【时长14'07''，建议在WiFi条件下观看视频】

本视频出自 2016万有青年大烩

　　

　　机器人和电脑的区别是什么？

　　大家可以花一秒钟想一下。

　　我认为区别在于操作的能力。举个例子，Siri，是一个很聪明的电脑，它可以跟你对话，但它不能拿东西，它没有办法去没有操作任何现实世界的物品。

　　但一提起哆啦A梦，你会觉得它是一个机器人。

　　

　　大家仔细观察哆啦A梦是怎么拿东西的？你会发现它会伸出一个小手指。

　　

　　不记得是2011年还是2010年，PNAS曾发表一篇论文，由芝加哥大学、康奈尔大学几个研究组一起合作，研究出了一个现实版的哆啦A梦的手。

　　

　　这边就是当时论文里面得不同的配图，有它的结构，有它的原理，有它对不同物体识别的方式，以及最后测评的一个效果。

　　

　　这个东西有几种不同的实现，它的原理非常简单。下图中，最左边就是我在2011年的时候自己实现的，我当时在一个气球里面装满了大米，然后拿一个吸尘器吸，其实当时直接用嘴吸都可以达到这个效果。中间是南洋理工的一群人自己在网上做的，大家在网上可以搜到。右边那个是正式拿了发明者的授权成立了商业公司做成的产品，是一个商业级别的真正的gripper（抓手）。

　　

　　机械臂如何完成一个动作路径？

　　Manipulation（操控）主要分成三个部分，这也是机器人做任何具体的动作，做任何具体的事情要经过的三个步骤，分别是感知、规划和操作或者是运动。这可以认为是我这5年来干的事情。

　　我们做了一个通用机器人，它的实现形式是一个移动的操作臂，也就是机械臂，叫做mobile manipulator。下面这个是在我们办公室里面，机械臂自己导航到仓库，看盒子里面有什么东西，去判断盒子里东西的位置、姿态是什么样子的示例。

　　

　　机器人从底座的移动到机械臂的移动，到如何实现对物品的识别，到抓取，到避开，都是完全自动的，没有任何的人工帮助。这本身也是两台机器人配合的一个过程。

　　感知：描述周边环境

　　

　　先讲第一个感知的部分。感知就是要描述你周围的世界，你周围的环境是什么样子的。这是借用现在最火的自动驾驶的图，自动驾驶其中很重要的能力就是感知。

　　

　　这张图显示的是recognition的部分，它可以识别一个图片里有什么东西，大概在哪个方位。这也是传统的CV里做的最多的一点。

　　

　　这张是segmentation，就是把图片做一个分割，比如把人全部染成绿色，道路全部染成紫色，识别出来标志信号是黄色的。把画面里这些不同的功能加以区别，这样一来机器人就可以进行下一步的动作。

　　而我们目前集中力量做的，也是做真正有操作能力的机器人需要攻克的难点，是pose estimation，也就是判断一个物品的姿态。

　　

　　大家可以看到，右面图里有个白色的区域，这是系统识别零食盒的一个模板，当零食盒被转动之后，系统能够重新识别出它再画面里具体哪个位置，通过重新计算之后白色的区域又再次准确识别了零食盒的方位，更重要的是它朝着什么方向。

　　那么感知还有其他的方式，比如说触觉。

　　

　　这是基于电子的触觉传感器的原理图。

　　

　　这是基于光学的触觉传感器的一个原理图。

　　

　　这个触觉传感器非常非常昂贵，大概是15000美金一支。它是基于流体内部的定位、电压区别，做的一个触觉的传感器。

　　

　　在所有的这些事情里面，科学的部分和工程的部分，其实并不是泾渭分明的，但是大家可以看到哪些部分属于科学，比如说光学、比如说电的基本原理，电阻是怎么工作的，电路本身是怎么工作的，比如说在做视觉识别的时候，怎么做模式识别，怎么用神经网络判断什么东西是什么，在什么地方，这都是属于科学研究的部分，特别是像计算机里面相关的内容，都是属于我们叫做形式科学的部分。

转载请注明出处。