久久99国产精品尤物-国产高清色播视频免费看-男生肌肌往女人桶爽视频-精品国产-91PORNY九色|www.jqdstudio.net

機(jī)器人4.0白皮書

點(diǎn)擊：  作者：記者    來源：達(dá)闥科技  發(fā)布時(shí)間:2019-07-03 10:53:56

 

       近日，達(dá)闥科技聯(lián)合英特爾、新松機(jī)器人、科沃斯商用機(jī)器人共同發(fā)布《機(jī)器人 4.0 白皮書 ——云-邊-端融合的機(jī)器人系統(tǒng)和架構(gòu)》。

報(bào)告摘要

近年來，數(shù)字經(jīng)濟(jì)正在席卷全球，全球經(jīng)濟(jì)向數(shù)字經(jīng)濟(jì)遷移已經(jīng)勢在必然，數(shù)字經(jīng)濟(jì)已經(jīng)成為國家的核心競爭力。據(jù)上海社科院測算，2016 年到 2018 年，中國數(shù)字經(jīng)濟(jì)對 GDP 增長的貢獻(xiàn)率分別達(dá)到了74.07%、57.50%和 60.00%。預(yù)計(jì) 2019 年中國數(shù)字經(jīng)濟(jì)增長仍將占到62.50%。

數(shù)據(jù)成為驅(qū)動(dòng)經(jīng)濟(jì)增長的核心生產(chǎn)要素。大數(shù)據(jù)和云計(jì)算等技術(shù)的融合，推動(dòng)了物聯(lián)網(wǎng)的迅速發(fā)展，實(shí)現(xiàn)了人與人、人與物、物與物的互聯(lián)互通，導(dǎo)致數(shù)據(jù)量呈現(xiàn)爆發(fā)式增長。數(shù)據(jù)如同農(nóng)業(yè)時(shí)代的土地、勞動(dòng)力，工業(yè)時(shí)代的技術(shù)、資本一樣，已成為數(shù)字經(jīng)濟(jì)時(shí)代的生產(chǎn)要素，而且是核心的生產(chǎn)要素。數(shù)字技術(shù)出現(xiàn)后，網(wǎng)絡(luò)和云計(jì)算成為必要的信息基礎(chǔ)設(shè)施。隨著數(shù)字經(jīng)濟(jì)的發(fā)展，數(shù)字基礎(chǔ)設(shè)施的概念更廣泛，既包括了信息基礎(chǔ)設(shè)施，也包括了對物理基礎(chǔ)設(shè)施的數(shù)字化改造。

移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、人工智能等信息技術(shù)的突破和融合發(fā)展促進(jìn)了數(shù)字經(jīng)濟(jì)的快速發(fā)展。數(shù)字經(jīng)濟(jì)驅(qū)動(dòng)未來，數(shù)字經(jīng)濟(jì)成為經(jīng)濟(jì)社會(huì)發(fā)展的主導(dǎo)力量。作為硬科技代表的機(jī)器人行業(yè)，將利用數(shù)字經(jīng)濟(jì)中的技術(shù)紅利加速機(jī)器人的落地。人工智能、5G 通訊、計(jì)算的模式等都對機(jī)器人領(lǐng)域有著潛在而巨大的貢獻(xiàn)。

報(bào)告正文

一

邁向云-邊-端融合的機(jī)器人 4.0 時(shí)代

1.數(shù)字經(jīng)濟(jì)的基礎(chǔ)設(shè)施和發(fā)展趨勢

近年來，數(shù)字經(jīng)濟(jì)正在席卷全球，全球經(jīng)濟(jì)向數(shù)字經(jīng)濟(jì)遷移已經(jīng)勢在必然，數(shù)字經(jīng)濟(jì)已經(jīng)成為國家的核心競爭力。據(jù)上海社科院測算，2016 年到 2018 年，中國數(shù)字經(jīng)濟(jì)對 GDP 增長的貢獻(xiàn)率分別達(dá)到了 74.07%、57.50%和 60.00%。預(yù)計(jì) 2019 年中國數(shù)字經(jīng)濟(jì)增長仍將占到62.50%。

數(shù)據(jù)成為驅(qū)動(dòng)經(jīng)濟(jì)增長的核心生產(chǎn)要素。大數(shù)據(jù)和云計(jì)算等技術(shù)的融合，推動(dòng)了物聯(lián)網(wǎng)的迅速發(fā)展，實(shí)現(xiàn)了人與人、人與物、物與物的互聯(lián)互通，導(dǎo)致數(shù)據(jù)量呈現(xiàn)爆發(fā)式增長。數(shù)據(jù)如同農(nóng)業(yè)時(shí)代的土地、勞動(dòng)力，工業(yè)時(shí)代的技術(shù)、資本一樣，已成為數(shù)字經(jīng)濟(jì)時(shí)代的生產(chǎn)要素， 而且是核心的生產(chǎn)要素。數(shù)字技術(shù)出現(xiàn)后，網(wǎng)絡(luò)和云計(jì)算成為必要的信息基礎(chǔ)設(shè)施。隨著數(shù)字經(jīng)濟(jì)的發(fā)展，數(shù)字基礎(chǔ)設(shè)施的概念更廣泛，既包括了信息基礎(chǔ)設(shè)施，也包括了對物理基礎(chǔ)設(shè)施的數(shù)字化改造。

近年來，移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、人工智能等信息技術(shù)的突破和融合發(fā)展促進(jìn)了數(shù)字經(jīng)濟(jì)的快速發(fā)展。數(shù)字經(jīng)濟(jì)驅(qū)動(dòng)未來，數(shù)字經(jīng)濟(jì)成為經(jīng)濟(jì)社會(huì)發(fā)展的主導(dǎo)力量。作為硬科技代表的機(jī)器人行業(yè)，將利用數(shù)字經(jīng)濟(jì)中的技術(shù)紅利加速機(jī)器人的落地。人工智能、5G 通訊、計(jì)算的模式等都對機(jī)器人領(lǐng)域有著潛在而巨大的貢獻(xiàn)。

2.機(jī)器人技術(shù)發(fā)展主要階段分析

2017 年，中國信息通信研究院、IDC 國際數(shù)據(jù)集團(tuán)和英特爾共同發(fā)布了《人工智能時(shí)代的機(jī)器人 3.0 新生態(tài)》白皮書，其中把機(jī)器人的發(fā)展歷程劃分為三個(gè)時(shí)代，分別稱之為機(jī)器人1.0、機(jī)器人 2.0、機(jī)器人 3.0。

 

圖 1：機(jī)器人發(fā)展階段示意圖

機(jī)器人 1.0（1960-2000），機(jī)器人對外界環(huán)境沒有感知，只能單純復(fù)現(xiàn)人類的示教動(dòng)作，在制造業(yè)領(lǐng)域替代工人進(jìn)行機(jī)械性的重復(fù)體力勞動(dòng)。機(jī)器人 2.0（2000-2015），通過傳感器和數(shù)字技術(shù)的應(yīng)用構(gòu)建起機(jī)器人的感覺能力，并模擬部分人類功能，不但促進(jìn)了機(jī)器人在工業(yè)領(lǐng)域的成熟應(yīng)用，也逐步開始向商業(yè)領(lǐng)域拓展應(yīng)用。機(jī)器人 3.0（2015-），伴隨著感知、計(jì)算、控制等技術(shù)的迭代升級(jí)和圖像識(shí)別、自然語音處理、深度認(rèn)知學(xué)習(xí)等新型數(shù)字技術(shù)在機(jī)器人領(lǐng)域的深入應(yīng)用，機(jī)器人領(lǐng)域的服務(wù)化趨勢日益明顯，逐漸滲透到社會(huì)生產(chǎn)生活的每一個(gè)角落。在機(jī)器人 2.0 的基礎(chǔ)上，機(jī)器人 3.0 實(shí)現(xiàn)從感知到認(rèn)知、推理、決策的智能化進(jìn)階。

3.應(yīng)用領(lǐng)域分析和大規(guī)模商用的難點(diǎn)

當(dāng)前，全球機(jī)器人市場規(guī)模持續(xù)擴(kuò)大，工業(yè)機(jī)器人市場增速穩(wěn)定，服務(wù)機(jī)器人增速突出。2018 年，全球機(jī)器人市場規(guī)模達(dá) 298.2 億美元，2013-2018 年的平均增長率約為 15.1%。在裝備制造領(lǐng)域，機(jī)械臂憑借強(qiáng)大的負(fù)重能力和精準(zhǔn)的抓取操作代替著工人的雙手；在物流領(lǐng)域， 智能倉儲(chǔ)機(jī)器人和無人搬運(yùn)車不斷提高著運(yùn)輸效率；在生活服務(wù)領(lǐng)域，家用清潔機(jī)器人和服務(wù)機(jī)器人正成為許多家庭的私人保姆和小秘書。

工業(yè)制造領(lǐng)域分析

目前，工業(yè)機(jī)器人在汽車、金屬制品、電子、橡膠及塑料等行業(yè)已經(jīng)得到了廣泛的應(yīng)用。隨著性能的不斷提升，以及各種應(yīng)用場景的不斷清晰，2013 年以來，工業(yè)機(jī)器人的市場規(guī)模正以年均 12.1%的速度快速增長，預(yù)計(jì)到 2020 年將達(dá)到 230 億美元的銷售額。隨著人力成本的上升，工業(yè)制造領(lǐng)域的應(yīng)用前景良好，將會(huì)保持快速增長的勢頭。同時(shí)，工業(yè)機(jī)器人需要擁有更高的靈活性、更強(qiáng)的自主避障和快速配置的能力，提高整體產(chǎn)品的易用性和穩(wěn)定性。

消費(fèi)服務(wù)領(lǐng)域分析

服務(wù)機(jī)器人雖然整體銷售額低于工業(yè)機(jī)器人，但近幾年一直維持著較高的年增長率，商用 服務(wù)機(jī)器人在商場、銀行、酒店、機(jī)場等應(yīng)用場景有了更多的落地部署，主要提供導(dǎo)覽、問詢、送物等基礎(chǔ)服務(wù)。同時(shí)，家用服務(wù)機(jī)器人悄然進(jìn)入千家萬戶，掃地機(jī)器人銷量在家用服務(wù)機(jī)器 人銷量中占主要份額，成為目前家務(wù)機(jī)器人中的主導(dǎo)品類。由于本體能力不足，隱私、安全方 面的問題，家庭管家機(jī)器人和陪伴型機(jī)器人的市場滲透率較低。2013   年以來全球服務(wù)機(jī)器人市場規(guī)模年均增速達(dá) 23.5%，預(yù)計(jì) 2020 年將快速增長至 156.9 億美元。

從整個(gè)技術(shù)發(fā)展和市場環(huán)境看，機(jī)器人產(chǎn)業(yè)擁有以下發(fā)展推力：

成熟的生態(tài)系統(tǒng)

老齡化人口趨勢和新興市場

更多智能產(chǎn)品互聯(lián)和智能家庭建設(shè)

人工智能、自然語言理解能力的增強(qiáng)

大規(guī)模商用的難點(diǎn)

在以上幾點(diǎn)的助推下，機(jī)器人產(chǎn)業(yè)會(huì)繼續(xù)快速發(fā)展，但要達(dá)到大規(guī)模商用，還有很多難點(diǎn)需要解決。

首先，機(jī)器人目前的能力不能滿足用戶期望，缺少關(guān)鍵場景。得益于人工智能帶來的紅利， 近年來機(jī)器人感知能力提升明顯，可以通過視覺進(jìn)行人臉識(shí)別，做語音交互。但是要真正替代 人類的勞動(dòng)時(shí)間，做一些實(shí)際工作，機(jī)器人除了要具備感知能力，還要能夠理解和決策。機(jī)器人需要有記憶、場景理解的能力，擁有知識(shí)，才能夠優(yōu)化決策，自主實(shí)施工作，并進(jìn)行個(gè)性化演進(jìn)。目前的機(jī)器人依然缺少令人矚目和必不可少的應(yīng)用場景，大部分人對于在家中擁有一個(gè)機(jī)器人沒有很高的興趣。在機(jī)器人提高自身能力，完成特定和復(fù)雜問題之前，這一比例將維持低水平。

其次，價(jià)格高，不成規(guī)模。傳感器和硬件的價(jià)格一直在下降，但是機(jī)器人的價(jià)格依然很高， 不能被廣泛的市場用戶接受，沒有形成市場規(guī)模。掃地機(jī)器人由于較低的價(jià)格，目前快速的進(jìn) 入大眾家庭。但是對于大多數(shù)類別的機(jī)器人，特別是具有更強(qiáng)功能、高精度移動(dòng)底盤、機(jī)械臂 的機(jī)器人，價(jià)格依然是一個(gè)痛點(diǎn)。

第三，隱私、安全和數(shù)據(jù)保護(hù)問題亟待解決。隨著機(jī)器人的應(yīng)用領(lǐng)域越來越廣泛，其物理安全和用戶的數(shù)據(jù)安全問題更加凸顯。在與機(jī)器人的交互過程中，機(jī)器人會(huì)不斷收集用戶的圖像、語音、行動(dòng)數(shù)據(jù)進(jìn)行導(dǎo)航和決策，這些數(shù)據(jù)有的在本地處理，有的在云端處理，人們對這些數(shù)據(jù)的安全抱有疑慮。對于能夠自由移動(dòng)的服務(wù)機(jī)器人和擁有機(jī)械臂的工業(yè)機(jī)器人，保證機(jī)器人自身的物理安全，不被惡意攻擊，避免造成人身傷害也至關(guān)重要。

4.機(jī)器人 4.0 的定義和發(fā)展機(jī)會(huì)

機(jī)器人 3.0 預(yù)計(jì)將在 2020 年完成，在此之后，機(jī)器人將進(jìn)入 4.0 時(shí)代，把云端大腦分布在從云到端的各個(gè)地方，充分利用邊緣計(jì)算去提供更高性價(jià)比的服務(wù)，把要完成任務(wù)的記憶場景的知識(shí)和常識(shí)很好的組合起來，實(shí)現(xiàn)規(guī)模化部署。機(jī)器人除了具有感知能力實(shí)現(xiàn)智能協(xié)作，還具有理解和決策的能力，達(dá)到自主的服務(wù)。在某些不確定的情況下，它需要叫遠(yuǎn)程的人進(jìn)行增強(qiáng)，或者做一些決策輔助，但是它在 90%，甚至 95%的情況可以自主完成任務(wù)。

要達(dá)到這一目標(biāo)，首先需要利用人工智能和 5G 技術(shù)。利用人工智能技術(shù)提高機(jī)器人本體感知能力的同時(shí)，提升個(gè)性化自然交互能力。利用 5G 技術(shù)，大大縮短從終端到接入網(wǎng)的時(shí)間， 帶寬大幅度上升，很多東西可以放到邊緣端，加入更多的計(jì)算能力，包括云端大腦的一些擴(kuò)展， 助力機(jī)器人規(guī)?；渴?。

 

圖 2：實(shí)現(xiàn)機(jī)器人跳躍式發(fā)展

類似互聯(lián)網(wǎng)的三級(jí)火箭發(fā)展模式，第一階段——關(guān)鍵場景，把握垂直應(yīng)用，提高場景、任 務(wù)、能力的匹配，提高機(jī)器人在關(guān)鍵應(yīng)用場景的能力，擴(kuò)大用戶基礎(chǔ)；第二階段——人工增強(qiáng)， 通過加入持續(xù)學(xué)習(xí)和場景自適應(yīng)的能力，延伸服務(wù)能力，取代部分人力，逐步實(shí)現(xiàn)對人的替代， 讓機(jī)器人的能力滿足用戶預(yù)期；第三階段——規(guī)?；?，通過云-邊-端融合的機(jī)器人系統(tǒng)和架構(gòu)， 讓機(jī)器人達(dá)到數(shù)百萬千萬級(jí)水平，從而降低價(jià)格成本，實(shí)現(xiàn)大規(guī)模商用。

5.白皮書結(jié)構(gòu)說明

本白皮書由英特爾、達(dá)闥科技、新松機(jī)器人、科沃斯商用機(jī)器人共同發(fā)布，分為八章。第 一章分析機(jī)器人發(fā)展情況，并定義機(jī)器人 4.0；第二章闡述人工智能和 5G 通訊技術(shù)推動(dòng)機(jī)器人架構(gòu)創(chuàng)新，并提出云-邊-端融合的機(jī)器人系統(tǒng)和架構(gòu)；第三章重點(diǎn)分析機(jī)器人 4.0  所需的核心技術(shù)；第四章探討云端大腦和安全專網(wǎng)；第五章討論邊緣智能如何支持多機(jī)器人協(xié)作；第六章 思考服務(wù)機(jī)器人的場景認(rèn)知、進(jìn)化和業(yè)務(wù)；第七章描述協(xié)同創(chuàng)新與合作共贏的關(guān)鍵領(lǐng)域和方向；第八章進(jìn)行總結(jié)與展望。

二

人工智能和 5G 通訊技術(shù)推動(dòng)機(jī)器人架構(gòu)創(chuàng)新

1.人工智能技術(shù)演進(jìn)和應(yīng)用現(xiàn)狀

人工智能技術(shù)的正式提出始于 1956 年，到目前為止已經(jīng)取得不少進(jìn)展。從技術(shù)上而言， 可以初略劃分為兩類方法，一類是符號(hào)方法，一類是統(tǒng)計(jì)方法(支持向量機(jī)，神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)都可以歸為這一類)。

人工智能的發(fā)展可以大致分為兩個(gè)階段，1990  年以前主要是符號(hào)方法，包括基于規(guī)則，邏輯等。八十年代的基于知識(shí)庫的專家系統(tǒng)是這個(gè)時(shí)期人工智能走向應(yīng)用的一個(gè)嘗試，取得了 一定的成果，但也很快顯現(xiàn)了這類方法的問題，比如相對開放領(lǐng)域的知識(shí)庫很難建立完整（尤其是常識(shí)知識(shí)很難表示完全)，知識(shí)庫增大后知識(shí)推理的組合爆炸，缺乏學(xué)習(xí)能力等問題。

上世紀(jì) 90 年代開始，統(tǒng)計(jì)方法開始盛行，取得了不少的進(jìn)展，包括支持向量機(jī)等機(jī)器學(xué)習(xí)方法，并廣泛應(yīng)用于語音識(shí)別，自然語言處理，計(jì)算機(jī)視覺，數(shù)據(jù)挖掘等領(lǐng)域。從 2012 年開始，深度學(xué)習(xí)方法在計(jì)算機(jī)視覺，語音識(shí)別方面取得了較大的突破，不少任務(wù)的性能在大規(guī)模數(shù)據(jù)集上面得到大幅度提升。人工智能尤其是深度學(xué)習(xí)方法已經(jīng)在不少領(lǐng)域開始廣泛應(yīng)用，包括語音識(shí)別，人臉識(shí)別等，作為機(jī)器人 3.0 的核心技術(shù)，在機(jī)器人的應(yīng)用中起到了重要的作用。近年來人們發(fā)現(xiàn)了困擾傳統(tǒng)機(jī)器學(xué)習(xí)方法的一些問題，如魯棒性、可解釋性，小數(shù)據(jù)學(xué)習(xí)在深度學(xué)習(xí)方法的框架下仍然沒有得到解決。

總體說來，人工智能技術(shù) 60 多年來取得了不少的突破，但也存在不少亟待解決的問題。人工智能之父明斯基在發(fā)布他的新書之前發(fā)表的一篇論文也深刻地指出，目前人工智能的進(jìn)展低于他的期望，其中一個(gè)主要原因是主流的方法（符號(hào)方法，統(tǒng)計(jì)方法或更細(xì)分的方法）都是想基于單一方法來解決人工智能問題，而真正的人類智能則是有機(jī)地結(jié)合了多種方法并進(jìn)行選擇應(yīng)用的結(jié)果，未來的人工智能需要走這個(gè)方向才能進(jìn)一步突破。機(jī)器人領(lǐng)域的應(yīng)用對人工智能提出了尤其更高的要求，這也就需要在人工智能領(lǐng)域取得更多的突破。

2.5G通訊技術(shù)的演進(jìn)和應(yīng)用現(xiàn)狀

5G是第五代移動(dòng)通信技術(shù)的簡稱，5G標(biāo)準(zhǔn)自 2016年在3GPP正式開始立項(xiàng)，于2017年12月完成了5G R15非獨(dú)立組網(wǎng)的標(biāo)準(zhǔn)制定，支持在4G網(wǎng)絡(luò)下同時(shí)部署5G網(wǎng)絡(luò)，并于2018年6月完成了5G R15獨(dú)立組網(wǎng)的標(biāo)準(zhǔn)制定。目前5G在各個(gè)國家開始了實(shí)驗(yàn)性部署。

在國內(nèi)， 三大運(yùn)營商從 2018 年開始5G實(shí)驗(yàn)網(wǎng)的測試，2019 年已經(jīng)在部分城市完成了在sub-6Ghz頻段以下的5G規(guī)模測試。5G實(shí)驗(yàn)網(wǎng)峰值速率可以達(dá)到10Gbps，在密集部署城區(qū)平均速率達(dá)到了100Mbps，在低時(shí)延模式下，5G終端和基站傳輸時(shí)延達(dá)到1毫秒以內(nèi)，滿足了ITU最初制定5G需求。2019年6月，國內(nèi)正式發(fā)布了5G的牌照，中國移動(dòng)、中國聯(lián)通、中國電信和廣電開始了商用部署。4G技術(shù)從2008年3GPP release8標(biāo)準(zhǔn)完成到2013年4G牌照的發(fā)布用了5年時(shí)間，5G從標(biāo)準(zhǔn)完成到牌照的發(fā)布只用了一年，凸顯了國內(nèi)5G發(fā)展的迫切和重要。

 

圖 3：5G 支持的業(yè)務(wù)

除了網(wǎng)絡(luò)傳輸能力的提升，5G還制定了非常靈活的空中接口和核心網(wǎng)標(biāo)準(zhǔn)，增強(qiáng)了對不同業(yè)務(wù)支持的能力，相對于4G以移動(dòng)寬帶（MBB）為主的應(yīng)用，5G的應(yīng)用領(lǐng)域進(jìn)一步加強(qiáng)移動(dòng)寬帶業(yè)務(wù)（eMBB），比如高清/全景視頻，移動(dòng) VR/AR 等等，同時(shí) 5G 的應(yīng)用拓展到海量 連接的物聯(lián)網(wǎng)（mMTC）和高可靠低時(shí)延（URLLC）的業(yè)務(wù)。URLLC的業(yè)務(wù)包括車聯(lián)網(wǎng)、自動(dòng)駕駛、遠(yuǎn)程醫(yī)療、工業(yè)自動(dòng)化等應(yīng)用。

國內(nèi)的5G Sub-6Ghz 頻段部署，eMBB, URLLC, mMTC應(yīng)用都可以得到很好的支持。在高頻段，比如28GHz左右，目前在國內(nèi)還在實(shí)驗(yàn)階段，高頻段將主要支持eMBB應(yīng)用。對于云端機(jī)器人應(yīng)用，既有時(shí)延和可靠性要求不高的應(yīng)用，比如數(shù)據(jù)備份、訓(xùn)練數(shù)據(jù)的采集等等，也有實(shí)時(shí)視頻傳輸交互，還有對時(shí)延和可靠性要求非常高 的機(jī)器人的運(yùn)動(dòng)控制、遠(yuǎn)程操控等等。這些應(yīng)用，可以在5G 網(wǎng)絡(luò)上，通過靈活的配置得到更好的支持。

對于5G的應(yīng)用，其最初的商用部署是針對eMBB 業(yè)務(wù)，比如5G的手機(jī)等等，由于標(biāo)準(zhǔn)和網(wǎng)絡(luò)設(shè)備的復(fù)雜性，5G設(shè)備和網(wǎng)絡(luò)的功能會(huì)根據(jù)需求演進(jìn)。如果eMBB模式不能完全滿足需求，就需要積極和運(yùn)營商、設(shè)備商溝通、合作，推動(dòng)對該業(yè)務(wù)的支持。同時(shí)5 的 標(biāo)準(zhǔn)也在不斷的演進(jìn)，目前5G R16版本的標(biāo)準(zhǔn)正在制定過程中，計(jì)劃將于2019年底完成。R16版本將包含對5G網(wǎng)絡(luò)效率的提升和應(yīng)用的增強(qiáng)，比如對車聯(lián)網(wǎng)、工業(yè)IoT和 URLLC業(yè)務(wù)的增強(qiáng)。5G網(wǎng)絡(luò)的持續(xù)演進(jìn)將進(jìn)一步增強(qiáng)網(wǎng)絡(luò)的能力和靈活性，滿足機(jī)器人4.0的云-邊-端的更高的互聯(lián)要求。

3.云端大腦對機(jī)器人能力的增強(qiáng)

2010 年提出的云機(jī)器人概念引入了云端大腦，機(jī)器人嘗試引入云計(jì)算、云存儲(chǔ)及其它云技術(shù)，達(dá)到機(jī)器人融合基礎(chǔ)設(shè)施和共享服務(wù)的優(yōu)點(diǎn)。相比于獨(dú)立的機(jī)器人本體，連接云端大腦后的機(jī)器人擁有以下四個(gè)核心優(yōu)勢。

信息和知識(shí)共享：一個(gè)云端大腦可以控制很多機(jī)器人，云端大腦可以匯集來自所有連接機(jī)器人的視覺、語音和環(huán)境信息，經(jīng)云端大腦智能分析處理后的數(shù)據(jù)信息可以被所有連接機(jī)器人使用。利用云服務(wù)器，各機(jī)器人本體獲取和處理的信息可以保持最新， 并安全備份。

平衡計(jì)算負(fù)載：一些機(jī)器人功能需要較高的計(jì)算能力，利用云端平衡計(jì)算負(fù)載可以降低機(jī)器人本體的硬件需求，在保證能力的同時(shí)，讓機(jī)器人更輕、更小、更便宜。

協(xié)同合作：通過云端大腦，機(jī)器人本體不再獨(dú)立工作，多機(jī)器人可以協(xié)同工作，例如共同搬運(yùn)貨物，配合完成一整套工作流程等。

獨(dú)立于本體持續(xù)升級(jí)：借助云端大腦，機(jī)器人可以獨(dú)立于本體持續(xù)升級(jí)，不再依賴于本體硬件設(shè)備。

4.邊緣計(jì)算對機(jī)器人服務(wù)的提升

IoT應(yīng)用的快速發(fā)展，使得大量數(shù)據(jù)在網(wǎng)絡(luò)邊緣產(chǎn)生，推動(dòng)了邊緣計(jì)算的產(chǎn)生和發(fā)展。邊緣計(jì)算的提出始于4G時(shí)代，將計(jì)算和存儲(chǔ)資源部署到網(wǎng)絡(luò)邊緣，不僅可以減少核心網(wǎng)和互聯(lián)網(wǎng)上的流量，還可以顯著降低傳輸時(shí)延，提高網(wǎng)絡(luò)可靠性。

低時(shí)延的業(yè)務(wù)需要終端、移動(dòng)蜂窩網(wǎng)（接入網(wǎng)和核心網(wǎng)）、互聯(lián)網(wǎng)、數(shù)據(jù)中心的端到端的保障。目前的測試結(jié)果表明5G手機(jī)和基站的數(shù)據(jù)通路延時(shí)可以達(dá)到4毫秒，在URLLC模式下，手機(jī)和基站的延時(shí)可以達(dá)到1毫秒以下，相比4G的20毫秒提高了20倍左右。對于互聯(lián)網(wǎng)和數(shù)據(jù)中心的時(shí)延，一般情況下由于地理位置分布廣和未針對低時(shí)延優(yōu)化，從核心網(wǎng)網(wǎng)關(guān)到互聯(lián)網(wǎng)數(shù)據(jù)中心可在幾十到幾百毫秒之間。在5G中，其核心網(wǎng)引入了分布式網(wǎng)關(guān)，網(wǎng)關(guān)可以下沉到基站附近，邊緣服務(wù)器可以直接連接到分布式網(wǎng)關(guān)上，大大降低網(wǎng)絡(luò)的端到端時(shí)延。

邊緣計(jì)算的引入將解決終端能力受限和云計(jì)算的實(shí)時(shí)響應(yīng)的問題，增強(qiáng)機(jī)器人云端大腦的 實(shí)時(shí)響應(yīng)能力，對于滿足機(jī)器人4.0的要求十分關(guān)鍵，比如實(shí)時(shí)的推理、場景理解、操控等等。邊緣計(jì)算和云計(jì)算的結(jié)合，將突破終端的計(jì)算能力和存儲(chǔ)的限制，提高AI算法的訓(xùn)練和推理能力，比如提升精度和降低訓(xùn)練時(shí)間。

同時(shí)將大部分機(jī)器人的智能布署在邊緣和云端，通過協(xié) 作和不斷的訓(xùn)練，持續(xù)不斷的提高機(jī)器人智能，比如通過邊緣計(jì)算能更好的支持實(shí)時(shí)的多機(jī)協(xié) 作，支持實(shí)時(shí)的知識(shí)圖譜提取、理解和決策，持續(xù)不斷的提高機(jī)器人的智能。邊緣計(jì)算和云計(jì)算還可以解決機(jī)器人終端升級(jí)維護(hù)的困難，在機(jī)器人本體的生命周期內(nèi)不斷升級(jí)，提高機(jī)器人的能力，增強(qiáng)數(shù)據(jù)安全和隱私保護(hù)，充分利用摩爾定律帶來的性能提升。

5.云-邊-端一體化對機(jī)器人系統(tǒng)的支撐

云-邊-端一體化構(gòu)建了一個(gè)通過機(jī)器人提供多樣化服務(wù)的規(guī)模化運(yùn)營平臺(tái)。其中，服務(wù)機(jī)器人本體是服務(wù)的實(shí)施者，而實(shí)際功能則根據(jù)服務(wù)的需要無縫地在終端計(jì)算（機(jī)器人本體）、邊緣計(jì)算和云計(jì)算之間分布和協(xié)同。機(jī)器人系統(tǒng)類似現(xiàn)在智能手機(jī)上的各種APP，主要關(guān)注如何實(shí)現(xiàn)高性價(jià)比的多模態(tài)感知融合、自適應(yīng)交互和實(shí)時(shí)安全計(jì)算。

多模態(tài)感知融合：為了支持機(jī)器人的移動(dòng)、避障、交互和操作，機(jī)器人系統(tǒng)必須裝備 多種傳感器（如攝像頭、麥克風(fēng)陣列、激光雷達(dá)、超聲波等）。同時(shí)，環(huán)境里的傳感 器可以補(bǔ)足機(jī)器人的物理空間局限性。大部分?jǐn)?shù)據(jù)需要在時(shí)間同步的前提下進(jìn)行處理， 并且調(diào)用不同復(fù)雜度的算法模塊（例如 SLAM，圖像處理，人和物體的識(shí)別等）。機(jī)器人硬件系統(tǒng)和邊緣計(jì)算需要協(xié)同來支持（可能來自多個(gè)機(jī)器人的）多傳感器數(shù)據(jù)同 步和計(jì)算加速，因此應(yīng)該采用能靈活組合 CPU、FPGA 和 DSA (Domain-Specific Accelerator）的異構(gòu)計(jì)算平臺(tái)。另一部分沒有強(qiáng)實(shí)時(shí)性要求的感知任務(wù)（如人的行為 識(shí)別、場景識(shí)別等），可以由云計(jì)算支持。

自適應(yīng)交互：為了支持機(jī)器人的個(gè)性化服務(wù)和持續(xù)學(xué)習(xí)能力，需要將感知模塊的輸出與知識(shí)圖譜結(jié)合對環(huán)境和人充分理解，并且逐步提取和積累與服務(wù)場景和個(gè)人相關(guān)的個(gè)性化知識(shí)。通用知識(shí)和較少變化的領(lǐng)域知識(shí)應(yīng)該存放在云端，而與地域和個(gè)性化服務(wù)相關(guān)的知識(shí)應(yīng)該存放在邊緣或者終端。無論知識(shí)存放在哪里，在機(jī)器人系統(tǒng)中應(yīng)該有統(tǒng)一的調(diào)用接口，并可以保證實(shí)時(shí)通訊。基于 ROS2 構(gòu)造涵蓋終端和網(wǎng)絡(luò)側(cè)的軟件系統(tǒng)框架可以滿足未來的需求。

實(shí)時(shí)安全計(jì)算：未來的服務(wù)機(jī)器人應(yīng)用將有大量需要實(shí)時(shí)響應(yīng)的情形（如語音交互、協(xié)同操作等），因此需要在邊緣服務(wù)器部署相應(yīng)的加速硬件。同時(shí)，機(jī)器人也將處理 大量涉及用戶隱私的數(shù)據(jù)（如視頻、圖像、對話等）。云-邊-端一體化架構(gòu)需要構(gòu)建隱 私數(shù)據(jù)的安全傳輸和存儲(chǔ)機(jī)制，并且限定物理范圍。對于可以進(jìn)行物理操作的機(jī)器人， 要構(gòu)建獨(dú)立的安全監(jiān)測機(jī)制，保證即使機(jī)器人系統(tǒng)被遠(yuǎn)程攻擊劫持后也不會(huì)造成物理 安全損害。

三

機(jī)器人 4.0 核心技術(shù)

在機(jī)器人3.0時(shí)代，服務(wù)機(jī)器人可以做到一些物體識(shí)別、人臉識(shí)別，在4.0時(shí)代需要加上自適應(yīng)能力。因?yàn)橛蒙疃葘W(xué)習(xí)做物體識(shí)別、人臉識(shí)別的時(shí)候需要很多的數(shù)據(jù)來源，但是真正到家庭場景時(shí)沒有那么多數(shù)據(jù)，這就要求機(jī)器人必須通過少量數(shù)據(jù)去建立識(shí)別能力，自己去找到不同的位置，不同的角度做訓(xùn)練。

這些就是機(jī)器人4.0要做的，首先對三維環(huán)境語義的理解，在知道它是什么的基礎(chǔ)上，把看到的信息變成知識(shí)，讓存儲(chǔ)就變得更加合理，而且可搜索，可查詢，可關(guān)聯(lián)，也可推理。應(yīng)用層可以根據(jù)這個(gè)知識(shí)和觀測為現(xiàn)場場景做出智能的提醒，尋找物品，進(jìn)行行為檢測。例如，老人要出門，機(jī)器人的知識(shí)庫告訴他，今天預(yù)報(bào)要下雨，但是檢測到老人沒有帶傘，然后查詢傘的位置，機(jī)器人就可以把傘送到老人手里。這都是結(jié)合內(nèi)部知識(shí)和外部情況所做的決策。

知識(shí)圖譜在整個(gè)學(xué)術(shù)界和工業(yè)界越來越受到重視。獲得圖靈獎(jiǎng)的杰夫?辛頓教授在加入谷歌的時(shí)候就說要建一個(gè)知識(shí)圖譜給全世界用。阿里研究院發(fā)布2019 年的十大技術(shù)趨勢[8]里面也專門提到了知識(shí)圖譜的重要性。這是人工智能邁向下一個(gè)階段的必由之路，也是必做之事。

總結(jié)下來，機(jī)器人4.0主要有以下幾個(gè)核心技術(shù)，包括云-邊-端的無縫協(xié)同計(jì)算、持續(xù)學(xué)習(xí)、協(xié)同學(xué)習(xí)、知識(shí)圖譜、場景自適應(yīng)和數(shù)據(jù)安全。

 

圖 4：機(jī)器人 4.0 時(shí)代的能力升級(jí)

1.云-邊-端的無縫協(xié)同計(jì)算

受制于網(wǎng)絡(luò)帶寬以及延遲的制約，當(dāng)前絕大多數(shù)機(jī)器人3.0系統(tǒng)是以機(jī)器人本體計(jì)算為主， 云端處理非實(shí)時(shí)、大計(jì)算量的任務(wù)為輔的系統(tǒng)架構(gòu)。機(jī)器人的主要任務(wù)可以簡單劃分為感知、 推理及執(zhí)行三大部分。為了能夠精準(zhǔn)地感知理解環(huán)境以服務(wù)于人機(jī)交互，機(jī)器人系統(tǒng)通常集成 了大量的傳感器，因而機(jī)器人系統(tǒng)會(huì)產(chǎn)生大量的數(shù)據(jù)。比如采用了高清攝像頭，深度攝像頭， 麥克風(fēng)陣列以及激光雷達(dá)等傳感器的機(jī)器人，每秒鐘可以產(chǎn)生250MB以上的數(shù)據(jù)量。如此海量的數(shù)據(jù)全部傳輸?shù)皆贫颂幚砑炔滑F(xiàn)實(shí)，也不高效。因此，需要將數(shù)據(jù)處理合理地分布在云-  邊-端上。

另一方面，完成感知和理解的AI算法也非常復(fù)雜。機(jī)器人所使用的AI算法通常需要很強(qiáng)的算力，例如Faster RCNN算法在GPU上可以達(dá)到5fps的處理能力，但是GPU的功耗達(dá)到200W以上，機(jī)器人本體很難承受，從計(jì)算成本而言同樣也非常昂貴。雖然機(jī)器人本體計(jì)算平臺(tái)的計(jì)算能力仍在不斷提高，但是相對于AI算法的需求依然有限。為了完成機(jī)器人的計(jì)算需求，需要在云和邊緣側(cè)提供算力的支持，以實(shí)現(xiàn)在大規(guī)模機(jī)器人應(yīng)用場景下，更有效、更經(jīng)濟(jì)的計(jì)算力部署。

隨著5G和邊緣計(jì)算的部署，機(jī)器人端到基站的延遲可以達(dá)到毫秒級(jí)，使得5G的網(wǎng)絡(luò)邊緣可以很好地支持機(jī)器人的實(shí)時(shí)應(yīng)用。同時(shí)，邊緣服務(wù)器可以在網(wǎng)絡(luò)的邊緣、很靠近機(jī)器人的地方處理機(jī)器人產(chǎn)生的數(shù)據(jù)，減少對于云端處理的依賴，構(gòu)成一個(gè)高效的數(shù)據(jù)處理架構(gòu)。

云-邊-端一體的機(jī)器人系統(tǒng)是面向大規(guī)模機(jī)器人的服務(wù)平臺(tái)，信息的處理和知識(shí)的生成與應(yīng)用同樣需要在云-邊-端上分布處理協(xié)同完成。例如，匯集來自所有連接機(jī)器人的視覺、語音和環(huán)境信息，加以分析或重構(gòu)后，被所有連接的機(jī)器人所應(yīng)用。

因此，在通常情況下，云側(cè)可以提供高性能的計(jì)算以及通用知識(shí)的存儲(chǔ)，邊緣側(cè)可以更有效的處理數(shù)據(jù)，提供算力支持，并在邊緣范圍內(nèi)實(shí)現(xiàn)協(xié)同和共享，機(jī)器人終端完成實(shí)時(shí)的操作和處理等基本機(jī)器人的功能。然而由于機(jī)器人的業(yè)務(wù)需求多種多樣，協(xié)同計(jì)算的部署也不是一成不變的，機(jī)器人 4.0 系統(tǒng)還要支持動(dòng)態(tài)的任務(wù)遷移機(jī)制，合理的根據(jù)業(yè)務(wù)需求將不同的任務(wù)遷移到云-邊-端，實(shí)現(xiàn)云-邊-端的無縫協(xié)同計(jì)算。

2.持續(xù)學(xué)習(xí)和協(xié)同學(xué)習(xí)

在機(jī)器學(xué)習(xí)方面，機(jī)器人3.0主要是采用基于大量數(shù)據(jù)進(jìn)行監(jiān)督學(xué)習(xí)的方法，這也是目前機(jī)器學(xué)習(xí)的主流方法，而在機(jī)器人4.0，還需要加上持續(xù)學(xué)習(xí)和協(xié)同學(xué)習(xí)的能力，才能使得機(jī)器人能夠適應(yīng)更復(fù)雜的應(yīng)用場景。

在3.0時(shí)代，服務(wù)機(jī)器人可以做到一些基本的物體識(shí)別、人臉識(shí)別，但由于機(jī)器人應(yīng)用對感知識(shí)別的正確率要求很高，盡管這些方法在別的要求不高的領(lǐng)域已經(jīng)可以滿足應(yīng)用需求（例如互聯(lián)網(wǎng)搜索有 80%的正確率就夠了），但對于機(jī)器人應(yīng)用而言則遠(yuǎn)遠(yuǎn)不夠。

第一是機(jī)器學(xué)習(xí) 所固有的魯棒性方面的問題，深度學(xué)習(xí)方法也不能幸免，識(shí)別結(jié)果可能出錯(cuò)，而且出錯(cuò)的時(shí)候 系統(tǒng)也不知道自己錯(cuò)了，這樣就可能造成服務(wù)的失敗和錯(cuò)亂。例如人需要機(jī)器人取東西A，而機(jī)器人卻取了東西B,  輕則鬧笑話，引起用戶不滿，嚴(yán)重的可能會(huì)造成對用戶的傷害（比如取錯(cuò)藥品的情況)。魯棒性的問題是目前所有機(jī)器學(xué)習(xí)方法自身的一個(gè)通病，因?yàn)橛?xùn)練數(shù)據(jù)中總 是存在著長尾數(shù)據(jù)無法被準(zhǔn)確識(shí)別，該問題很難通過現(xiàn)有的監(jiān)督學(xué)習(xí)方法在部署產(chǎn)品前就解決。

第二是數(shù)據(jù)不足，這也是現(xiàn)實(shí)應(yīng)用中普遍出現(xiàn)的情況，例如用人體特征進(jìn)行身份識(shí)別的時(shí)候需要大量的數(shù)據(jù)（幾百張以上的不同人體姿態(tài)、角度的照片），而這些數(shù)據(jù)又無法事先獲得?？偨Y(jié)下來，這兩方面的問題都和缺少數(shù)據(jù)直接相關(guān)。

要解決這些問題必須讓機(jī)器人具有自主的持續(xù)學(xué)習(xí)能力。具體說來，機(jī)器人可以先通過少 量數(shù)據(jù)去建立基本的識(shí)別能力，然后會(huì)自主的去找到更多的相關(guān)數(shù)據(jù)并進(jìn)行自動(dòng)標(biāo)注（或通其 他方式，例如與人交互來獲得標(biāo)注，但要注意盡量減少對用戶的打擾)。用這些新的數(shù)據(jù)來對 已有的識(shí)別模型進(jìn)行重新訓(xùn)練以改進(jìn)性能，隨著這個(gè)過程不斷進(jìn)行，機(jī)器人可以把識(shí)別的性能 不斷提高。具體拿物體識(shí)別來說，機(jī)器人應(yīng)該先通過少量數(shù)據(jù)來建立對該物體的基本識(shí)別能力， 然后可以自己去找到不同的位置，不同的角度做訓(xùn)練，不斷提高對這個(gè)物體的識(shí)別精度，在一 段時(shí)間的持續(xù)學(xué)習(xí)后達(dá)到接近 100%，一個(gè)初步實(shí)現(xiàn)參見文獻(xiàn)。

在實(shí)際應(yīng)用中，一個(gè)機(jī)器人能接觸到的數(shù)據(jù)是有限的，其持續(xù)學(xué)習(xí)的速度可能會(huì)受到限制。機(jī)器人4.0是一個(gè)云-邊-端融合的系統(tǒng)，如果能夠在機(jī)器人間或機(jī)器人與其他智能體間通過這個(gè)系統(tǒng)來共享數(shù)據(jù)、模型、知識(shí)庫等，就能夠進(jìn)行所謂的協(xié)同學(xué)習(xí)。通過云端的模擬器來進(jìn)行虛擬環(huán)境中的協(xié)同學(xué)習(xí)也是一種行之有效的方法，可以充分利用云的大規(guī)模并行處理能力和大數(shù)據(jù)處理能力。協(xié)同學(xué)習(xí)使得機(jī)器人的持續(xù)學(xué)習(xí)能力進(jìn)一步增強(qiáng)，可以進(jìn)一步提高學(xué)習(xí)的速度和精度。

3.知識(shí)圖譜

知識(shí)圖譜在互聯(lián)網(wǎng)和語音助手方向已經(jīng)開始較為廣泛的應(yīng)用，尤其是百科知識(shí)圖譜。機(jī)器人也有百科知識(shí)問答類的應(yīng)用場景，對于這類的知識(shí)圖譜可以直接加以應(yīng)用。但不同于通常的百科知識(shí)類的知識(shí)圖譜，機(jī)器人應(yīng)用的知識(shí)圖譜有一些不同的需求：

（1）需要?jiǎng)討B(tài)和個(gè)性化的知識(shí)。機(jī)器人往往需要對所在的環(huán)境和人進(jìn)行更深入的理解才能進(jìn)行更好的服務(wù)，而且不僅僅是當(dāng)前的情況，要對過去發(fā)生的一些情況進(jìn)行記錄（例如要了解老人通常什么時(shí)候起床，某個(gè)物體一般放在什么位置)。因此，機(jī)器人需要記錄環(huán)境里不同時(shí)間的人和物、發(fā)生的事件等相關(guān)信息，這些都是通用知識(shí)圖譜所不能事先提供的，必須在環(huán)境里去獲取。這些動(dòng)態(tài)的個(gè)性化知識(shí)能很好的對人進(jìn)行個(gè)性化的服務(wù)，例如通過對某用戶的觀察，機(jī)器人可以觀察到該用戶的一些喜好，或者一些行為模式，這些信息可以幫助對該用戶提供更好的服務(wù)。

（2） 知識(shí)圖譜需要和感知、決策緊密結(jié)合, 并幫助實(shí)現(xiàn)更高級(jí)的持續(xù)學(xué)習(xí)能力。從人工智能發(fā)展的歷史看，單一方法很難徹底解決 AI 問題，前面的介紹也提到不論符號(hào)方法還是統(tǒng)計(jì)方法都已經(jīng)顯現(xiàn)了瓶頸，而且目前在單一方法里都沒有很好的方法解決這些瓶頸問題。按照明斯基的分析，未來需要多種方法結(jié)合的 AI 系統(tǒng)。從最近幾年的研究進(jìn)展看，這也是未來人工智能取得進(jìn)一步突破的必經(jīng)之路。

所以不同于以往知識(shí)圖譜和計(jì)算機(jī)視覺等統(tǒng)計(jì)方法基本是獨(dú)立運(yùn)作的做法，知識(shí)圖譜必須和感知決策更深入、有機(jī)的結(jié)合。具體來說，知識(shí)圖譜的信息是從感知中獲取的，通過基礎(chǔ)的感知，加上場景理解，獲得的信息可以存入知識(shí)圖譜，然后這些知識(shí)可以進(jìn)一步進(jìn)行模式的挖掘（比如時(shí)間空間相關(guān)的模式）來獲得更高層的知識(shí)。

知識(shí)圖譜的一些知識(shí)又可以作為環(huán)境上下文信息提供給感知算法來進(jìn)行連續(xù)學(xué)習(xí)，從而實(shí)現(xiàn)自適應(yīng)的感知算法。從某種意義來說，這已經(jīng)不是傳統(tǒng)意義上的純符號(hào)方法的知識(shí)圖譜，而是一種混合的知識(shí)圖譜，即符號(hào)方法和統(tǒng)計(jì)方法結(jié)合的知識(shí)圖譜。這也是未來很有潛力取得突破的一個(gè)方向。

由于云-邊-端融合的需要，知識(shí)圖譜會(huì)分別存放在機(jī)器人側(cè)，邊緣側(cè)和云側(cè)，其接口可以采用統(tǒng)一的接口以利于系統(tǒng)對知識(shí)圖譜進(jìn)行統(tǒng)一的調(diào)用。由于協(xié)同學(xué)習(xí)和實(shí)時(shí)處理的需要，知識(shí)和其他相關(guān)信息（如數(shù)據(jù)，模型等）還可以通過云側(cè)、邊緣側(cè)來進(jìn)行共享，通過一定的冗余備份來達(dá)到更高的實(shí)時(shí)性。這類似于計(jì)算機(jī)架構(gòu)中的高速緩存機(jī)制(Cache), 比如部分存儲(chǔ)在云端的知識(shí)經(jīng)常被調(diào)用，可以緩存到邊緣端或機(jī)器人端提高其存取的速度。在 5G 網(wǎng)絡(luò)下，延遲本身不是大問題，主要考慮更充分的利用邊緣端和機(jī)器人端的計(jì)算能力，達(dá)到整體資源的最優(yōu)利用。

4.場景自適應(yīng)

有了持續(xù)學(xué)習(xí)和知識(shí)圖譜, 系統(tǒng)在感知方面的魯棒性大大提高，也在場景分析方面獲得了豐富的信息并存在知識(shí)圖譜中，這就使得機(jī)器人能夠根據(jù)當(dāng)前的場景進(jìn)行相應(yīng)的行動(dòng)。

場景自適應(yīng)技術(shù)主要通過對場景進(jìn)行三維語義理解的基礎(chǔ)上，主動(dòng)觀察場景里人與物的變化，并預(yù)測可能發(fā)生的事件，從而產(chǎn)生與場景發(fā)展相關(guān)的行動(dòng)建議。例如在養(yǎng)老/助老應(yīng)用中老人端著一碗湯走向冰箱，機(jī)器人可以通過以往的經(jīng)驗(yàn)或知識(shí)預(yù)測老人是要去開冰箱放東西， 就可以幫老人打開冰箱。再例如，機(jī)器人看到地上有一塊果皮，預(yù)測可能會(huì)導(dǎo)致老人摔倒，這時(shí)機(jī)器人可以主動(dòng)撿起果皮（機(jī)器人配備了手臂操控的情況下）或站到果皮邊并警告老人。

這部分的關(guān)鍵技術(shù)是場景預(yù)測能力。場景預(yù)測就是通過對場景里的人、物、行為等的長期 觀察，并結(jié)合相關(guān)的知識(shí)和統(tǒng)計(jì)模型來總結(jié)出一些個(gè)人偏好或行為模式，并據(jù)此來預(yù)測目前場 景要發(fā)生的事件。過去人工智能的符號(hào)方法中框架、腳本表示在這里可以作為知識(shí)表達(dá)的形式， 但更關(guān)鍵的是需要把符號(hào)方法和統(tǒng)計(jì)方法結(jié)合起來，從而解決以往單獨(dú)用符號(hào)方法無法解決的 問題（比如缺少學(xué)習(xí)能力）。這部分的研究還處于比較初期的階段，但相信在基于持續(xù)學(xué)習(xí)、知識(shí)圖譜等技術(shù)充分結(jié)合的基礎(chǔ)上，該方向在未來幾年會(huì)有較大的突破。最終使得整個(gè)機(jī)器人 的閉環(huán)系統(tǒng)，即感知-認(rèn)知-行動(dòng)，變得更加智能和人性化。

云端融合在這里起到非常重要的作用，尤其是知識(shí)的共享方面。例如前面的水果皮的例子， 這方面的模式可能發(fā)生的不多，在單個(gè)機(jī)器人的情況下可能從來沒見過這個(gè)情況，也就無法知 道是危險(xiǎn)的。如果通過云-邊-端融合，只要有一個(gè)機(jī)器人看到過這個(gè)危險(xiǎn)情況的發(fā)生，就可以 把該知識(shí)分享給所有的機(jī)器人，所有的機(jī)器人就可以去預(yù)測這些危險(xiǎn)情況了。除了通過在實(shí)際 的物理世界中觀察，在云端通過大規(guī)模的模擬來預(yù)演生活中可能發(fā)生的情況，可能也是另外一 個(gè)有效的方法來獲得更多的事件模式。

5.數(shù)據(jù)安全

由于機(jī)器人配備了多種多樣的傳感器，在工作過程中可以搜集到很多的信息，包括視覺數(shù) 據(jù)，語音數(shù)據(jù)，位置數(shù)據(jù)等，這些重要的隱私數(shù)據(jù)都需要得到保護(hù)。在機(jī)器人處于云-邊-端融 合的環(huán)境中，數(shù)據(jù)的處理根據(jù)需求會(huì)發(fā)生在機(jī)器人側(cè)，邊緣側(cè)或者云側(cè)，在網(wǎng)絡(luò)受到攻擊的情 況下，保護(hù)用戶的隱私數(shù)據(jù)的安全變得尤其重要。

一方面可以通過數(shù)據(jù)脫敏的手段來消除隱私性；但是從根本上而言，云-邊-端融合的機(jī)器人系統(tǒng)需要完整的數(shù)據(jù)安全保障機(jī)制，既要求保 證端到端的安全傳輸，也要保障在服務(wù)器端的安全存儲(chǔ)。在機(jī)器人側(cè)，傳感器數(shù)據(jù)安全地傳輸 到可信計(jì)算單元，以及控制命令安全地傳輸?shù)綀?zhí)行單元尤其重要，只有確保輸入輸出的安全， 才可以確保機(jī)器人在受到網(wǎng)絡(luò)攻擊的情況下，也能保證機(jī)器人物理安全的邏輯得到正確的執(zhí)行。因此，在機(jī)器人側(cè)，需要構(gòu)建一個(gè)從傳感器和執(zhí)行器到可信計(jì)算單元之間的可信傳輸通道。

除了原始的隱私數(shù)據(jù)外，通過用戶數(shù)據(jù)推理得到的個(gè)性化知識(shí)也包含了用戶的隱私信息， 同樣需要得到安全的保障。在云-邊-端融合的環(huán)境下，機(jī)器人側(cè)，邊緣側(cè)以及云側(cè)的數(shù)據(jù)安全需求不同，因此需要不同的安全保障機(jī)制。在機(jī)器人本體方面需要保證重要的隱私數(shù)據(jù)的物理安全和安全相關(guān)應(yīng)用的代碼安全，網(wǎng)絡(luò)側(cè)和邊緣端需要對用戶的數(shù)據(jù)，以及根據(jù)用戶數(shù)據(jù)推理得到的隱私信息做好保護(hù)，只有被授權(quán)的用戶才可以得到訪問權(quán)。盡量避免敏感數(shù)據(jù)上傳到云端，存儲(chǔ)在云端的數(shù)據(jù)需要提供安全存儲(chǔ)鑒別機(jī)制。

四

云端大腦和安全專網(wǎng)的實(shí)踐與思考

1.云端智能機(jī)器人架構(gòu)

為了讓機(jī)器人具備通用智能，包括類人的感知和認(rèn)知能力，類人的動(dòng)作行為和類人自然交 互能力，并同時(shí)最大限度地保障機(jī)器人的運(yùn)行安全，需要構(gòu)建類人“大腦”的智能體。目前機(jī) 器人本體計(jì)算能力有限，必須通過可以無限擴(kuò)展的云端計(jì)算能力來提供智能機(jī)器人所需的能力。

通過無線5G通信網(wǎng)絡(luò)和一個(gè)安全高速骨干網(wǎng)絡(luò)構(gòu)成機(jī)器人“神經(jīng)網(wǎng)絡(luò)”，實(shí)現(xiàn)機(jī)器人本體和云 端大腦的連接。云端大腦包括機(jī)器人視覺系統(tǒng)、對話系統(tǒng)、運(yùn)動(dòng)智能和極限現(xiàn)實(shí)系統(tǒng)等技術(shù)， 其通過人工智能算法不斷訓(xùn)練進(jìn)化，使得前端機(jī)器人本體智能隨之迅速提高。因此，采用云-網(wǎng)-端結(jié)合的智能機(jī)器人系統(tǒng)架構(gòu)，具有更強(qiáng)的適應(yīng)性和擴(kuò)展性，如圖 5 所示。

 

圖 5：用云-網(wǎng)-端結(jié)合的智能機(jī)器人系統(tǒng)架構(gòu)

達(dá)闥科技提供的機(jī)器人云端智能大腦，利用深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)技術(shù)，通過物理和虛擬平行智能平臺(tái)，以及多模態(tài) AI 能力，讓機(jī)器人的智能快速向人類智能匯集。必要時(shí)刻的人類干預(yù)確保了 AI 決策的安全性和可控性。極限現(xiàn)實(shí)系統(tǒng)借助流行的游戲引擎，有助于利用大量的游戲開發(fā)者進(jìn)行環(huán)境的建設(shè)。

為了讓機(jī)器人更加智能，更好的為人類提供服務(wù)，云端智能機(jī)器人不再是可以和人類簡單對話、唱歌、跳舞的娛樂工具，而是需要在實(shí)際應(yīng)用場景中幫助人們完成多種特定的任務(wù)，包括抓取目標(biāo)物體、移動(dòng)到指定位置等。具備這種云端大腦的新型云端智能機(jī)器人將可滿足各種服務(wù)性行業(yè)（如醫(yī)院、銀行、營業(yè)廳、迎賓接待、教育等），以及家庭保姆服務(wù)等不同場景的需求。支撐機(jī)器人在營業(yè)廳VIP 室端茶送水，在養(yǎng)老院與老人聊天、下棋、陪護(hù)、護(hù)理，在家中做飯、打掃、與人溝通、照看老人小孩以及陪伴應(yīng)用場景等。

2.云端機(jī)器人大腦

云端機(jī)器人“大腦”（如圖 5）是由一個(gè)可以運(yùn)行足夠大規(guī)模機(jī)器人，并面向人工智能服務(wù)的平臺(tái)；包含機(jī)器學(xué)習(xí)、人工智能視覺、自然語言處理和機(jī)器人運(yùn)動(dòng)智能，以及平行智能體的虛擬空間的綜合智能平臺(tái)；人類智慧增強(qiáng)的人機(jī)融合機(jī)器人運(yùn)營服務(wù)平臺(tái)；和面向各類機(jī)器人應(yīng)用服務(wù)的云端智能開放能力平臺(tái)四大部分構(gòu)成。通過云端將機(jī)器人的智能視覺系統(tǒng)、智能語音對話系統(tǒng)、運(yùn)動(dòng)智能和極限現(xiàn)實(shí)系統(tǒng)等融合起來，形成真正可為人類服務(wù)的智能機(jī)器人。該技術(shù)架構(gòu)富有彈性和無限的潛力，機(jī)器智能可以在很多應(yīng)用場景下為人提供多種應(yīng)用服務(wù)。

云端智能“大腦”具備提供機(jī)器人角色和對應(yīng)智能技能服務(wù)，其中人工智能技能服務(wù)提供包括但不限于視覺自主導(dǎo)航和運(yùn)動(dòng)、行為智能（如視覺反饋?zhàn)ト∥矬w）等智能運(yùn)動(dòng)系統(tǒng)，人臉識(shí)別、人體識(shí)別、2D/3D 物體識(shí)別、環(huán)境識(shí)別、3D 重建/語義分割等智能視覺系統(tǒng)，包括自動(dòng)語音識(shí)別、自然語言理解、情緒識(shí)別以及對話知識(shí)庫等智能對話系統(tǒng)，以及用來模仿學(xué)習(xí)和訓(xùn)練機(jī)器人綜合智能的虛擬平行智能平臺(tái)。

通過大規(guī)模計(jì)算力來構(gòu)建機(jī)器人的大腦中樞系統(tǒng)，通過深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、模仿學(xué)習(xí)等 AI 技術(shù)，通過物理世界和平行虛擬空間智能融合，以及多模態(tài)智能交互，來訓(xùn)練機(jī)器人的通用智能能力。通過機(jī)器人身體上的各種傳感器感知真實(shí)物理世界，并對物理世界進(jìn)行三維重建，通過語義分割形成三維環(huán)境的高精度語義地圖，讓機(jī)器人真正理解當(dāng)前的物理世界以及客觀物體之間的關(guān)系。三維語義地圖同時(shí)也構(gòu)建了機(jī)器人數(shù)字孿生（Digital Twin）運(yùn)行的虛擬物理空間，可持續(xù)不斷地模擬和訓(xùn)練各種智能機(jī)器人的智能能力。這種云端智能“大腦”可支持同時(shí)為百萬級(jí)實(shí)體機(jī)器人提供云端 AI 智能服務(wù)，幫助機(jī)器人理解物理世界。

人類智慧增強(qiáng)人機(jī)融合機(jī)器人運(yùn)營服務(wù)平臺(tái)，在必要的時(shí)刻，通過人機(jī)無縫融合的方式來支撐云端機(jī)器人規(guī)?；逃眠\(yùn)行和安全管控服務(wù)。人類將直接正向干預(yù)（Human  Intelligence），確保人工智能的安全性和決策可控性，在提供無差錯(cuò)的商用級(jí)服務(wù)的同時(shí)，這些人類的干預(yù)形成強(qiáng)化學(xué)習(xí)，智能反饋到 AI 訓(xùn)練系統(tǒng)中，從而讓機(jī)器人智能快速向人類智能進(jìn)化。

3.機(jī)器人安全專網(wǎng)的實(shí)踐

公眾互聯(lián)網(wǎng)中存在大量數(shù)據(jù)隱私泄露、病毒木馬和漏洞攻擊等問題，如果智能機(jī)器人與云端大腦的網(wǎng)絡(luò)通信完全基于公眾互聯(lián)網(wǎng)，必將給云端智能架構(gòu)帶來極大的安全隱患。為了提高云端智能架構(gòu)與系統(tǒng)的安全性，達(dá)闥科技構(gòu)建了機(jī)器人安全專網(wǎng) VBN(全稱：Virtual Backbone Network)，機(jī)器人本體通過物聯(lián)網(wǎng)或移動(dòng)互聯(lián)網(wǎng)就近接入至 VBN 專網(wǎng)接入點(diǎn)，然后通過專網(wǎng)專有線路去訪問云端大腦，整體網(wǎng)絡(luò)架構(gòu)如圖 6 所示。

 

圖 6：達(dá)闥科技VBN 專網(wǎng)整體網(wǎng)絡(luò)架構(gòu)圖

達(dá)闥科技機(jī)器人安全專網(wǎng)疊加在運(yùn)營商的網(wǎng)絡(luò)基礎(chǔ)設(shè)施之上，基于運(yùn)營商的專有線路而不是互聯(lián)網(wǎng)線路進(jìn)行網(wǎng)絡(luò)傳輸。作為云-邊-端融合機(jī)器人系統(tǒng)的神經(jīng)網(wǎng)絡(luò)，它為機(jī)器人和云端大腦提供安全可靠的網(wǎng)絡(luò)連接。達(dá)闥科技機(jī)器人專網(wǎng)從如下幾個(gè)方面加強(qiáng)云端超融合機(jī)器人系統(tǒng)的整體安全性：

 (1) 機(jī)器人專網(wǎng) POP 點(diǎn)之間的傳輸線路為點(diǎn)對點(diǎn) SDH 線路或 MPLS VPN 專線等專有線路， 專網(wǎng)的核心設(shè)備不提供互聯(lián)網(wǎng)接入，設(shè)備和線路均與互聯(lián)網(wǎng)物理隔離。只在有互聯(lián)網(wǎng)接入需求的站點(diǎn)單獨(dú)增加互聯(lián)網(wǎng)接入設(shè)備，由該設(shè)備實(shí)現(xiàn)與互聯(lián)網(wǎng)對接，但是針對這種場景會(huì)增加嚴(yán)格的 L3 到 L7 層的安全防護(hù)策略以及安全接入認(rèn)證策略。總體來說，達(dá)闥科技機(jī)器人專網(wǎng)在物理上實(shí)現(xiàn)了與公眾互聯(lián)網(wǎng)的隔離，邏輯上則利用虛擬專網(wǎng)技術(shù)實(shí)現(xiàn)租戶之間的業(yè)務(wù)隔離，為最終用戶進(jìn)一步提升了業(yè)務(wù)的安全性。

 (2) 云端大腦與機(jī)器人專網(wǎng)一體化部署，即云端大腦部署在機(jī)器人專網(wǎng) POP 點(diǎn)內(nèi)，或者是通過專有線路與機(jī)器人專網(wǎng)互通。機(jī)器人只有在接入到專網(wǎng) POP 點(diǎn)并通過認(rèn)證后，才能去訪問特定的云端大腦服務(wù)。對于互聯(lián)網(wǎng)用戶，云端大腦完全不可見，這大大降低了云端大腦被網(wǎng)絡(luò)攻擊的風(fēng)險(xiǎn)，提升了系統(tǒng)安全性。

 (3) 智能機(jī)器人在接入到VBN 專網(wǎng)時(shí)需要更嚴(yán)格的準(zhǔn)入和認(rèn)證機(jī)制。首先機(jī)器人在申請接入之前，相關(guān)信息必須在云端平臺(tái)登記，必須在經(jīng)過該平臺(tái)的注冊和激活后才能申請接入到專網(wǎng)，這樣可以充分提升接入實(shí)體的可信性。機(jī)器人在接入到專網(wǎng)的過程中，須經(jīng)過多重認(rèn)證。對于物聯(lián)網(wǎng)接入方式，必須使用定制的物聯(lián)網(wǎng)卡，并設(shè)置特定的接入點(diǎn)和用戶名密碼，在通過物聯(lián)網(wǎng)認(rèn)證后到達(dá) VBN 專網(wǎng)部署的專用接入網(wǎng)關(guān)，在該網(wǎng)關(guān)上再做一次認(rèn)證。為提升第二次認(rèn)證的可靠性，集成了 SDP 思想，將區(qū)塊鏈技術(shù)引入到認(rèn)證系統(tǒng)中，只有在許可鏈中寫有訪問權(quán)限的設(shè)備才能發(fā)現(xiàn)和訪問 VBN 專網(wǎng)，即使鏈中的部分節(jié)點(diǎn)受損或被攻擊，鏈也可以立即隔離這些節(jié)點(diǎn)并繼續(xù)運(yùn)行，從而提升網(wǎng)絡(luò)認(rèn)證體系的可靠性。

 (4) 智能機(jī)器人可能通過物聯(lián)網(wǎng)，也可能通過 4G/5G 互聯(lián)網(wǎng)接入到 VBN 專網(wǎng)提供的接入點(diǎn)，VBN 專網(wǎng)接入點(diǎn)是和其他網(wǎng)絡(luò)（如物聯(lián)網(wǎng)、互聯(lián)網(wǎng)等）的主要連接點(diǎn)，也可能是系統(tǒng)的主要風(fēng)險(xiǎn)點(diǎn)。除了嚴(yán)格的準(zhǔn)入和認(rèn)證機(jī)制外，此處會(huì)專門部署基于云的防火墻，該防火墻會(huì)基于從 L3 到 L7 等多個(gè)層面，針對每個(gè)接入租戶或用戶進(jìn)行安全策略部署，包含但不限于對源和目的 IP 的策略限制、對源和目的端口號(hào)的策略限制、對應(yīng)用層的安全策略等等。通過在 VBN 專網(wǎng)的入口處部署高等級(jí)的安全管控策略，非法用戶即使是接入到專網(wǎng)后能攻擊的范圍也極其有限，能極大的降低 VBN 專網(wǎng)以及在專網(wǎng)后端運(yùn)行的云端大腦被攻擊的風(fēng)險(xiǎn)，從而為云端超融合機(jī)器人系統(tǒng)的整體安全性提供保障。

未來，云端智能機(jī)器人系統(tǒng)可以把人工輔助監(jiān)督、記憶知識(shí)內(nèi)容、低頻次的認(rèn)知類決策神經(jīng)網(wǎng)絡(luò)等功能仍然放在云端大腦，逐步把視覺識(shí)別、語音識(shí)別和智能運(yùn)動(dòng)等 AI 感知能力，以及需要實(shí)時(shí)響應(yīng)的功能模塊放在端側(cè)和邊緣計(jì)算節(jié)點(diǎn)，邊緣計(jì)算節(jié)點(diǎn)和云端大腦通過機(jī)器人安全專網(wǎng)相連。

云端智能機(jī)器人天然具備移動(dòng)通信的屬性，它將是 5G 網(wǎng)絡(luò)的殺手級(jí)應(yīng)用。5G 網(wǎng)絡(luò)為云端智能機(jī)器人與云端的網(wǎng)絡(luò)連接提供最佳傳輸載體。云-邊-端智能機(jī)器人正在向機(jī)器人本體—5G 網(wǎng)絡(luò)—邊緣計(jì)算節(jié)點(diǎn)—機(jī)器人安全專網(wǎng)和大規(guī)模云端“大腦”的架構(gòu)發(fā)展。達(dá)闥科技打造的智能機(jī)器人云端“大腦”，在實(shí)施商業(yè)化運(yùn)營和云端的安全控制的過程中，必然需要依托大帶寬、低時(shí)延、超高可靠性、網(wǎng)絡(luò)切片和邊緣計(jì)算的 5G 網(wǎng)絡(luò)來進(jìn)一步增加機(jī)器人專網(wǎng)，這將是智能服務(wù)機(jī)器人產(chǎn)業(yè)化的必由之路。

五

邊緣智能支持多機(jī)器人協(xié)作的實(shí)踐與思考

1.工業(yè)機(jī)器人發(fā)展趨勢

近年來，隨著物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)和人工智能為代表的新一代信息技術(shù)與傳統(tǒng)工業(yè)技術(shù)的加速融合，全球新一輪科技革命和工業(yè)革命正蓬勃興起。在這種世界科技和工業(yè)發(fā)展背景下，德國、美國、日本、英國和中國等世界主要國家分別推出了工業(yè) 4.0、工業(yè)互聯(lián)網(wǎng)、工業(yè)智能化、工業(yè) 2050 和中國制造 2025 等一系列振興工業(yè)的國家戰(zhàn)略。習(xí)總書記曾經(jīng)在兩院院士大會(huì)上指出：機(jī)器人是“制造業(yè)皇冠頂端的明珠”。作為智能制造的核心裝備，工業(yè)機(jī)器人在智能制造的發(fā)展過程中起到了不可替代的作用。

工業(yè) 3.0 通過廣泛應(yīng)用信息技術(shù)，已經(jīng)使得工廠生產(chǎn)線的自動(dòng)化程度和生產(chǎn)效率大幅度提高。但隨著時(shí)間的推移，業(yè)界逐漸意識(shí)到了一些問題：如今消費(fèi)者的個(gè)性化需求繁多，生產(chǎn)線 無法按照消費(fèi)者需求生產(chǎn)出相應(yīng)的產(chǎn)品，導(dǎo)致產(chǎn)品不暢銷或者產(chǎn)能過剩造成資源浪費(fèi)。另一個(gè) 重要的問題是，并沒有很好的利用整個(gè)產(chǎn)品生命周期產(chǎn)生和累積的數(shù)據(jù)。近年來隨著互聯(lián)網(wǎng)的 蓬勃發(fā)展與人工智能算法的不斷改善，使得業(yè)界可以在一定程度上解決上述問題，工業(yè) 4.0 即智能制造應(yīng)運(yùn)而生。

通過賦予生產(chǎn)線智能屬性，可以增加生產(chǎn)線的柔性，滿足消費(fèi)者個(gè)性化需 求，利用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘做出生產(chǎn)決策，平衡多生產(chǎn)線負(fù)荷，提高有效產(chǎn)能避免資源浪費(fèi)。同時(shí)又不得不面臨新的問題：原始設(shè)備的運(yùn)算和存儲(chǔ)能力不足以滿足智能制造的要求，而隨著 產(chǎn)品生命周期中產(chǎn)生的數(shù)據(jù)量的不斷累計(jì)勢必會(huì)增加云端成本，并且數(shù)據(jù)安全如何保障也是一 個(gè)問題?；谝陨蠁栴}，新松構(gòu)建了以云-邊-端為框架的平臺(tái)。邊緣計(jì)算設(shè)備可以滿足數(shù)據(jù)的 實(shí)時(shí)傳送與運(yùn)算，并且在數(shù)據(jù)上傳到公有云之前對數(shù)據(jù)進(jìn)行分析與壓縮，私有云則保證了數(shù)據(jù) 的安全性，將控制力留在企業(yè)邊界。

當(dāng)前，工業(yè)機(jī)器人呈現(xiàn)出以下三個(gè)方面的發(fā)展趨勢：

1）泛在互聯(lián)。由于以 AGV 為代表的移動(dòng)工業(yè)機(jī)器人將在未來廣泛使用，高可靠、高并發(fā)和低延遲的無線接入方式將成為工業(yè)機(jī)器人云平臺(tái)的重要接入方式（包括環(huán)境的參數(shù)，多種設(shè)備接入的需求）；

2）云端融合。一方面， 工業(yè)機(jī)器人的功能越來越強(qiáng)大，智能化程度越來越高，同時(shí)隨著大數(shù)據(jù)、云計(jì)算和人工智能技 術(shù)的快速發(fā)展，把基于大數(shù)據(jù)的智能化計(jì)算移到云端實(shí)現(xiàn)是工業(yè)機(jī)器人的重要發(fā)展趨勢(工業(yè) 機(jī)器人現(xiàn)場的數(shù)量的劇增，對分布式存儲(chǔ)和處理的需求)；

3）智能服務(wù)。工業(yè)機(jī)器人發(fā)展至今， 在工藝過程優(yōu)化、遠(yuǎn)程監(jiān)控、狀態(tài)分析和預(yù)測性維護(hù)等生產(chǎn)使用環(huán)節(jié)積累了大量的數(shù)據(jù)和規(guī)則， 如何利用機(jī)器學(xué)習(xí)和云計(jì)算技術(shù)將這些海量數(shù)據(jù)、規(guī)則和知識(shí)形成機(jī)器人的智能服務(wù)，成為工 業(yè)機(jī)器人云平臺(tái)發(fā)展的必然要求(全生命周期的管理)。

機(jī)器人是靠近產(chǎn)線和數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)的重要制造設(shè)備，也是融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用等核心能力的重要載體和平臺(tái)。在網(wǎng)絡(luò)的邊緣智能側(cè)，機(jī)器人面向產(chǎn)線，就近提供邊緣智 能服務(wù)，滿足行業(yè)數(shù)字化敏捷連接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面 的關(guān)鍵需求。

2.多機(jī)協(xié)作應(yīng)用

 

圖 7：以機(jī)器人為核心的智能制造系統(tǒng)

隨著小批量、多品種、個(gè)性定制等生產(chǎn)需求的不斷改變，對生產(chǎn)模式的柔性化要求越來越迫切，整個(gè)制造系統(tǒng)的數(shù)字化、網(wǎng)絡(luò)化和智能化是發(fā)展的必然趨勢。智能制造的“執(zhí)行層”主要包括智能作業(yè)和智能物流，而工業(yè)機(jī)器人和移動(dòng)機(jī)器人是其核心裝備：工業(yè)機(jī)器人完成在固定工位的精密、快速、高強(qiáng)度作業(yè)，移動(dòng)機(jī)器人在生產(chǎn)車間、倉庫完成物料的搬運(yùn)。

 

圖 8：多機(jī)協(xié)作典型應(yīng)用

未來多機(jī)器人協(xié)作的邊緣智能將實(shí)體空間中的人員、設(shè)備、資源、環(huán)境、活動(dòng)等要素，以數(shù)據(jù)驅(qū)動(dòng)的方式在賽博空間中建立從個(gè)體到集群的狀態(tài)模型、關(guān)系模型、決策模型，通過狀態(tài)感知-實(shí)時(shí)分析-優(yōu)化決策-精確執(zhí)行的閉環(huán)過程實(shí)現(xiàn)對實(shí)體空間要素的精確管理和協(xié)同優(yōu)化。

3.多機(jī)器人邊緣智能系統(tǒng)架構(gòu)

未來的多機(jī)器人邊緣智能系統(tǒng)架構(gòu)圖如下，主要分為幾個(gè)主要部分。 

 

圖 9：機(jī)器人邊緣智能系統(tǒng)架構(gòu)圖

數(shù)據(jù)采集

針對不同類機(jī)器人或智能設(shè)備的數(shù)據(jù)，搭建統(tǒng)一的數(shù)據(jù)信息集成平臺(tái)，形成設(shè)備“縱向”（設(shè)備端——管理層）與“橫向”（設(shè)備產(chǎn)業(yè)鏈各環(huán)節(jié)之間）的二維信息聯(lián)通平臺(tái)，篩選出真正有用的數(shù)據(jù)，重點(diǎn)是將“原始數(shù)據(jù)”變?yōu)?span lang="EN-US">“有用數(shù)據(jù)”。下表是一個(gè)產(chǎn)線作業(yè)過程中產(chǎn)生出的實(shí)時(shí)數(shù)據(jù)的例子。

 

邊緣計(jì)算

利用網(wǎng)絡(luò)計(jì)算資源，將知識(shí)鏡像建模和知識(shí)挖掘，在網(wǎng)絡(luò)層中形成實(shí)體的鏡像對稱模型和大數(shù)據(jù)環(huán)境，通過對實(shí)體運(yùn)行歷史數(shù)據(jù)中的關(guān)聯(lián)性和邏輯性進(jìn)行挖掘，產(chǎn)生能夠支持決策的制造知識(shí)，重點(diǎn)是將對數(shù)據(jù)的洞察變?yōu)橹С譀Q策的知識(shí)，形成知識(shí)庫。邊緣計(jì)算設(shè)備作為邊緣設(shè)備的輸出端，需要較高的實(shí)時(shí)性與擴(kuò)展性。面對復(fù)雜的 IT 與 OT 設(shè)備混連的環(huán)境，我們需要有按照優(yōu)先級(jí)處理事件的方案或者協(xié)議，比如TSN。而作為云端的輸入端則需要較高的穩(wěn)定性。我們需要對邊緣計(jì)算設(shè)備做冗余以避免整個(gè)生產(chǎn)線失控的場景，比如分布式架構(gòu)。而其自身的邊緣智能則需要較強(qiáng)的浮點(diǎn)運(yùn)算能力以進(jìn)行智能分析與決策，比如使用專用的加速芯片。

邊緣智能

 

圖 10：云邊端系統(tǒng)結(jié)構(gòu)

如上圖所示，邊緣智能部署在邊緣計(jì)算設(shè)備上。與端設(shè)備，采用的 TSN 硬件協(xié)議與 OPC 應(yīng)用協(xié)議，最大限度保證了 IT 與 OT 的通信實(shí)時(shí)性與效率。與云設(shè)備，則是采用了 TCP 傳輸數(shù)據(jù)與 RPC 進(jìn)行遠(yuǎn)程調(diào)用，保證了數(shù)據(jù)傳輸?shù)陌踩€(wěn)定性，降低云端與邊端之間的通信開發(fā)難度，提高系統(tǒng)穩(wěn)定性與擴(kuò)展性。

 (1) 智能分析。將隱性問題顯性化，通過設(shè)備端的智能分析，準(zhǔn)確評(píng)估設(shè)備真實(shí)的健康狀態(tài)（安全性，可靠性，實(shí)時(shí)性和經(jīng)濟(jì)性等多個(gè)維度）和未來趨勢，并能夠?qū)撛诘墓收虾碗[性問題進(jìn)行預(yù)診和定位，為設(shè)備使用、維護(hù)和管理的智能決策提供重要決策支持依據(jù)，重點(diǎn)是將“有用數(shù)據(jù)”變?yōu)?span lang="EN-US">“有用信息”。

 (2) 智能決策。對狀態(tài)的識(shí)別和決策，以優(yōu)化、協(xié)同為核心手段，基于裝備真實(shí)健康狀態(tài)和衰退趨勢，結(jié)合用戶決策的定制化需求，提供設(shè)備使用、維護(hù)和管理的最優(yōu)決策支持，并達(dá)成任務(wù)活動(dòng)與設(shè)備狀態(tài)的最佳匹配，以保障生產(chǎn)系統(tǒng)的持續(xù)穩(wěn)定運(yùn)行（近零故障運(yùn)行），將有用的信息變?yōu)樽顑?yōu)決策。

邊緣應(yīng)用

形成工業(yè)的典型應(yīng)用場景，不斷對于智能系統(tǒng)的動(dòng)態(tài)優(yōu)化和重構(gòu)，將智能優(yōu)化后的決策同步到設(shè)備的運(yùn)行和企業(yè)資源運(yùn)營的執(zhí)行系統(tǒng)中，實(shí)現(xiàn)決策與價(jià)值的閉環(huán)。

 (1) 優(yōu)化生產(chǎn)線工藝流程。針對生產(chǎn)線中多機(jī)器人協(xié)同作業(yè)存在的作業(yè)時(shí)間不一致、路徑?jīng)_突等問題，基于多機(jī)器人協(xié)同工藝優(yōu)化方法，挖掘多維工藝參數(shù)與作業(yè)效率、節(jié)拍之間的隱含關(guān)系，以生產(chǎn)作業(yè)效率、路徑最優(yōu)為目標(biāo)，實(shí)現(xiàn)基于群體智能的多機(jī)器人協(xié)同作業(yè)工藝參數(shù)與運(yùn)動(dòng)軌跡優(yōu)化。

 (2) 完善生產(chǎn)的運(yùn)營管理數(shù)據(jù)，為更好的決策提供數(shù)據(jù)基礎(chǔ)。依據(jù)機(jī)器人的設(shè)計(jì)工藝、應(yīng)  用工藝，在三維環(huán)境下對機(jī)器人進(jìn)行軌跡規(guī)劃、可達(dá)性分析以及干涉檢驗(yàn)等仿真；通過機(jī)器人 作業(yè)效率分析實(shí)現(xiàn)對工藝方案的評(píng)價(jià)及優(yōu)化。根據(jù)機(jī)器人生產(chǎn)線工藝規(guī)劃、多機(jī)協(xié)同作業(yè)規(guī)劃、排產(chǎn)及物流控制方案，驅(qū)動(dòng)三維模型進(jìn)行生產(chǎn)過程模擬，依據(jù)仿真結(jié)果進(jìn)行機(jī)器人及其所在單 元的應(yīng)用工藝設(shè)計(jì)或優(yōu)化過程的校驗(yàn)與評(píng)估，實(shí)現(xiàn)機(jī)器人生產(chǎn)線運(yùn)行效率、節(jié)拍平衡等目標(biāo)優(yōu) 化。將仿真分析結(jié)果反饋至設(shè)計(jì)和應(yīng)用環(huán)節(jié)進(jìn)行驗(yàn)證；更新機(jī)器人工藝設(shè)計(jì)知識(shí)庫，實(shí)現(xiàn)工藝 操作透明化及工藝過程自主優(yōu)化。

綜上，邊緣計(jì)算是擴(kuò)展機(jī)器人個(gè)體智能的途徑。在未來的多機(jī)器人協(xié)作過程中，對于機(jī)器 人的預(yù)測性維護(hù)，生產(chǎn)線的智能排產(chǎn)等方面也都是機(jī)器人在邊緣智能的重要應(yīng)用方向。邊緣智能技術(shù)通過協(xié)同機(jī)器人設(shè)備與邊緣服務(wù)器，利用深度學(xué)習(xí)模型優(yōu)化，深度學(xué)習(xí)計(jì)算遷移等方法， 使機(jī)器人在未來的使用中，能更好的自主決策，同時(shí)也讓產(chǎn)線變得更智能，能夠支撐生產(chǎn)計(jì)劃 靈活適應(yīng)產(chǎn)線資源的變化，最終使產(chǎn)線變得柔性化、個(gè)性化、智能化，實(shí)現(xiàn)智能制造的升級(jí)。

六

服務(wù)機(jī)器人的場景認(rèn)知、進(jìn)化和業(yè)務(wù)賦能的思考

1.服務(wù)機(jī)器人多源異構(gòu)數(shù)據(jù)協(xié)同認(rèn)知

環(huán)境認(rèn)知對于機(jī)器人而言是一個(gè)重要的研究環(huán)節(jié)。機(jī)器人對環(huán)境認(rèn)知的目的是為復(fù)雜未知 環(huán)境下的機(jī)器人提供足夠的決策信息。這就需要將機(jī)器人通過圖像識(shí)別、導(dǎo)航定位、語音交互、觸覺感知等技術(shù)獲取的異構(gòu)數(shù)據(jù)進(jìn)行融合，實(shí)現(xiàn)優(yōu)勢互補(bǔ)，從而提升機(jī)器人對周圍環(huán)境的感知能力。進(jìn)一步，通過網(wǎng)絡(luò)與其它智能體協(xié)同，并結(jié)合知識(shí)，可以顯著提高認(rèn)知的置信度。

未來將有多個(gè)服務(wù)機(jī)器人在智能環(huán)境中共同工作。多機(jī)器人之間、機(jī)器人與環(huán)境之間都可以通過網(wǎng)絡(luò)和邊緣計(jì)算共享它們的感知信息和場景狀態(tài)信息。從認(rèn)知數(shù)據(jù)融合的方法出發(fā)，將對自然環(huán)境的感知與理解從片面的、離散的、被動(dòng)的感知層次提高到全局的、關(guān)聯(lián)的、主動(dòng)性的認(rèn)知層次上，全面深入分析機(jī)器人系統(tǒng)與環(huán)境之間的交互關(guān)系，以實(shí)現(xiàn)靈活、穩(wěn)定、可靠的機(jī)器人環(huán)境認(rèn)知系統(tǒng)。

2.云端一體架構(gòu)支撐下的服務(wù)機(jī)器人認(rèn)知進(jìn)化

2010 年云計(jì)算技術(shù)將從概念層面逐漸走向應(yīng)用層面，許多研發(fā)公司已經(jīng)將云計(jì)算作為新的戰(zhàn)略核心，并探索其企業(yè)級(jí)、社會(huì)級(jí)的應(yīng)用。構(gòu)建云端一體架構(gòu)，實(shí)現(xiàn)從樣本數(shù)據(jù)采集、標(biāo)注、模型訓(xùn)練到端側(cè)部署的整個(gè)過程。商用服務(wù)機(jī)器人領(lǐng)域，由于B端客戶的需求多樣，場景復(fù)雜，更需要機(jī)器人具備較高的場景自適應(yīng)能力。機(jī)器人作為端側(cè)智能設(shè)備，可以通過云端訓(xùn)練支持，端側(cè)推理引擎部署，在云端一體架構(gòu)支撐下獲得認(rèn)知能力的持續(xù)進(jìn)化。

云平臺(tái)從終端機(jī)器學(xué)習(xí)、深度學(xué)習(xí)需求出發(fā)，把內(nèi)存、I/O、存儲(chǔ)和計(jì)算容量通過網(wǎng)絡(luò)集 成為一個(gè)虛擬的資源池來使用。在云端搭建訓(xùn)練平臺(tái)，集成分布式計(jì)算、并行處理等核心技術(shù)， 構(gòu)建虛擬化、高效、低成本、開放共享的系統(tǒng)架構(gòu)，從終端機(jī)器學(xué)習(xí)需求出發(fā)，建立私有云業(yè) 務(wù)樣本數(shù)據(jù)庫，通過增量式學(xué)習(xí)和訓(xùn)練，不斷優(yōu)化前端模型準(zhǔn)確度，構(gòu)建差異化、個(gè)性化核心 技術(shù)能力，為前端業(yè)務(wù)持續(xù)賦能，為業(yè)務(wù)決策提供更“精準(zhǔn)”、更“智能”、更“廣泛”的技術(shù) 支撐。

云平臺(tái)提供多元化的數(shù)據(jù)采集工具、智能爬蟲工具和數(shù)據(jù)標(biāo)注工具，提供從數(shù)據(jù)采集獲取、數(shù)據(jù)清洗和后續(xù)的數(shù)據(jù)標(biāo)注等一整套服務(wù)。依托機(jī)器人實(shí)際應(yīng)用場景中的數(shù)據(jù)采集和大量已經(jīng) 收錄的公開數(shù)據(jù)集數(shù)據(jù)，包含文本、圖片、音頻、視頻等類型數(shù)據(jù)，覆蓋包括人臉檢測、人臉 識(shí)別、人體檢測、物體識(shí)別、語音識(shí)別、智能安防等領(lǐng)域，提供更全面、更精準(zhǔn)的原始數(shù)據(jù)和 定制數(shù)據(jù)的采集、管理服務(wù)。

通過相機(jī)等圖像設(shè)備采集實(shí)際應(yīng)用場景中的視頻數(shù)據(jù)，通過麥克風(fēng)陣列等音頻采集設(shè)備采 集音頻數(shù)據(jù)，云平臺(tái)進(jìn)行數(shù)據(jù)管理、分類、存儲(chǔ)。分類的標(biāo)準(zhǔn)依據(jù)實(shí)際應(yīng)用場景進(jìn)行，可以根 據(jù)數(shù)據(jù)類別，如人體樣本、桌子、椅子、顯示器、鍵盤樣本等分類，也可以根據(jù)垂直領(lǐng)域分類， 如倉庫數(shù)據(jù)、銀行大廳數(shù)據(jù)、商超數(shù)據(jù)等。存儲(chǔ)的數(shù)據(jù)可以通過標(biāo)注訓(xùn)練、更新模型，更好地 在垂直領(lǐng)域部署圖像智能和對話智能任務(wù)，實(shí)現(xiàn)機(jī)器人的能力面向垂直領(lǐng)域的逐步進(jìn)化。

 

圖 11：云端一體架構(gòu)支撐下的智能對話任務(wù)

對于智能對話任務(wù)，在產(chǎn)品化項(xiàng)目測試完成后，整個(gè)系統(tǒng)將進(jìn)行上線。接下來，伴隨著客 戶對產(chǎn)品的使用，將產(chǎn)生大量的對話數(shù)據(jù)和協(xié)作數(shù)據(jù)，這些數(shù)據(jù)都將導(dǎo)入到云平臺(tái)的數(shù)據(jù)庫中。隨后，數(shù)據(jù)平臺(tái)將提供接下來的技術(shù)和流程界面支撐，包括數(shù)據(jù)自動(dòng)標(biāo)簽，數(shù)據(jù)人工標(biāo)簽，數(shù)據(jù)人工分析，數(shù)據(jù)擴(kuò)容，框架/模型訓(xùn)練，框架/模型測試相關(guān)模塊，從而達(dá)到整個(gè)系統(tǒng)知識(shí)庫的完善，模型場景精確度提高，框架合理性技術(shù)提升，系統(tǒng)的智能進(jìn)化，最終客戶滿意度的持 續(xù)提升。

傳統(tǒng)的標(biāo)注方式為模型給出候選結(jié)果，人工進(jìn)行判別、修改和再標(biāo)注。云平臺(tái)可以結(jié) 合用戶反饋，如在VIP 打招呼時(shí)用戶是否答應(yīng)，在回答問題后觀察用戶表情等方式，自動(dòng)對回答進(jìn)行判別標(biāo)注，更新模型。此外，還可以通過“眾包模式”，通過用戶測試反饋點(diǎn)擊機(jī)器人 回答是“好”是“壞”，作為標(biāo)注方式。通過增量式的學(xué)習(xí)和訓(xùn)練，形成圖像智能和對話智能 的自我進(jìn)化能力。

3.AIOT 技術(shù)浪潮背景下服務(wù)機(jī)器人如何賦能業(yè)務(wù)

（1）服務(wù)機(jī)器人與業(yè)務(wù)場景的深度連接

AIOT 被視作一種將影響人類社會(huì)形態(tài)的技術(shù)浪潮，其實(shí)現(xiàn)路徑也值得服務(wù)機(jī)器人產(chǎn)業(yè)關(guān)注。換言之，AIOT 技術(shù)浪潮下服務(wù)機(jī)器人如何賦能業(yè)務(wù)？

如前文所述，服務(wù)機(jī)器人對場景的綜合認(rèn)知能力和業(yè)務(wù)處理能力涉及對話智能、圖像智能、運(yùn)動(dòng)智能等技術(shù)環(huán)節(jié)。這其中，云端機(jī)器學(xué)習(xí)訓(xùn)練平臺(tái)和云端業(yè)務(wù)管理平臺(tái)的開發(fā)維護(hù)至關(guān)重 要，其意義不僅在于服務(wù)機(jī)器人本身的學(xué)習(xí)進(jìn)化、日常運(yùn)行、業(yè)務(wù)處理，也在于有機(jī)會(huì)與業(yè)務(wù) 場景云端實(shí)現(xiàn)某種意義上的對接，實(shí)現(xiàn)“云端一體化”。

而除了云端的對接，服務(wù)機(jī)器人的 AIOT 之路還需實(shí)現(xiàn)智慧場景下的多設(shè)備協(xié)同。機(jī)器人廠商可通過為B 端客戶深度定制可信網(wǎng)絡(luò)傳輸協(xié)議，實(shí)現(xiàn)服務(wù)機(jī)器人與傳統(tǒng)設(shè)備間的數(shù)據(jù)傳輸鏈路，讓服務(wù)機(jī)器人與場景中的各類設(shè)備互聯(lián)互通。舉例而言，在第三方設(shè)備接入方面，機(jī)器人廠商需為機(jī)器人預(yù)留豐富的可擴(kuò)展軟硬件接口；在通信方面，需支持 WiFi、4G、藍(lán)牙、NB-IoT 等多種通信方式；在軟件方面，需預(yù)留可與客戶業(yè)務(wù)系統(tǒng)對接的接口，且機(jī)器人需具備集成能力；在架構(gòu)設(shè)計(jì)方面，需在底層實(shí)現(xiàn)模塊和模塊之間的解耦，在應(yīng)用層實(shí)現(xiàn)決策級(jí)或特征級(jí)的數(shù)據(jù)融合。

如此一來，服務(wù)機(jī)器人將成為諸多行業(yè)業(yè)務(wù)場景 AIOT 網(wǎng)絡(luò)的重要實(shí)體終端；而通過提高網(wǎng)絡(luò)接入能力和計(jì)算能力，機(jī)器人又成為邊緣結(jié)點(diǎn)之一，最終實(shí)現(xiàn)幫助客戶提升業(yè)務(wù)效率、服務(wù)水平的目的。

（2）案例簡析：服務(wù)機(jī)器人 AIOT 賦能智慧銀行、智慧檢務(wù)

下面，以科沃斯商用機(jī)器人有限公司打造的銀行服務(wù)機(jī)器人、案管機(jī)器人為例，分析AIOT 技術(shù)浪潮下服務(wù)機(jī)器人賦能行業(yè)的具體路徑，以及不同垂直領(lǐng)域的共性與差異。

a.銀行服務(wù)機(jī)器人

行業(yè)需求分析

如今，傳統(tǒng)銀行網(wǎng)點(diǎn)存在運(yùn)營成本高、使用價(jià)值低等問題，正逐步向智慧銀行方向轉(zhuǎn)型升級(jí)。智慧銀行以提升用戶服務(wù)體驗(yàn)為中心，利用人工智能、大數(shù)據(jù)等新興技術(shù)實(shí)現(xiàn)銀行服務(wù)方式與業(yè)務(wù)模式的再造和升級(jí)。其中，智能設(shè)備間的互聯(lián)互通尤為關(guān)鍵，它使得信息傳遞的效率加快、準(zhǔn)確性提高，讓眾多設(shè)備實(shí)現(xiàn)N+N>2N 的聯(lián)動(dòng)效果。

產(chǎn)品價(jià)值分析

科沃斯銀行服務(wù)機(jī)器人通過迎賓接待、業(yè)務(wù)咨詢、二次營銷等功能，為顧客提供智能化、人性化的服務(wù)體驗(yàn)，以服務(wù)為切口、以 AIOT 為路徑，賦能銀行智慧化轉(zhuǎn)型。下面結(jié)合科沃斯銀行服務(wù)機(jī)器人落地應(yīng)用情況，簡析銀行服務(wù)機(jī)器人價(jià)值要素。

 

圖 12：科沃斯銀行服務(wù)機(jī)器人基本技術(shù)架構(gòu)圖

降低網(wǎng)點(diǎn)運(yùn)營成本，優(yōu)化網(wǎng)點(diǎn)營銷收益，提升銀行社會(huì)形象是銀行服務(wù)機(jī)器人的三大核心價(jià)值.目前，科沃斯銀行服務(wù)機(jī)器人已覆蓋中國建設(shè)銀行、中國農(nóng)業(yè)銀行、中國銀行、平安銀行、興業(yè)銀行等 20 余家知名銀行。在位于新加坡的中國銀行全球首家創(chuàng)新研發(fā)基地，為國際嘉賓承擔(dān)引導(dǎo)服務(wù)工作。截至目前，其為銀行網(wǎng)點(diǎn)顧客提供的服務(wù)總量已超 800 萬人次，引導(dǎo)分流客戶成功總量約 30 萬人次，金融商品營銷成功總量超過 30 萬人次。通過提升銀行服務(wù)水準(zhǔn)升級(jí)零售業(yè)務(wù)，旺寶深入銀行科技化進(jìn)程?？莆炙怪腔坫y行應(yīng)用案例已入選工信部《人工智能實(shí)踐錄》。

b.案管機(jī)器人

行業(yè)需求分析

根據(jù)《最高人民檢察院關(guān)于深化智慧檢務(wù)建設(shè)的意見》，到 2020 年底，充分運(yùn)用新一代信息技術(shù)，推進(jìn)檢察工作由信息化向智能化躍升，研發(fā)智慧檢務(wù)的重點(diǎn)應(yīng)用；到 2025 年底，全面實(shí)現(xiàn)智慧檢務(wù)的發(fā)展目標(biāo)，以機(jī)器換人力，以智能增效能，打造新型檢察工作方式和管理方式。

目前，檢務(wù)工作中的一些難點(diǎn)需要以開創(chuàng)性的方式解決。如來訪人員在辦事過程中不熟悉流程，檢察機(jī)關(guān)人員需要花費(fèi)大量的時(shí)間去回答辦事流程類的問題；辯護(hù)人和訴訟代理人缺少案件查詢與追蹤的平臺(tái)；辦事人員對案件信息和法律文書有快速查詢需求等等。

產(chǎn)品價(jià)值分析

科沃斯商用機(jī)器人有限公司推出的案管機(jī)器人基于良好的人機(jī)交互能力和定位導(dǎo)航自主運(yùn)動(dòng)能力，能夠?yàn)榭蛻籼峁┲鲃?dòng)迎賓、身份審核、業(yè)務(wù)咨詢與案件信息查詢、電子卷宗刻錄、本異地事項(xiàng)辦理等五大功能。案管機(jī)器人在檢察院業(yè)務(wù)場景中，類似于銀行服務(wù)機(jī)器人之于銀行場景，承擔(dān)了業(yè)務(wù)入口的重任，通過與現(xiàn)場機(jī)具的互聯(lián)互通，深度嵌入現(xiàn)有業(yè)務(wù)流程，優(yōu)化業(yè)務(wù)邏輯，提高辦事效率，為客戶創(chuàng)造實(shí)實(shí)在在的價(jià)值。

 (3)展望：AIOT 領(lǐng)域服務(wù)機(jī)器人的市場機(jī)遇

綜上可見，服務(wù)機(jī)器人融入業(yè)務(wù)場景的重要抓手是人機(jī)交互能力。而在基于 IoT 技術(shù)的市場中，與人發(fā)生聯(lián)系的場景（無論是智慧政務(wù)還是智慧醫(yī)療、智慧辦公等）逐漸豐富，人機(jī)交互的需求愈發(fā)強(qiáng)烈。隨著近些年智能終端設(shè)備的發(fā)展，用戶對于人與機(jī)器間的交互方式也提出了全新要求，從被動(dòng)交互到主動(dòng)交互，從限定場景交互到多場景自適應(yīng)交互，尤其在 AIOT 技術(shù)浪潮下，云、邊、端能力的發(fā)展和一體化，服務(wù)機(jī)器人的人機(jī)交互能力將取得長足進(jìn)展。

以科沃斯銀行服務(wù)機(jī)器人、案管機(jī)器人為代表的to B 服務(wù)機(jī)器人產(chǎn)品，在對話智能、圖像智能、運(yùn)動(dòng)智能融合的基礎(chǔ)上，通過與場景中其他設(shè)備之間的互聯(lián)互通以及云端的服務(wù)能力， 形成從端智能到云平臺(tái)的一攬子 AIOT 智慧化解決方案，與業(yè)務(wù)場景深度耦合，為客戶提供從共性到個(gè)性的定制化服務(wù)。未來隨著服務(wù)場景的快速拓展和持續(xù)進(jìn)化，服務(wù)機(jī)器人解決方案提供商需要抽象不同行業(yè)場景的共性需求，形成共性平臺(tái)+應(yīng)用子集的整體解決方案架構(gòu)，通過共性部分的規(guī)模化降低行業(yè)服務(wù)成本，應(yīng)用子集部分則需要通過服務(wù)中臺(tái)的抽象和建立，構(gòu)建針對B 端客戶個(gè)性化定制需求的快速響應(yīng)能力，最終實(shí)現(xiàn)服務(wù)機(jī)器人產(chǎn)品的實(shí)質(zhì)性落地和可持續(xù)發(fā)展。

七

協(xié)同創(chuàng)新與合作共贏

為了加速下一代服務(wù)機(jī)器人的規(guī)?；蜕逃没?，亟需多方參與共同推進(jìn)技術(shù)、產(chǎn)品、服務(wù)的嘗試、迭代和更新。在優(yōu)勢互補(bǔ)的開放創(chuàng)新框架下，探討長期愿景、研發(fā)前沿技術(shù)、推廣商業(yè)合作、搭建創(chuàng)新生態(tài)，吸引商業(yè)實(shí)體、科研院所、開源社區(qū)的廣泛參與和貢獻(xiàn)。

在機(jī)器人 4.0 演進(jìn)過程中，要擺脫線性思維，建立跳躍式發(fā)展框架。具體來說，人工智能和人工增強(qiáng)要按需融合，在核心技術(shù)逐步演進(jìn)過程中，從優(yōu)化垂直應(yīng)用場景入手，率先在關(guān)鍵場景為用戶提供穩(wěn)定可靠的服務(wù)。在 5G 通信技術(shù)的支撐下，本地?cái)?shù)據(jù)采集和云端知識(shí)共享應(yīng)高效連接，通過不斷延伸服務(wù)場景，逐步減少人工增強(qiáng)的比例。在共享計(jì)算、存儲(chǔ)、通信資源基礎(chǔ)上，智能算法持續(xù)從（云端）大數(shù)據(jù)和（本地端）個(gè)性化數(shù)據(jù)中抽取知識(shí)，逐步從特定場景適應(yīng)到通用場景，最終實(shí)現(xiàn)機(jī)器人即服務(wù)（Robot As A Service）的長期愿景。下圖描述了面向“機(jī)器人即服務(wù)”的協(xié)同創(chuàng)新框架，包含四個(gè)跳躍式發(fā)展的階段，以及每個(gè)階段的主要任務(wù)和目標(biāo)。

 

圖 13：面向“機(jī)器人即服務(wù)”的協(xié)同創(chuàng)新框架

1.機(jī)器人 4.0 的基礎(chǔ)通用參考平臺(tái)

 

圖 14：面向機(jī)器人 4.0 的 HERO 系統(tǒng)平臺(tái)

針對這些需求，英特爾中國研究院提供了面向機(jī)器人 4.0 的基礎(chǔ)通用參考平臺(tái)——HERO系統(tǒng)平臺(tái)。底層是硬件計(jì)算平臺(tái)，上面是軟件層。機(jī)器人 3.0 的部分，包括基本感知和交互、運(yùn)動(dòng)導(dǎo)航、規(guī)劃、操縱。機(jī)器人 4.0 部分更多支持自適應(yīng)交互和持續(xù)學(xué)習(xí)，包括三維場景的語義理解和個(gè)性化的知識(shí)圖譜。

HERO 平臺(tái)不僅可以提供基礎(chǔ)的軟硬件能力，并且可以基于該平臺(tái)進(jìn)一步擴(kuò)展。例如，異構(gòu)計(jì)算平臺(tái)可以加入第三方硬件加速模塊，知識(shí)圖譜可以針對特定應(yīng)用領(lǐng)域去擴(kuò)展該領(lǐng)域的通用知識(shí)圖譜，可以利用其中提供的動(dòng)態(tài)知識(shí)圖譜部分來獲取動(dòng)態(tài)的人性化知識(shí)。自適應(yīng)學(xué)習(xí)部分也可以加入更多的感知模塊來增強(qiáng)已有的感知功能或補(bǔ)充新的感知功能。

2.知識(shí)融合

越來越多的研究者認(rèn)為，人工智能技術(shù)將會(huì)從模仿人的行為和決策過程過渡到了解人類的 學(xué)習(xí)能力和運(yùn)用知識(shí)的能力。在數(shù)字化時(shí)代，越來越多的信息被分析和存儲(chǔ)后，將被映射為結(jié)構(gòu)化的知識(shí)庫。知識(shí)工程和人工智能的結(jié)合，會(huì)大大提高模式識(shí)別和機(jī)器學(xué)習(xí)算法的精度。隨著認(rèn)知科學(xué)、機(jī)器人學(xué)、自然語言理解等相關(guān)領(lǐng)域的發(fā)展，將催生出超越現(xiàn)有 Apple Siri、Google Now、IBM Watson 的推薦系統(tǒng)和問答系統(tǒng)，并且會(huì)跨越不同語言的邊界。通過建立知識(shí)庫和智能算法的良性循環(huán)，不斷完善對假設(shè)的驗(yàn)證，實(shí)現(xiàn)預(yù)測和自我診斷。

3.眾包與群體智慧

深度學(xué)習(xí)算法在語音識(shí)別和圖像分類中取得跳躍式發(fā)展的成績，很大程度上得益于規(guī)模足 夠大的數(shù)據(jù)集、以及通過眾包技術(shù)給訓(xùn)練數(shù)據(jù)打標(biāo)簽的做法。在過去十幾年，眾包技術(shù)從 早期的創(chuàng)造內(nèi)容Wikipedia，到標(biāo)注數(shù)據(jù) Amazon Mechanical Turk，到投資創(chuàng)新項(xiàng)目Kickstarter。在下一階段，群體智慧將會(huì)擴(kuò)展到創(chuàng)造新產(chǎn)品、打造新服務(wù)。未來的眾包任務(wù)會(huì)更加細(xì)分、更 加多樣化，和人工智能算法有關(guān)的包括標(biāo)注數(shù)據(jù)、訓(xùn)練模型，和人類增強(qiáng)有關(guān)的包括提出 問題、做出決策，和云端融合有關(guān)的包括可視化工具和人機(jī)交互接口。

4.仿真訓(xùn)練

在物理世界收集訓(xùn)練數(shù)據(jù)，讓機(jī)器人從頭開始學(xué)習(xí)決策策略，會(huì)遇到很多挑戰(zhàn)。收集過程通常費(fèi)時(shí)費(fèi)事，有些任務(wù)會(huì)對人帶來危險(xiǎn)，有些極端案例不容易收集到。計(jì)算機(jī)圖形學(xué)與仿真技術(shù)可以解決上述挑戰(zhàn)，通過在虛擬場景中配置不同的環(huán)境和任務(wù)參數(shù)，分解機(jī)器人的感知、決策、控制模塊，搭建模塊與模塊之間的狀態(tài)表征方法，實(shí)現(xiàn)從虛擬仿真到真實(shí)操作的跨越。目前，基于增強(qiáng)學(xué)習(xí)框架，在獎(jiǎng)勵(lì)函數(shù)和機(jī)器人操作之間形成映射和遷移關(guān)系，在模擬器中超實(shí)時(shí)地迭代訓(xùn)練，可以大大縮短訓(xùn)練時(shí)間和降低學(xué)習(xí)成本。

5.機(jī)器人即服務(wù)

機(jī)器人即服務(wù)結(jié)合了云計(jì)算、人工智能、機(jī)器人學(xué)、虛擬現(xiàn)實(shí)、自動(dòng)化等，是數(shù)字經(jīng)濟(jì)時(shí) 代的全新業(yè)務(wù)模式，是“軟件即服務(wù)”、“平臺(tái)即服務(wù)”、“基礎(chǔ)設(shè)施即服務(wù)”之后的新型服務(wù) 模式。通過租借機(jī)器人服務(wù)，企業(yè)能夠以低成本、靈活、方便的形式完成不同的任務(wù)。機(jī)器人 本體需要提供動(dòng)態(tài)、可定制、可編程的接口和模塊，即可以在零售、農(nóng)業(yè)、健康、物流、教育、制造等不同領(lǐng)域，填補(bǔ)日益擴(kuò)大的勞動(dòng)力短缺的缺口，提升運(yùn)營效率，提高投入產(chǎn)出比。就像 智能手機(jī)與手機(jī)應(yīng)用市場的經(jīng)濟(jì)模式類似，未來的機(jī)器人服務(wù)會(huì)激發(fā)硬件工程師、軟件工程師、交互設(shè)計(jì)師、產(chǎn)品經(jīng)理、算法工程師、人工訓(xùn)練師等參與，協(xié)同打造出機(jī)器人的應(yīng)用市場、模 型市場、技能市場、服務(wù)市場等。預(yù)計(jì)從 2016 年到 2026 年這十年間，機(jī)器人即服務(wù)的市場規(guī)模會(huì)增長到 340 億美元，復(fù)合年增長率達(dá)到 66%。

八

總結(jié)與展望

機(jī)器人技術(shù)是多學(xué)科交叉的科學(xué)工程, 涉及機(jī)械、電子、計(jì)算機(jī)、通信、人工智能和傳感器，甚至納米科技和材料技術(shù)等。毫不夸張地說，智能機(jī)器人是人工智能應(yīng)用“皇冠上的明珠”。

近年來，人工智能和機(jī)器學(xué)習(xí)獲得快速發(fā)展，但機(jī)器人個(gè)體的自主智能距離人們的期待還 有較大的差距，影響了機(jī)器人產(chǎn)業(yè)的規(guī)?；l(fā)展。如何利用跨領(lǐng)域的技術(shù)推動(dòng)力，加速對機(jī)器 人的賦能是機(jī)器人產(chǎn)業(yè)亟待解決的問題。本機(jī)器人 4.0 白皮書針對當(dāng)前機(jī)器人產(chǎn)業(yè)現(xiàn)狀和瓶頸， 提出構(gòu)建云邊端一體化的協(xié)同計(jì)算平臺(tái)，并在此平臺(tái)上支持機(jī)器人持續(xù)學(xué)習(xí)和協(xié)同學(xué)習(xí)的能力， 實(shí)現(xiàn)基于個(gè)性化知識(shí)圖譜和場景自適應(yīng)的融合，通過協(xié)同創(chuàng)新實(shí)現(xiàn)機(jī)器人產(chǎn)業(yè)規(guī)模化。

邊緣計(jì)算是最近幾年提出的新概念，其推廣和落地非常依賴于具體的應(yīng)用，尤其適用于對實(shí)時(shí)性要求較高的場景。機(jī)器人應(yīng)用正是非常合適的應(yīng)用場景。邊緣實(shí)時(shí)計(jì)算加上云計(jì)算的無限處理能力，可以大大提升機(jī)器人本體的人機(jī)交互和場景自適應(yīng)能力，也會(huì)增強(qiáng)自主移動(dòng)和感知能力。通過基于 5G 的云邊端一體化，機(jī)器人本體的能力設(shè)計(jì)具有很大的彈性空間，從而解耦對機(jī)器人本體硬件能力的依賴，降低成本，推動(dòng)大規(guī)模的部署就成為可能。

由于篇幅所限，白皮書對有些相關(guān)的問題沒有深入探討，例如機(jī)器人的靈巧操控技術(shù)、多模態(tài)感知融合技術(shù)、多智能體學(xué)習(xí)等等。我們希望未來通過深化產(chǎn)業(yè)協(xié)同創(chuàng)新，對這些問題繼續(xù)探索。

雖然未來總是充滿不確定性，我們堅(jiān)信 AI 與 5G 的互相促進(jìn)是機(jī)器人規(guī)模化發(fā)展的必經(jīng)之路。希望機(jī)器人 4.0 白皮書中闡述的核心技術(shù)、云邊端融合的系統(tǒng)框架和機(jī)器人跳躍式發(fā)展的思路，可以引領(lǐng)機(jī)器人技術(shù)和產(chǎn)業(yè)發(fā)展的方向。云端大腦和安全專網(wǎng)的實(shí)踐和思考，以及智能制造和商業(yè)應(yīng)用領(lǐng)域的經(jīng)驗(yàn)解析，能夠優(yōu)化實(shí)施路徑，讓機(jī)器人盡快大規(guī)模地走進(jìn)各行各業(yè)， 走進(jìn)千家萬戶！