機(jī)器人技術(shù)-從自動(dòng)化到智能系統(tǒng)

本文簡(jiǎn)述了在過(guò)去的幾年中我們?cè)谧詣?dòng)機(jī)器人研制領(lǐng)域所取得的進(jìn)展，并介紹了在工業(yè)環(huán)境中，為成功實(shí)現(xiàn)機(jī)器人自動(dòng)化部署所解決的基本問(wèn)題。本文還將為我們描述在更復(fù)雜的場(chǎng)景中，自動(dòng)化技術(shù)落地應(yīng)用所面臨的一些挑戰(zhàn)，如城市車輛自動(dòng)化等。機(jī)器人操作器最初在20世紀(jì)50年代末期取得應(yīng)用，它率先被人們引入汽車制造領(lǐng)域。在隨后的發(fā)展中，液壓系統(tǒng)逐漸被電動(dòng)機(jī)取代，這使得機(jī)器人更加靈活可控。起初，機(jī)器人僅在極其受限的使用場(chǎng)景中被用于如焊接等高重復(fù)性的工作，它們的操控設(shè)計(jì)完全從機(jī)器人內(nèi)部的運(yùn)動(dòng)學(xué)角度出發(fā)，并不涉及其所處環(huán)境狀況的感知信息。該領(lǐng)域的首次創(chuàng)新始于20世紀(jì)80年代初期，我們引入了由相機(jī)提供的視覺(jué)反饋，并添加了幾種不同模式的傳感器以監(jiān)測(cè)環(huán)境并與環(huán)境相互作用，如激光與力傳感器等。然而，由于上述機(jī)器人操作器大多情況下均在固定區(qū)域進(jìn)行作業(yè)，故機(jī)器人位置的不確定性幾乎為零，對(duì)我們而言，其外部環(huán)境也可以被輕易模型化并深刻理解。當(dāng)機(jī)器人需要在其作業(yè)環(huán)境中移動(dòng)時(shí)，情況便截然不同了。為解決這個(gè)問(wèn)題，定位與感知這兩項(xiàng)新的核心能力就變得至關(guān)重要。在作業(yè)區(qū)域內(nèi)移動(dòng)的機(jī)器人需要被定位，即確定其相對(duì)于導(dǎo)航參考系的位置和方向。此外，我們更需對(duì)相鄰作業(yè)域的情況進(jìn)行準(zhǔn)確的展現(xiàn)，以確保機(jī)器人可以安全移動(dòng)而不與其他物體發(fā)生碰撞。我們?cè)谑覂?nèi)環(huán)境中首次成功實(shí)現(xiàn)了地圖測(cè)繪以及機(jī)器人定位演示，并主要對(duì)超聲波傳感器的信息進(jìn)行處理以獲得高清晰度地圖。此過(guò)程包含了在手動(dòng)操作下，在作業(yè)環(huán)境中移動(dòng)機(jī)器人以構(gòu)建導(dǎo)航地圖，以及在隨后的自動(dòng)作業(yè)中通過(guò)該地圖對(duì)機(jī)器人進(jìn)行定位等。而下一個(gè)突破則體現(xiàn)在上述兩個(gè)過(guò)程的同步實(shí)現(xiàn)中，該技術(shù)開拓了一個(gè)非常活躍的研究領(lǐng)域，即我們所熟知的即時(shí)定位與地圖構(gòu)建（simultaneouslocalizationandmap-ping,SLAM）。這些新算法支持在探索新區(qū)域時(shí)同時(shí)進(jìn)行地圖構(gòu)建以及定位，這在很大程度上促進(jìn)了大型室內(nèi)自動(dòng)設(shè)備的部署。戶外環(huán)境中，自動(dòng)技術(shù)的首例重要應(yīng)用為野地機(jī)器人，它涉及了諸如裝卸（圖1）、開采以及防御等領(lǐng)域的大型機(jī)器的自動(dòng)化。

圖1.在澳大利亞布里斯班港口運(yùn)行的全自動(dòng)跨運(yùn)車在野地機(jī)器人學(xué)中成功應(yīng)用該技術(shù)需要確保機(jī)器始終處于受控狀態(tài)，即使在某些部件出現(xiàn)故障時(shí)亦是如此。這需要開發(fā)基于各種不同模式傳感器（如雷達(dá)和激光）的新傳感技術(shù)。這些概念對(duì)于高完整性導(dǎo)航系統(tǒng)的開發(fā)至關(guān)重要。該系統(tǒng)如參考文獻(xiàn)中所述，包含了多套基于不同物理原理的傳感器，這可以確保不會(huì)有兩種傳感器同時(shí)發(fā)生故障。類似的設(shè)計(jì)理念在其他領(lǐng)域亦有應(yīng)用，如在采礦機(jī)器人中，我們運(yùn)用自動(dòng)化孤島的設(shè)計(jì)理念，即開發(fā)一個(gè)只允許自動(dòng)化系統(tǒng)運(yùn)行的區(qū)域以實(shí)現(xiàn)局部?jī)?yōu)化。這種基本約束對(duì)于在眾多工業(yè)實(shí)踐中自動(dòng)化系統(tǒng)的成功開發(fā)及應(yīng)用至關(guān)重要。機(jī)器學(xué)習(xí)技術(shù)已開始在野地機(jī)器人的自動(dòng)化中發(fā)揮重要作用。在過(guò)去的5年里，我們已經(jīng)見證了大量不同種類的有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)算法取得成功。其中，它們?cè)谵r(nóng)業(yè)領(lǐng)域中取得的應(yīng)用更令人印象深刻（圖2）。現(xiàn)如今，基于視覺(jué)所開發(fā)的系統(tǒng)已經(jīng)取得了廣泛應(yīng)用。它們能夠?qū)⒆魑锱c雜草進(jìn)行分類并加以區(qū)別，亦可以監(jiān)測(cè)作物的健康狀況并遠(yuǎn)程自動(dòng)監(jiān)測(cè)土壤條件。

圖2.智能機(jī)器人在農(nóng)業(yè)領(lǐng)域的應(yīng)用自動(dòng)化機(jī)器人與人類以及其他手動(dòng)操作機(jī)器之間的交互是一個(gè)更為復(fù)雜的問(wèn)題。該研發(fā)領(lǐng)域的一個(gè)熱門課題便是城市環(huán)境中無(wú)人駕駛汽車（autonomousvehicle，AV）的運(yùn)行（圖3）。一輛AV必須以一種可預(yù)見程度高且非常安全的方式與其周圍動(dòng)態(tài)變化的世界進(jìn)行交互。其感知系統(tǒng)負(fù)責(zé)在所有可能出現(xiàn)的環(huán)境條件下提供車輛周圍的完整信息感知，這包括車輛附近的所有固定、移動(dòng)物體的位置。此外，安全的AV運(yùn)行還需要估計(jì)其他駕駛員和行人的意圖，以便能夠?qū)ν话l(fā)情況進(jìn)行預(yù)測(cè)并相應(yīng)地制定應(yīng)對(duì)策略。

圖3.在大學(xué)校園內(nèi)運(yùn)行的AV電動(dòng)汽車大多數(shù)汽車制造商及相關(guān)研究機(jī)構(gòu)目前正在投入大量資源，以期在未來(lái)幾年內(nèi)引入這項(xiàng)技術(shù)。這加速了與自動(dòng)化相關(guān)的所有領(lǐng)域的進(jìn)展，包括新算法的開發(fā)以及低成本傳感能力和計(jì)算能力的構(gòu)建。通過(guò)利用各種傳感器，如激光器、雷達(dá)、照相機(jī)和超聲波裝置等，我們?cè)跈C(jī)器人的感知方面取得了重大進(jìn)展。每種模式的傳感器都有其優(yōu)點(diǎn)和缺點(diǎn)，任何強(qiáng)大的設(shè)計(jì)都必須對(duì)不同的傳感器類型進(jìn)行組合才能實(shí)現(xiàn)功能的完整性。任何種類的傳感器都可能會(huì)出現(xiàn)故障，這可能是由天氣或其他環(huán)境因素等多種情況所造成的。正如我們所熟知的，盡管相機(jī)可以獲取優(yōu)質(zhì)的適宜分類的紋理信息，但是在大雨、大雪以及極端霧霾天氣下，它的表現(xiàn)總是不盡如人意。而激光可以為我們提供良好的距離信息，對(duì)于雨水環(huán)境也更具魯棒性。然而蒸汽、重塵、煙霧等環(huán)境對(duì)它的影響是災(zāi)難性的。眾所周知，雷達(dá)在各類天氣情況下均表現(xiàn)穩(wěn)定，但它卻缺少其他感知方式所具有的分辨率以及判別能力。目前，我們的主要研究方向即是致力于融合不同模式的傳感器，以保證在所有可能的作業(yè)條件下其傳感能力的完整性。另一個(gè)取得巨大進(jìn)步的領(lǐng)域是深度學(xué)習(xí)。大量計(jì)算和內(nèi)存資源的使用使得我們可以訓(xùn)練具有大量數(shù)據(jù)的高維模型。深度學(xué)習(xí)的最大優(yōu)勢(shì)在于我們不需要設(shè)計(jì)特征以訓(xùn)練模型。該技術(shù)中的視覺(jué)傳感自動(dòng)標(biāo)定技術(shù)，也就是我們通常所說(shuō)的語(yǔ)義標(biāo)注技術(shù)令人印象深刻（圖4）。上述方法使用大量數(shù)據(jù)來(lái)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)以實(shí)現(xiàn)自動(dòng)地對(duì)圖像中的每個(gè)像素進(jìn)行分類，并與可能集合內(nèi)的類進(jìn)行對(duì)應(yīng)。上述網(wǎng)絡(luò)的一個(gè)突出優(yōu)勢(shì)在于它們可以被重新訓(xùn)練并在計(jì)算量相對(duì)較低的其他場(chǎng)景中取得應(yīng)用。這通常被稱為“學(xué)習(xí)轉(zhuǎn)移”。這些技術(shù)是現(xiàn)今最先進(jìn)的高級(jí)駕駛輔助系統(tǒng)（advanceddriver-assistancesystem,ADAS）和AV的重要組成部分。

圖4.原始圖像（左）、對(duì)象的語(yǔ)義標(biāo)注（右上），以及車輛路徑預(yù)測(cè)（右下）AV技術(shù)的發(fā)展仍然存在重大挑戰(zhàn)，如定位、感知完整性、與手動(dòng)駕駛車輛及行人的交互以及AV技術(shù)本身的安全認(rèn)證等。（1）定位。AV技術(shù)需要一定的定位精度，這只能通過(guò)使用預(yù)先制作的高清地圖來(lái)實(shí)現(xiàn)。構(gòu)建和維護(hù)這些地圖的過(guò)程非常具有挑戰(zhàn)性，因?yàn)檫@類地圖必須具有魯棒性，并且其使用應(yīng)當(dāng)在全國(guó)或世界范圍內(nèi)具有普適性。（2）高完整性感知。目前，有關(guān)技術(shù)的嘗試只能在特定的良好天氣及環(huán)境條件下進(jìn)行，用于感知的典型傳感器，如視覺(jué)和激光傳感器，在濃霧、雪或灰塵下操作時(shí)可能會(huì)產(chǎn)生災(zāi)難性的故障。（3）學(xué)習(xí)如何駕駛。駕駛是一個(gè)多模塊協(xié)同作用的過(guò)程，不同的組塊交互影響、協(xié)同工作以達(dá)到同一個(gè)目標(biāo)。這種能力對(duì)于機(jī)器人而言仍然非常困難，因?yàn)檫@需要推斷所有交互參與者的意圖并施以一定的溝通技巧，以便通過(guò)安全高效的方式做出決策。（4）AV的認(rèn)證。AV的發(fā)展現(xiàn)狀表明，在城市道路環(huán)境下，AV的運(yùn)行是可行的。但我們很難證明在所有可能的交通環(huán)境下AV均可安全運(yùn)行。參考文獻(xiàn)為我們介紹了該領(lǐng)域的一項(xiàng)綜合性研究，作者承認(rèn)將始終存在涉及AV的交通事故。然而這些作者提出將上述事