云機(jī)器人：未來機(jī)器人新模式

文/吳鴻敏 徐智浩 周松斌 周雪峰

自新冠肺炎疫情發(fā)生以來，云會(huì)議、云協(xié)作等技術(shù)正逐漸改變?nèi)藗兊墓ぷ鞣绞?，而云端服?wù)也給機(jī)器人帶來了新的發(fā)展機(jī)遇，云端醫(yī)療防護(hù)機(jī)器人、云端體溫檢測機(jī)器人等被大量應(yīng)用。

云機(jī)器人概況

長期以來，人們對機(jī)器人充滿著幻想，希望它能夠擁有類人的感知、認(rèn)知、動(dòng)作和自然交互能力，但目前機(jī)器人個(gè)體的計(jì)算能力有限，對場景的感知、理解與決策能力不足，遠(yuǎn)不及人們的預(yù)期，因此，提高機(jī)器人智能化水平是未來機(jī)器人領(lǐng)域的重要研究方向。

云機(jī)器人是云計(jì)算、人工智能、5G通信、大數(shù)據(jù)和工業(yè)互聯(lián)網(wǎng)等技術(shù)的重要載體，給機(jī)器人提供一個(gè)更智能的云端大腦，既可以增強(qiáng)單個(gè)機(jī)器人的能力，又可以讓分布在世界各地、具有不同能力的機(jī)器人打破地域限制，互相合作、信息共享，完成更復(fù)雜的任務(wù)。基于此，云機(jī)器人應(yīng)具備四大特征：一是硬件無關(guān)。云端大腦能夠建立機(jī)器人、傳感器及周邊設(shè)備的一般性模型，分析與決策算法不依賴于特定的硬件、接口及協(xié)議等。二是傳感共享。云機(jī)器人執(zhí)行任務(wù)過程的傳感數(shù)據(jù)將直接上云，通過云端實(shí)現(xiàn)傳感信息共享。三是技能派生。云機(jī)器人具備對不同場景下的操作技能進(jìn)行存儲(chǔ)，以及由人工智能技術(shù)從已有技能中學(xué)習(xí)以及衍生新技能的能力。四是群體智能。云機(jī)器人具有自組織性，并通過分布式交互實(shí)現(xiàn)群體在復(fù)雜行為中的智能協(xié)作。

在新型基礎(chǔ)設(shè)施建設(shè)環(huán)境下，云機(jī)器人將廣泛擴(kuò)展機(jī)器人應(yīng)用領(lǐng)域（見圖1），并加速和簡化機(jī)器人系統(tǒng)的開發(fā)過程，降低機(jī)器人構(gòu)造與使用成本，因此，無論是家庭機(jī)器人、工業(yè)機(jī)器人，還是醫(yī)療機(jī)器人，其發(fā)展都將具有極其深遠(yuǎn)的意義。

云機(jī)器人關(guān)鍵技術(shù)

1.大數(shù)據(jù)與“云-邊-端”計(jì)算技術(shù)

圖1 云機(jī)器人應(yīng)用場景示例

云機(jī)器人框架下的大數(shù)據(jù)是指各個(gè)機(jī)器人系統(tǒng)為了能夠精確地感知與理解環(huán)境以支持本體的移動(dòng)、避障、交互和操作，通常需要集成大量的傳感器，如深度相機(jī)、激光雷達(dá)、觸覺傳感器、力覺傳感器、麥克風(fēng)陣列等，這將產(chǎn)生海量的多源異構(gòu)數(shù)據(jù)。如果將如此龐大的數(shù)據(jù)直接傳輸?shù)皆贫诉M(jìn)行處理，既不現(xiàn)實(shí)也不高效。為此，采用“云-邊-端”協(xié)同計(jì)算的架構(gòu)，在云平臺(tái)上可提供高性能計(jì)算以及通用知識(shí)的存儲(chǔ)，在邊緣設(shè)備上可進(jìn)行數(shù)據(jù)的有效處理和算力支持，在機(jī)器人終端上完成實(shí)時(shí)的操作與控制處理，從而實(shí)現(xiàn)大規(guī)模機(jī)器人應(yīng)用場景下更經(jīng)濟(jì)、有效的部署，具體的技術(shù)設(shè)計(jì)方案如圖2所示。同時(shí)，利用5G通信和互聯(lián)網(wǎng)技術(shù)將機(jī)器人無縫連接，使生產(chǎn)制造更加扁平化、定制化、智能化，實(shí)現(xiàn)數(shù)據(jù)共享、敏捷互聯(lián)、應(yīng)用云化、智慧決策，促進(jìn)機(jī)器人在工業(yè)控制、物流追蹤、柔性制造等應(yīng)用場景的通用智能化，有利于制造業(yè)的轉(zhuǎn)型升級以及智能制造的發(fā)展。

圖2 云機(jī)器人的“云-邊-端”計(jì)算

2.機(jī)器人持續(xù)學(xué)習(xí)技術(shù)

云機(jī)器人學(xué)習(xí)技術(shù)不僅包括傳統(tǒng)機(jī)器人基于大數(shù)據(jù)的監(jiān)督學(xué)習(xí)功能，還需要增加持續(xù)學(xué)習(xí)和群體學(xué)習(xí)的能力，使機(jī)器人個(gè)體能夠快速適應(yīng)復(fù)雜多樣的應(yīng)用場景。目前，受限于數(shù)據(jù)量不足和計(jì)算效率低下等問題，機(jī)器人學(xué)習(xí)到的模型魯棒性差、效率不高。解決上述問題的關(guān)鍵是讓機(jī)器人能獲取大量訓(xùn)練數(shù)據(jù)及優(yōu)質(zhì)的算力支持，而這恰好是云機(jī)器人架構(gòu)所具備的能力。

云機(jī)器人學(xué)習(xí)的核心思路是讓機(jī)器人能夠自己學(xué)會(huì)執(zhí)行各種決策任務(wù)，即具有類人的持續(xù)學(xué)習(xí)能力，并且能夠在機(jī)器人間或機(jī)器人與其他智能體間進(jìn)行協(xié)同學(xué)習(xí)。具體來說，云機(jī)器人個(gè)體可以先通過少量數(shù)據(jù)建立基本的環(huán)境交互能力，然后根據(jù)完成任務(wù)所需的技能自主地從云平臺(tái)中找到更多相關(guān)數(shù)據(jù)，并進(jìn)行增強(qiáng)訓(xùn)練、模仿學(xué)習(xí)、技能遷移等。隨著這個(gè)過程的不斷進(jìn)行，云機(jī)器人逐步實(shí)現(xiàn)自主持續(xù)學(xué)習(xí)。具體的技術(shù)設(shè)計(jì)方案如圖3所示。

圖3 云機(jī)器人的持續(xù)學(xué)習(xí)

3.場景感知與理解技術(shù)

云機(jī)器人框架下的場景感知與理解將為機(jī)器人的個(gè)性化服務(wù)和持續(xù)學(xué)習(xí)提供保障，使機(jī)器人能夠根據(jù)當(dāng)前的場景進(jìn)行相應(yīng)的自適應(yīng)調(diào)整。此時(shí)，場景感知與理解通常需要采用多種傳感器對場景進(jìn)行三維語義理解，并實(shí)現(xiàn)物體識(shí)別、三維重建、“人-機(jī)-物”融合以及場景預(yù)測等功能。具體的技術(shù)設(shè)計(jì)方案如圖4所示。

利用深度視覺對機(jī)器人操作環(huán)境與任務(wù)的快速測量、識(shí)別與解釋，能夠提升生產(chǎn)效能和運(yùn)行柔性，提高智能性。而現(xiàn)階段的機(jī)器人三維視覺感知須依賴高性能的圖像處理硬件與算法，對中小型制造企業(yè)有過高成本和技術(shù)門檻。云機(jī)器人框架下，將通過5G通信，將具有視覺感知的機(jī)器人與云端大腦相連，借助低延時(shí)聯(lián)網(wǎng)可以實(shí)時(shí)控制視覺增強(qiáng)的機(jī)器人傳感器和其他硬件，利用云計(jì)算，在增強(qiáng)機(jī)器人場景感知與理解能力的同時(shí)，降低機(jī)器人本體的硬件需求，實(shí)現(xiàn)傳感共享。

圖4 云機(jī)器人的場景感知與理解

4.面向 行業(yè)的機(jī)器人制造工藝知識(shí)圖譜

云機(jī)器人本體的應(yīng)用場景復(fù)雜多樣，構(gòu)建面向行業(yè)的機(jī)器人制造工藝知識(shí)圖譜可以加強(qiáng)工藝信息的共享，大幅度減少機(jī)器人場景自適應(yīng)時(shí)間。該知識(shí)圖譜的信息是從前述的場景感知與理解中獲取的，能進(jìn)一步對機(jī)器人學(xué)到的知識(shí)進(jìn)行模式挖掘以獲取更高層的常識(shí)知識(shí)，并存入云端大腦。具體的技術(shù)設(shè)計(jì)方案如圖5所示。同時(shí)，知識(shí)圖譜可以作為場景感知與理解的先驗(yàn)知識(shí)，提升場景認(rèn)知的能力。

機(jī)器人已被廣泛應(yīng)用于汽車制造、物流倉儲(chǔ)、家庭服務(wù)、醫(yī)療等領(lǐng)域，主要制造工藝包括機(jī)器人上下料、焊接、拋磨、裝配、搬運(yùn)、檢測、靈巧操作等。伴隨著各行業(yè)邁向集成化、智能化、個(gè)性化的柔性生產(chǎn)，迫使機(jī)器人擁有動(dòng)態(tài)和個(gè)性化的知識(shí)，不僅要對其所在的環(huán)境和人進(jìn)行深入感知與理解，而且通過工業(yè)物聯(lián)網(wǎng)建立機(jī)器人、環(huán)境、人、事件等相關(guān)信息的關(guān)聯(lián)，實(shí)現(xiàn)任務(wù)工作操作過程中工藝知識(shí)共享、萬物互聯(lián)的工藝知識(shí)圖譜。不同于以往獨(dú)立運(yùn)行的知識(shí)圖譜和計(jì)算機(jī)視覺，云機(jī)器人框架下面向行業(yè)的工藝知識(shí)圖譜將融合人工智能和5G技術(shù)，以實(shí)現(xiàn)更高級的持續(xù)學(xué)習(xí)和柔性生產(chǎn)。

5.基于云平臺(tái)的故障診斷和遠(yuǎn)程運(yùn)維

機(jī)器人作為制造業(yè)的核心裝備，在現(xiàn)代柔性加工中應(yīng)用越來越廣泛，保證機(jī)器人持續(xù)運(yùn)作的穩(wěn)定性和可靠性是提高生產(chǎn)效益的前提保障。而目前，大部分制造生產(chǎn)現(xiàn)場的設(shè)備通過工業(yè)總線或高速以太網(wǎng)進(jìn)行數(shù)據(jù)傳輸，存在延時(shí)長的問題。隨著5G基站和邊緣設(shè)備的部署，機(jī)器人端到基站的延遲可以縮小到毫秒級，采用基于5G網(wǎng)絡(luò)的實(shí)時(shí)視頻監(jiān)控和設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)跟蹤，其高速率、低時(shí)延、高可靠性的優(yōu)勢盡顯。因此，構(gòu)建云機(jī)器人平臺(tái)，實(shí)現(xiàn)機(jī)器人及其周邊設(shè)備的遠(yuǎn)程在線狀態(tài)監(jiān)控、實(shí)時(shí)故障報(bào)警和診斷分析，遠(yuǎn)程故障定位、設(shè)備程序升級以及大數(shù)據(jù)分析等功能。具體的技術(shù)設(shè)計(jì)方案如圖6所示。

云機(jī)器人應(yīng)用場景分析

1.物體抓取

未知物體的抓取是機(jī)器人應(yīng)用于工業(yè)、服務(wù)、醫(yī)療等領(lǐng)域的基本技能，具有重要的現(xiàn)實(shí)意義。傳統(tǒng)基于幾何分析和特征提取的方法在處理完全未知物體時(shí)存在明顯的不足，而引入深度神經(jīng)網(wǎng)絡(luò)對未知物體特征進(jìn)行學(xué)習(xí)的方法被證實(shí)可以顯著提高機(jī)器人抓取的魯棒性和準(zhǔn)確性。此時(shí)，需要大量數(shù)據(jù)的采集、預(yù)處理和計(jì)算，借助云計(jì)算和5G通信技術(shù)，將不同場景下機(jī)器人抓取應(yīng)用的數(shù)據(jù)傳輸?shù)皆贫?，?jīng)過學(xué)習(xí)后將抓取策略傳送給機(jī)器人，實(shí)現(xiàn)數(shù)據(jù)共享及協(xié)同學(xué)習(xí)。

2019 年，加州大學(xué)伯克利分校、斯坦福大學(xué)、賓夕法尼亞大學(xué)、卡內(nèi)基梅隆大學(xué)聯(lián)合提出了一個(gè)用于共享機(jī)器人抓取經(jīng)驗(yàn)的開放數(shù)據(jù)庫RoboNet，該數(shù)據(jù)庫提供了來自7個(gè)不同機(jī)器人的1500萬個(gè)視頻幀，用于研究如何學(xué)習(xí)基于視覺的機(jī)器人通用模型，實(shí)現(xiàn)在新物體、新任務(wù)、新場景、新視角抓取工具，甚至是全新機(jī)器人上的操作性能。結(jié)果表明，通過在RoboNet上進(jìn)行預(yù)訓(xùn)練及抓取參數(shù)的微調(diào)后，可以超越使用4倍至20倍數(shù)據(jù)在特定機(jī)器人訓(xùn)練方法上的性能。

圖5 云機(jī)器人的制造工藝知識(shí)圖譜

圖6 云機(jī)器人的故障診斷和遠(yuǎn)程運(yùn)維

2.自主導(dǎo)航

即時(shí)定位與地 圖構(gòu)建(simult aneous localization and mapping，SLAM)是指機(jī)器人從未知環(huán)境的未知地點(diǎn)出發(fā)，在運(yùn)動(dòng)過程中通過重復(fù)觀測到的環(huán)境特征定位自身位姿，再根據(jù)自身位置構(gòu)建周圍環(huán)境的增量式地圖，從而達(dá)到同時(shí)定位和地圖構(gòu)建的目的。此時(shí)，需要在機(jī)器人周圍安裝各種各樣的傳感器，以實(shí)現(xiàn)環(huán)境感知、建圖、導(dǎo)航及避障等功能，但由于機(jī)載資源有限，無論是局部還是全局的導(dǎo)航問題都容易受到計(jì)算和存儲(chǔ)任務(wù)的困擾，尤其在大規(guī)模導(dǎo)航領(lǐng)域極具挑戰(zhàn)性。借助云機(jī)器人框架中的“云-邊-端”計(jì)算框架是解決上述問題的重要途徑。

一方面，云計(jì)算不僅能夠提供足夠的存儲(chǔ)空間來處理用于映射的大量數(shù)據(jù)，而且具有足夠的計(jì)算能力以允許地圖搜索和建立；另一方面，通過云計(jì)算，還可以利用商業(yè)地圖（如Google地圖、百度地圖）來提供靈活、可靠和自主的導(dǎo)航。例如，在新冠肺炎疫情期間，達(dá)闥科技推出了基于5G網(wǎng)絡(luò)的智能測溫巡查機(jī)器人，在終端采用具備高靈敏度和精準(zhǔn)度的儀器，云端則包括密集人群人體自動(dòng)識(shí)別、人體動(dòng)態(tài)追蹤跟隨等算法，以及高溫告警和后臺(tái)實(shí)時(shí)數(shù)據(jù)處理等技術(shù)。

3.多任務(wù)學(xué)習(xí)

人類能夠從復(fù)雜多樣的任務(wù)中學(xué)習(xí)共性的操作經(jīng)驗(yàn)，從而加快掌握新任務(wù)，甚至實(shí)現(xiàn)“舉一反三”的應(yīng)用，例如當(dāng)人類學(xué)會(huì)騎自行車后，便能很快地掌握騎摩托車的操作技能，又或者在學(xué)會(huì)C++編程規(guī)則后，便能很快地掌握使用Python編程。如何讓機(jī)器人能夠從多任務(wù)中學(xué)習(xí)一般性的操作技能，并且能快速適應(yīng)全新的機(jī)器人平臺(tái)和應(yīng)用場景，是當(dāng)今機(jī)器人領(lǐng)域最前沿的研究技術(shù)。

谷歌機(jī)器人研究中心在2020年年初聯(lián)合加州大學(xué)伯克利分校、斯坦福大學(xué)等機(jī)構(gòu)提出了基于元強(qiáng)化學(xué)習(xí)算法的機(jī)器人多任務(wù)學(xué)習(xí)基準(zhǔn)，該基準(zhǔn)包含了推拉、抓放、堆疊等50個(gè)不同的機(jī)器人操作任務(wù)，并將學(xué)到的技能擴(kuò)展應(yīng)用于從未接觸過的開門、軸孔裝配等任務(wù)。

豐田研究院首席執(zhí)行官吉爾·普拉特（Gill Pratt）在2015年曾表示“機(jī)器人技術(shù)爆炸的關(guān)鍵在于云機(jī)器人技術(shù)和深度學(xué)習(xí)的結(jié)合”，并在2019年提出了“艦隊(duì)學(xué)習(xí)”系統(tǒng)，使一個(gè)機(jī)器人能夠從人或模擬中學(xué)習(xí)執(zhí)行任務(wù)，然后與所有其他機(jī)器人共享該知識(shí)，以便他們可以在新情況下執(zhí)行任務(wù)，這樣就可以實(shí)現(xiàn)機(jī)器人技能呈指數(shù)級增長。目前，該系統(tǒng)可以成功地執(zhí)行約85%相對復(fù)雜的人類級任務(wù)。

4.故障診斷及遠(yuǎn)程運(yùn)維

故障診斷及遠(yuǎn)程運(yùn)維系統(tǒng)能夠?qū)崿F(xiàn)設(shè)備遠(yuǎn)程狀態(tài)監(jiān)控、實(shí)時(shí)告警通知、故障診斷分析、遠(yuǎn)程故障定位和程序升級、資產(chǎn)管理以及預(yù)防性維護(hù)等功能，對企業(yè)生產(chǎn)的經(jīng)濟(jì)效益意義重大。通過將設(shè)備傳感數(shù)據(jù)上傳至云端，借助云計(jì)算和大數(shù)據(jù)挖掘技術(shù)，能夠生成維修計(jì)劃和日記，降低維護(hù)成本。

佛山隆深機(jī)器人研發(fā)了基于“云端大腦”的故障診斷及遠(yuǎn)程運(yùn)維系統(tǒng)，通過在機(jī)器人本體上增設(shè)一臺(tái)數(shù)據(jù)處理的邊端裝置，將應(yīng)用于不同領(lǐng)域、不同工位的機(jī)器人狀態(tài)信息連接到云端，借助云端中人工智能算法，實(shí)現(xiàn)24小時(shí)的故障診斷和機(jī)器人運(yùn)行節(jié)拍分析，能夠大幅度提高機(jī)器人運(yùn)行效率，減少停機(jī)時(shí)間，提高生產(chǎn)效率。目前，該系統(tǒng)已成功實(shí)現(xiàn)不少于1000臺(tái)機(jī)器人的上云服務(wù)。

云機(jī)器人發(fā)展的挑戰(zhàn)與展望

云機(jī)器人將在家庭服務(wù)、智能制造、醫(yī)療等領(lǐng)域的應(yīng)用場景中幫助人們完成個(gè)性化和定制化任務(wù)，在“云-邊-端”下所產(chǎn)生大量的隱私數(shù)據(jù)須進(jìn)行管理和保護(hù)，要求在數(shù)據(jù)存儲(chǔ)和網(wǎng)絡(luò)傳輸各個(gè)環(huán)節(jié)對用戶的隱私數(shù)據(jù)設(shè)計(jì)安全保障機(jī)制，例如可以通過數(shù)據(jù)脫敏手段來消除隱私性，并且在云平臺(tái)、邊緣 設(shè)備和機(jī)器人終端設(shè)計(jì)不同級別的安全訪問權(quán)，實(shí)現(xiàn)安全可靠的計(jì)算資源和數(shù)據(jù)共享。

機(jī)器人智能化的目標(biāo)主要是沿著類人的方向邁進(jìn)，人類能夠通過不斷地索、開發(fā)和利用，增強(qiáng)自身在各領(lǐng)域、各場景中的技能，而機(jī)器人在自我學(xué)習(xí)、改進(jìn)和技能提升方面依然存在不足。未來在云端大腦中，通過學(xué)會(huì)學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索等技術(shù)實(shí)現(xiàn)高魯棒性和高效的機(jī)器人持續(xù)學(xué)習(xí)是提升智能機(jī)器人應(yīng)用的關(guān)鍵。

隨著機(jī)器人應(yīng)用需求的多樣性，機(jī)器人制造商、集成商等須建立統(tǒng)一標(biāo)準(zhǔn)的機(jī)器人開源軟件平臺(tái)，這將有助于建設(shè)開放、共贏的云機(jī)器人平臺(tái)，從而更好地為人類服務(wù)。