)和AI結合的話會有很大難度，包括三個不同層次：

  第一層次，可以把現(xiàn)在我們深度學習做的一些工作來做位置識別，準確知道機器人抓取要到什么地方，我們也做了很有意義的示范；

  第二層次是技能，就是做了什么工作，然后指導機器人完成，甚至給出一個起始點和終點以后根據(jù)過去我們所做的數(shù)據(jù)強化學習完成某個規(guī)則。經(jīng)過一段時間的強化訓練以后，發(fā)現(xiàn)我們可以達到這種效果，就是600多萬個不同種類的空間之中，機器人強化學習可以達到96%的識別率，之后我們會有更好的辦法，希望達到99%以上，甚至再有新的東西出來以后能夠簡化學習的過程；

  第三層次是應用程序的端到端學習，自己學習背后的機理、經(jīng)驗和知識，抓住以后可以變成規(guī)則。

  通用函數(shù)是不可解釋的，雖然可以很粗暴地達到一定精度，但是你不知道它的時候就不能用，這對工業(yè)來說幾乎是不可接受的，所以我們希望能夠有更好的辦法讓它變得更加可解釋，更加容易泛化，也更容易合作。

  在湛江，ABB有一家合作的公司，這是國內(nèi)最大的海鮮制品公司，其產(chǎn)線基本是全程自動化，除了一個環(huán)節(jié)。當我們在必勝客吃鳳尾蝦時，要先把皮去掉，如何讓不同形狀大小的蝦讓機器識別，既能保證足夠的肉又能夠把皮剝掉？這個環(huán)節(jié)必須由人完成，所以給人0.5平米的工位，人就站在那里八小時不停地把蝦扒出來放到指定位置。不說這個工作很辛苦，光是味道就會讓你覺得很難受。

  我們的科學家到了現(xiàn)場看了實際情況后，通過不同的照片標注、識別、確定精準度，最后可以達到98%的精度，這樣就是最后一個環(huán)節(jié)通過自動化，這位同事就在現(xiàn)場聽報告。拍下一張圖片當中有幾十只蝦，通過算法推理一下子就把蝦的抓取點標識出來，交給機器人之后完全可以完成剩下的工作，“機器人抓蝦，不抓瞎”。

  這是物流場合大家經(jīng)常碰到的場景，就是不同的工件混合在一起進行抓取，難度在哪里呢？

  因為形狀不規(guī)則，傳統(tǒng)的機器視覺很難做到，而且是堆放在一起的，即使是不同規(guī)則輸入庫里，怎么保證產(chǎn)生新的形狀，知道哪個先抓，哪個后抓。這是目前工業(yè)機器人領域能夠把混合、堆疊、識別做到最高的水平的一個案例，也是目前我們做到的最好Case。

  工業(yè)人工智能，或者是把人工智能做得有意義的事情和機器人進行結合。傳統(tǒng)的方式是用一個完成的模型，然后我們執(zhí)行感知分析和控制邏輯，這是傳統(tǒng)工程師在做的工作。人工智能引入這個環(huán)節(jié)會帶來一些新的變化，過去幾年的主要變化就是在認知和理解方面所做的工作，現(xiàn)在我們看到強化學習推進的過程優(yōu)化都是完成這樣的過程。

  工業(yè)人工智能我們希望做的不僅是認知和理解，具體解決也可以帶來更多的突破。一個工廠當中的自動化系統(tǒng)一定有些場合、有些場景不是我們工程師提前預測到的，之前沒有預測和發(fā)生過的事情我們能怎么做？能不能讓機器自我學習，處理一些之前沒有預料到過的狀況，沒有發(fā)生過的事情，可以有些基本的識別和判斷，給出可以解決的方案出來？這是我們期待工業(yè)人工智能未來所做的工作，這個過程當中人是永遠存在的，不僅是監(jiān)測整個生產(chǎn)過程，隨時可以取代自動化系統(tǒng)，介入、操作和完成。這是我們自己對工業(yè)人工智能的定義，從自動化到自主化，希望未來我們能夠有真正完全自主化的工作環(huán)境，也為人類創(chuàng)造更美好的環(huán)境。

  雷鋒網(wǎng)總結：

  人機關系的改變，從過去的競爭到現(xiàn)在的協(xié)作，以及未來可能真正和人一起去工作，這些轉變將會給人類的生產(chǎn)生活帶來極大的便利。傳統(tǒng)機器人都是任勞任怨的機器人，就是不停重復高精度、精準的工作，而協(xié)作機器人的出現(xiàn)，可以真正和人配合著一起工作。

  現(xiàn)如今，工業(yè)互聯(lián)網(wǎng)的概念愈發(fā)火熱，各種新技術層出不窮，而人工智能、機器人的應用將進一步為工業(yè)互聯(lián)網(wǎng)賦能。隨著國家層面對產(chǎn)業(yè)升級、創(chuàng)新、經(jīng)濟新動能的進一步強調(diào)，工業(yè)互聯(lián)網(wǎng)作為智能制造的基礎平臺，將會在整個制造業(yè)發(fā)展過程中起到越來越關鍵的作用。