‘新京葡萄京’AIR043|MIT机器人实验室主任：机器人的12项前沿技术趋势（上）

美国麻省理工学院（MIT）仍然是机器人科技研究的先驱，这个实验室曾研究出有猎豹、Atlas等震撼世界的军事机器人。那么，随着DeepMind AlphaGo、Atlas等前沿人工智能技术的发展，机器人领域的研究会经常出现哪些新的趋势呢？在CCF-GAIR全球人工智能与机器人峰会机器人专场上，MIT机器人实验室主任、IEEE、AAAI Fellow、美国国家工程院院士Daniela Rus早已不作了报告演讲，描写世界机器人领域十二大前沿技术趋势：机器人领域的“摩尔定律”或许大家实在这张图未来主义，但事实上我们一定程度上早已构建了，机器人可以应用于送来包覆、清扫环境、货物整理、自动驾驶、生活辅助等等场景。

此外，我们也早已看见一些公司，他们早已发明者了两种单臂协作的机器人，并应用于生产。这些例子告诉他我们的是，机器人显然早已从科幻改以当前的科学现实。我们需要让机器人更为有能力，更为的有智能。值得一提的是，机器人领域也不存在类似于“摩尔定律”这样的颠覆性规律。

还包括生产工具、设计工具等领域，互联网性能的政治宣传速度间隔6年就不会发生变化。某种程度，工厂机器人的数量也是间隔5年就不会翻一番。

目前，我们继续早已检验了这一事实，而我坚信未来这个政治宣传的频率不会更高。未来这个世界，每个人都有可能享有机器人，机器人就看起来在路上跑完的汽车一样少见，我把它称作“绿在机器人”的世界。这些机器人将需要与人类协作已完成许多任务。当然，现在我们还没抵达这样的阶段，因为还有很多技术问题必须解决问题。

比如机器人如何跟人对话，如何自我推理小说解决问题……以及，我们如何较慢、低成本地生产新的机器人？接下来，我跟大家共享一些技术的趋势，这些都需要协助我们解决问题上述的问题。十二大机器人技术趋势软体机器人之前的机器人都是钢体的，但这样的结构并无法很好地适应环境各种环境。软体是所指把机器人的结构生产成坚硬灵活性的，像人体结构一样。一般来说，软体机器人的身体结构利用硬硅胶生产的，强化其适应性，需要适应环境有所不同的不得而知环境。

基于肌肉运作的原理，我们找到这样的结构让机器人更为灵活，能过更加较慢地已完成某些特定任务。除了硬硅胶，我们还可以用水或是空气去驱动软体的结构。

比如这个（缩放版）机器人，它外形像一条蛇，而表面这些泡泡可以通过缩放和增大的动作来驱动机器人的活动。我们可以看见，把机器人放在管道当中时，它就可以自动去检测周围的环境，塑料型的适应性是钢体机器人不能相提并论的。同理，我们也可以去建构机器鱼。

如图所示，它像实际的鱼一样可以活动，需要90度的弯道，可以较慢地抓住捕猎者。仅有靠其软体尾部，机器鱼需要在水中上下游一动。我们早已看见了软性机体的重要性，一本新的期刊《软体机器人》期刊早已出来两年了。通过这本期刊我们告诉，软体机器人在机器人学科当中的重要性名列最低，也就是说大家对软体机器人的关注度是最低的。

Manipopulatetion ：灵活性操作者除了软体机器人，另外一个提高和提升机器人的技术是：灵活性的捕捉、运送操作者。钢体的机器人只需要看清楚物体的大小，射击每一个指头放到哪里才能捕捉物体，但人不是这么操作者的。

我们要拿一个东西时，抱住、捕捉以十分倒数的动作已完成，不必须思维大小还是运用哪个手指。于是以因为要对手指头的方位的精准拒绝，让机器人使劲不道德有了相当大的局限性，它们没办法应付点状的物体。而软性搬放就应运而生。因为不必须细心地看这个物体放到哪个方位，也会受到形状的掌控。

比如，它可以捕捉鸡蛋、纸条。于是以因为这个机器人有十分柔性的结构，它可以权利地应付各种不确认因素。

我们还可以通过映射一些非常简单的传感器，来让机器人享有分辨实际物体的能力。当然，这其中还无法百分百做，某些场景中的辨识正确率偏高。纵向或者是用于两个指头拿成功率不会低些，因为纵向捕捉累积了更加多的数据，告诉怎么捉；而两点捕捉的信息就较为较少了。

语言交流就算有软体结构，有的时候机器人也不会告终。为什么呢？如果机器人抓不住，它可以告诉他人经常出现什么问题，但它无法。

通过观察可以找到，机器人在继续执行一个任务时，人类一点点介入也不会几乎转变它的计划。如何提升人机协同互动性呢？如果机器人能过非常简单说一句“帮帮我，我卡住了”，这也能解决问题，但目前它还办不到。

除此之外，如果机器人还可以自省，根据自己的数据计算出来出有新的决策行动，从而防止这个故障。因此我们期望彰显机器人这个能力。我们研发了一个程序规划系统，机器人可以通过这个规划系统思维自己的行动过程——卡住时可以想一想“为什么卡住，怎么样可以挣脱这个障碍”，或者把这个点子和人类交流——“请求把桌子搬起来”。

所以想象一下，机器人必需要有交流能力，十分清晰明确地与外界交流。否则，它不能说道“帮帮我”的话，人类过来还得检查看一看它究竟有什么问题，这样效率就很低了。

云端大数据协助自学我们告诉，机器人也必须自学。但是，我们人类从出生于起每天可以拒绝接受大量的数据，从而展开自学，而对于机器人来说，数据储存就更容易内存不足。一辆自动驾驶汽车一个小时就有1TB的数据，很难分析。

所以，我们必须把抽象化度提高，使得搜集的数据需要超过较高阶的程度，减少储存压力和计算出来量。荐个例子，左边是一个GPS的数据流，如果对于这个GPS的数据流我们需要创建起有意义的结构，就能过借此概括出有一些能萃取的信息，然后做到高阶的推理小说。比如自动驾驶到了某一个方位，就告诉要继续执行什么任务。

从数据流当中萃取数据，展开抽象化处置，并概括出有有意义的信息——这是接下来要共享的核心级技术——通过一个算法，在大数据当中分析一些小的数据集，这些小型数据集需要体现出有整个数据运算结果。某种程度一个例子：我们利用Coresete的方法，通过对视频的分析得出结论数据集数，然后把有所不同的色彩展开集中于，借此可以用分析出有更好更加简单的视频。

电影画面里面16500帧，我们只必须用1152个Coresete数据点就可以进行分析。多机器人系统只有一个机器人时，需要已完成的任务受限，我们必须许多个机器人构成一个自动化系统。

所以，第五个趋势就是多机器人系统。当几个机器人人组到一起时，每个机器人都有各自负责管理的工作。

当然了，假如现在开建一座小木屋，其中不会有一个机器人负责管理搬到零件，而另外的机器人不会负责管理其他的工作。所以，我们可以看见这四个机器人在协作。

机器人必需要需要相互的交流、协商，才需要告诉要在什么时候因应同伴继续执行任务。这是个挑战。它们必须理解自己的任务，又要告诉整个集体任务的情况。

按须要生产我们的目标是，让一个机器人可以通过3D打印机必要打印机出来，但是这不是一般的外壳打印机，在3D打印机当中要有驱动机制，我们可以看见里面的电子结构。这里只不过是一个非常复杂的机制。AIR 046 | MIT机器人实验室主任：机器人的12项前沿技术趋势（下）原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：新京葡萄京-www.agentangkasnet303.com